一种基于边界信息扩散的X射线CL图像重建算法的制作方法

本发明属于x射线cl成像技术领域，涉及一种基于边界信息扩散的x射线cl图像重建算法。

背景技术：

在工业无损检测中，经常会遇到大尺寸板状物检测问题，如印制电路板、太阳能板、机翼等。对于该种物体的检测，传统的x射线ct扫描难以胜任。相反的，cl(computedlaminography)扫描能够提供更多角度的扫描数据、以及更大的放大比，是一种板状物扫描成像的有效手段。

然而，理论上cl成像为不完全数据成像问题。采用传统的图像重建算法(如fdk、sart等)得到的图像，存在严重的层间信息混叠，影响图像的层间分辨率，进而影响cl设备的实用性。

通过检索，尚未发现与本发明专利申请相关的专利公开文献。

技术实现要素：

本发的目的在于克服现有cl成像算法中存在的层间信息混叠问题，提供一种基于边界信息扩散的x射线cl图像重建算法，该发明算法利用重建出的图像边界信息，通过迭代的方式，逐步恢复出图像内部灰度值，能够有效降低重建图像层间信息混叠，提高重建图像的层间分辨率，进而提高cl系统的实用性。

为了实现上述目的，本发明所采用的技术方案如下：

一种基于边界信息扩散的x射线cl图像重建算法，步骤如下：

步骤1、输入变量：cl扫描数据集p，cl扫描几何参数集g；

步骤2、初始化：初始估计图像u⁽⁰⁾，迭代终止阈值ε或迭代次数上限n；

步骤3、假设已得到估计图像u^(k)，以u^(k)为初值，利用cl扫描数据集p，更新估计图像u^(k+1/2)＝rg(p,u^(k))，其中rg表示扫描几何参数集g相关的图像重建算子；

步骤4、利用图像u^(k+1/2)的边界信息扩散修正估计图像，得到u^(k+1)＝p(u^(k+1/2))，其中p表示边界信息扩散修正算子；

步骤5、判断相邻两次迭代图像间的差别是否小于给定阈值，即||u^(k+1)-u^(k)||≤ε，或是否达到迭代次数上限n，满足则终止迭代；否则，转步骤3，直至相邻两次迭代图像间的差别小于给定阈值，即||u^(k+1)-u^(k)||≤ε，或达到迭代次数上限n，则终止，基于边界信息扩散的x射线cl图像重建算法结束。

而且，所述步骤4中边界信息扩散修正算子p由下列最优化问题所定义：

其中k,λ,v,u^(k+1),u^(k+1/2)均为坐标分量x,y,z的函数，vx,vy分别表示v关于x和y的一阶偏导数；k为扩散函数，可取为常函数1；μ为调节参数，λ为边界保持函数，可设为u^(k+1/2)的梯度的函数，如其中c＞0；求解该优化函数可通过引入时间参数t，转为求解如下偏微分方程，

其中为图像边界,为边界的法方向；该偏微分方程采用经典数值方法求解。

而且，所述的重建算子rg选择迭代类的重建算法或选用解析类算法。

而且，所述迭代类的重建算法为art、sart或em；所述解析类算法为fdk或bpf。

而且，在扩散过程中，边界位置保持不变。

本发明取得的优点和积极效果是：

本发明算法主要是为了解决现有cl图像重建算法重建的图像存在层间信息混叠，影响图像层间分辨率的问题，该发明算法利用重建出的图像边界信息，通过迭代的方式，逐步恢复出图像内部灰度值，能够有效降低重建图像层间信息混叠，提高重建图像的层间分辨率，进而提高cl系统的实用性。

附图说明

图1为本发明算法的流程图；

图2为cl扫描系统示意图及扫描条件图；

图3为本发明中扫描模体照片：一块多层pcb板；

图4为本发明中sart重建图像的三视图；

图5为本发明中dart重建图像的三视图；

图6本发明算法重建图像的三视图；

图7为图4中冠状面的放大图像；

图8为图5中冠状面的放大图像；

图9为图6中冠状面的放大图像；

图10为图4中矢状面的放大图像；

图11为图5中矢状面的放大图像；

图12为图6中矢状面的放大图像。

具体实施方式

为能进一步了解本发明的内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。需要说明的是，本实施例是描述性的，不是限定性的，不能由此限定本发明的保护范围。

本发明中未详细描述的结构、连接关系及方法，均可以理解为本领域内的公知常识。

下面结合附图对本发明的具体实施方式做详细说明。

实施例1

一种基于边界信息扩散的x射线cl图像重建算法，其具体流程描述如下：

步骤1、输入变量：cl扫描数据集p，cl扫描几何参数集g；

步骤2、初始化：初始估计图像u⁽⁰⁾，迭代终止阈值ε或迭代次数上限n；

步骤3、假设已得到估计图像u^(k)，以u^(k)为初值，利用cl扫描数据集p，更新估计图像u^(k+1/2)＝rg(p,u^(k))，其中rg表示扫描几何参数集g相关的图像重建算子

步骤4、利用图像u^(k+1/2)的边界信息扩散修正估计图像，得到u^(k+1)＝p(u^(k+1/2))，其中p表示边界信息扩散修正算子；

步骤5、判断相邻两次迭代图像间的差别是否小于给定阈值，即||u^(k+1)-u^(k)||≤ε，或是否达到迭代次数上限n，满足则终止迭代；否则，转步骤3，直至相邻两次迭代图像间的差别小于给定阈值，即||u^(k+1)-u^(k)||≤ε，或达到迭代次数上限n，则终止，基于边界信息扩散的x射线cl图像重建算法结束。

实施例2

一种基于边界信息扩散的x射线cl图像重建算法，其具体流程描述如下：

步骤1、输入变量：cl扫描数据集p，cl扫描几何参数集g；

步骤2、初始化：初始估计图像u⁽⁰⁾，迭代终止阈值ε或迭代次数上限n；

步骤3、假设已得到估计图像u^(k)，以u^(k)为初值，利用cl扫描数据集p，更新估计图像u^(k+1/2)＝rg(p,u^(k))，其中rg表示扫描几何参数集g相关的图像重建算子

步骤4、利用图像u^(k+1/2)的边界信息扩散修正估计图像，得到u^(k+1)＝p(u^(k+1/2))，其中p表示边界信息扩散修正算子；

其中，步骤4中边界信息扩散修正算子p由下列最优化问题所定义：

其中k,λ,v,u^(k+1),u^(k+1/2)均为坐标分量x,y,z的函数，vx,vy分别表示v关于x和y的一阶偏导数；k为扩散函数，可取为常函数1；μ为调节参数，λ为边界保持函数，可设为u^(k+1/2)的梯度的函数，如其中c＞0；求解该优化函数可通过引入时间参数t，转为求解如下偏微分方程，

其中为图像边界,为边界的法方向；该偏微分方程采用经典数值方法求解；

步骤5、判断相邻两次迭代图像间的差别是否小于给定阈值，即||u^(k+1)-u^(k)||≤ε，或是否达到迭代次数上限n，满足则终止迭代；否则，转步骤3，直至相邻两次迭代图像间的差别小于给定阈值，即||u^(k+1)-u^(k)||≤ε，或达到迭代次数上限n，则终止，基于边界信息扩散的x射线cl图像重建算法结束；

其中，在扩散过程中，边界位置保持不变。

实施例3

为了更好的体现本发明一种基于边界信息扩散的x射线cl图像重建算法在重建效果方面的优势，下面结合一具体实施例将本发明所述的算法与已存在的典型算法sart和dart做比较。

本实施例所用cl设备示意图如图2所示，图中同时标明了扫描几何条件。扫描样品为一块多层pcb板，如图3所示。扫描电压为160kv，360度共采集720个投影数据。

分别采用sart、dart和本发明算法对扫描数据进行图像重建，重建图像如图4、图5、图6所示。其中图4为sart的重建图像的三视图(横断面、冠状面和矢状面)，图7为对应冠状面的放大图像，图10为对应矢状面的放大图像；其中图5为dart的重建图像的三视图，图8为对应冠状面的放大图像，图11为对应矢状面的放大图像；其中图6为本发明算法重建图像的三视图，图9为对应冠状面的放大图像，图12为对应矢状面的放大图像。可以看出，sart的重建结果中存在严重的层间信息混叠，几乎看不到pcb的分层信息；dart算法也没能恢复出pcb的分层信息；而本发明算法有效的恢复出了pcb分层信息，减小了层间信息混叠，提高了图像层间分辨率。

以上，仅为本发明的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。