一种ct图像的金属伪影校正方法
【技术领域】
[0001] 本发明主要针对数字图像中的金属伪影进行校正，提高图像质量，主要涉及数字 图像处理技术，特别涉及基于边缘保护的图像分割、滤波、插值及融合等技术。
【背景技术】
[0002] CT扫描成像中，病人体内的金属植入物，如：关节假肢、牙齿填充物、脊椎固定螺 栓等对X射线具有很高的衰减性，导致探测器接收到的数据噪声非常大，重建后的CT图像 中出现放射状的亮条纹，同时会在较大的金属区域周围或多个金属区域之间造成暗影区。 这些金属伪影的存在直接降低了CT图像的质量和CT临床诊断的准确性。
[0003] 目前，主流的金属伪影去除算法是基于插值的数据合成方法。对受金属物体 影响的数据，用相邻的不包含金属信息的数据通过插值产生一个近似的合成数据代替。 Kalender等人首次提出基于线性插值的金属伪影去除算法。之后，基于多项式插值、样条插 值、小波插值的算法相继提出。这些插值算法针对线性插值的不足，采用平滑插值校正金属 区域的投影，避免线性插值可能带来更多的新金属伪影。
[0004] 然而，上述插值方法对于轻度金属伪影的CT图像能取得较好的校正结果。但是如 果金属区域周围存在高对比度的结构，比如：骨骼、牙齿等，校正结果会丢失金属边缘高对 比度物质的结构信息，而这些信息恰恰是临床医生最为关心的。根本原因在于上述插值方 法存在边界不平滑、未能将金属边缘的骨骼结构信息反馈到校正后的投影数据中。
【发明内容】
[0005] 为解决上述插值法的缺陷，实现上述目的，本发明通过以下技术方案实现： 一种CT图像的金属伪影校正方法，其特征在于，包括： 步骤1，分割出CT图像中的金属区域，构造金属图像； 步骤2,提取金属区域周边的结构信息，构造先验图像； 步骤3,对原始CT图像、金属图像和先验图像进行前向投影； 步骤4,利用金属图像的投影数据和先验图像的投影数据对原始图像投影数据中的金 属区域进行插值校正； 步骤5,对校正后的投影数据进行重建，并将重建结果与金属图像融合得到最终的校正 图像。
[0006] 所述步骤1中是采用基于马尔科夫随机场模型的方法分割出CT图像中的金属区 域，其数学表达形式如下：
其中i(x)是对CT图像的一个分类，巧代表像素,的标签，巧[，将整个图 像的像素可以分为Z类。7是待处理的CT图像，假设每一类的像素值服从均值为巧，方差 为的高斯分布，4为加权因子，％为以像素i为中心的3*3邻域，为邻域正则函 数。
[0007] 所述的邻域正则函数具有如下数学表达形式：
[0008」 所述步骤2包括： 步骤2. 1，对原始CT图像进行滤波处理，抑制图像的条状伪影； 步骤2. 2,采用阈值分割的方法提取金属周围的骨骼结构信息； 步骤2. 3,恢复金属周围的软组织结构信息； 步骤2. 4,融合骨骼结构信息构造先验图像。
[0009] 所述步骤2. 1中包括： 采用阈值约束的均值滤波器对原始CT图像进行滤波处理，其数学表达式如下：
其中：〃(咐卜I)为原始图像，为滤波后图像，况为方形局部滤波窗口的半边 长，T为自定义阈值，为依赖于中心像素r与邻域像素^相似程度的权值，中心像素i 与邻域像素J之间的欧式距离越大，它们的相似程度越低；如果中心像素》与邻域像素」之 间CT值超过固定阈值，则它们间的相似度为0,即邻域像素J不参与中心像素：的计算，h为 滤波参数，用以控制滤波强度。
[0010] 所述步骤2. 3包括： 采用区域生长的方法提取靠近金属的伪影区S，对伪影区内的像素按如下数学表达式 进行软组织信息恢复：
其中D为赋值像素点距离最近的金属像素的欧氏距离，为伪影区域边界处的 最小值；3表示软组织CT值的浮动范围f是曲线参数。
[0011] 所述步骤2. 4包括： 按如下数学表达式构造先验图像
其中5是阈值分割出的骨骼区域，是骨骼结构信息，/￡〇?>?)是先验图像。
[0012] 所述步骤4包括： 按如下数学表达式对原始图像投影数据中的金属区域进行插值校正
0 其中g代表原始图像的投影数据，对于任意投影视角丨細邙为原始图像的 投影数据中对应的金属投影区域，％?，％+A+l为金属邻域投影，g#为先验图像的投影数 据，gg-为原始图像投影与先验图像投影在金属投影区域的平滑过渡，为校正后的投 影数据。
[0013] 所述步骤5包括： 按如下数学表达式将重建结果与金属图像融合
其中/?^为用校正后的投影数据进行重建得到的图像为分割出的金属区域图 像，G为分割出的金属区域，/i?为校正后的图像，《为融合系数。
[0014] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。 本发明的【具体实施方式】由以下实施例及其附图详细给出。
【附图说明】
[0015] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中： 图1是本发明方法执行流程示意图。
【具体实施方式】
[0016] 下面结合附图和实施例对本发明的技术实施过程做进一步说明。图1是本发明 方法执行流程示意图。
[0017] 各单元模块功能如下： 图像加载单元101，在计算机上加载待处理的CT图像； 金属分割单元102,用来分割CT图像中的金属区域，构造金属图像； 滤波单元103,用于抑制CT图像的噪声； 骨骼提取单元104,用于提取金属区域周边的骨骼结构信息； 软组织恢复单元105,用于恢复金属区域周边伪影区的软组织信息； 先验图像合成单元106,用于合成先验图像； 前向投影单元107,用于生成原始CT图像、金属图像及先验图像的投影数据； 插值单元108,用于对于金属区域的投影数据进行插值校正； 图像重建单元109,用于重建校正后投影数据的CT图像； 图像融合单元110,用于生成最终金属伪影校正后的CT图像。
[0018] 本发明的实现方法主要包括以下步骤： 步骤1 :加载待处理的CT图像，存储在计算机中，方便后续单元进行处理，如图1所示。
[0019] 步骤2 :运行金属分割单元102,提取金属区域周边的骨骼结构信息。
[0020] 采用基于马尔科夫随机场模型的方法，其数学表达形式如下：
其中i(z)是对CT图像的一个分类，A代表像素,的标签，力=/，1 = 1，2，...,尤，将整个图 像的像素可以分为Z类。7是待处理的CT图像，假设每一类的像素值服从均值为巧，方差 为A的高斯分布。，5为加权因子，$为以像素，为中心的3*3邻域，濟:心七）为邻域正则函 数，具有如下数学表达形式：
在本实施方式中，将图像中的像素分为两类，：=1代表金属标签，1 = 〇代表背景标签。采 用ICM算法[1]来求解，托，9的初始值由阈值分割结果给定，岸在我们的实验中取5~8， ICM算法迭代10次左右可以较好地提取图像中的金属区域G,我们将金属图像表示为 /mefaf (OT, 〃），其中(风《)为图像像素下标。
[0021] 步骤3 :运行滤波单元103,抑制CT图像的噪声。采用阈值约束的均值滤波器对原 始CT图像进行滤波处理，其数学表达式如下：
其中：v = ?)卜€ J}