一种校正图像硬化伪影的方法及装置与流程

1.本发明涉及图像处理技术领域，特别是涉及一种校正图像硬化伪影的方法及装置。


背景技术：

2.线束硬化伪影是ct类三维重建图像中的常见伪影。由于球管发出的x射线是混合能量的射线，因此当混合能量的射线穿过物体后，低能光子被吸收，而高能光子穿过，形成“硬化的”线束，而导致射线的平均能量增高。由于衰减系数极大地依赖于射线能量，因此当“硬化的”线束继续穿过其他密度较大的结构时，衰减系数显著下降，在影像上会形成低密度带影。伪影的存在使得高密度结构间的低密度组织成像受到影响，导致影像的结构不完整。
3.目前，为了消除或减弱伪影的影响已研究出了多种硬化伪影校正技术。其中包括：基于高阶迭代的硬化伪影校正方法，其计算量大工程实现上耗时较长。基于投影校正的方法，其需要考虑能量依赖性衰减系数。因此，这两种方法对于工程批量应用都存在局限性。


技术实现要素：

4.本发明所要解决的技术问题是：提供一种校正图像硬化伪影的方法，提高伪影校正的效率。
5.为了解决上述技术问题，本发明采用的技术方案为：
6.一种校正图像硬化伪影的方法，包括步骤：
7.获取原始图像，分割原始图像中的高密度组织，得到高密度组织图像；
8.对所述原始图像以及高密度组织图像进行正投影，得到原始正投影数据和高密度正投影数据；
9.对所述原始正投影数据和高密度正投影数据进行融合得到第一融合数据，对所述高密度正投影数据进行自融合得到第二融合数据；
10.对所述第一融合数据以及第二融合数据进行反投影，得到第一融合图像以及第二融合图像；
11.根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组，并结合所述修正系数组得到校正图像。
12.为了解决上述技术问题，本发明采用的另一技术方案为：
13.一种校正图像硬化伪影的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的一种校正图像硬化伪影的方法中的各个步骤。
14.本发明的有益效果在于：通过获取原始图像后，对原始图像进行分割得到高密度组织图像，再通过对图像进行正投影、数据融合以及反投影后得到第一融合数据以及第二融合数据，最后根据原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正
系数组，并结合所述修正系数组得到校正图像，校正方法是在原始图像的基础上进行校正的，校正过程中不涉及到射线能量的获取、处理等步骤，因此不需要额外的先验知识如能量依赖性衰减系数、射线源能量和探测器等相关信息，仅在原始图像的基础上进行简单计算就可得到校正后的图像，速度相对迭代算法更快，提高伪影校正的效率，更适用于工程应用。
附图说明
15.图1为本发明实施例中的一种校正图像硬化伪影的方法的步骤流程图；
16.图2为本发明实施例中的一种校正图像硬化伪影的方法的另一步骤流程图；
17.图3为本发明实施例中的一种校正图像硬化伪影的方法的另一步骤流程图；
18.图4为本发明实施例中的校正前后的第一图像对比实例；
19.图5为本发明实施例中的校正前后的第二图像对比实例；
20.图6为本发明实施例中的校正前后的第三图像对比实例；
21.图7为本发明实施例中的校正前后的第四图像对比实例；
22.图8为本发明实施例中的一种校正图像硬化伪影的装置的结构示意图。
具体实施方式
23.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
24.请参照图1，一种校正图像硬化伪影的方法，包括步骤：
25.获取原始图像，分割原始图像中的高密度组织，得到高密度组织图像；
26.对所述原始图像以及高密度组织图像进行正投影，得到原始正投影数据和高密度正投影数据；
27.对所述原始正投影数据和高密度正投影数据进行融合得到第一融合数据，对所述高密度正投影数据进行自融合得到第二融合数据；
28.对所述第一融合数据以及第二融合数据进行反投影，得到第一融合图像以及第二融合图像；
29.根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组，并结合所述修正系数组得到校正图像。
30.由上述描述可知，通过获取原始图像后，对原始图像进行分割得到高密度组织图像，再通过对图像进行正投影、数据融合以及反投影后得到第一融合数据以及第二融合数据，最后根据原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组，并结合所述修正系数组得到校正图像，校正方法是在原始图像的基础上进行校正的，校正过程中不涉及到射线能量的获取、处理等步骤，因此不需要额外的先验知识如能量依赖性衰减系数、射线源能量和探测器等相关信息，仅在原始图像的基础上进行简单计算就可得到校正后的图像，速度相对迭代算法更快，提高伪影校正的效率，更适用于工程应用。
31.进一步地，所述分割原始图像中的高密度组织，得到高密度组织图像包括：
32.获取所述原始图像的ct值差异，根据所述ct值差异将所述原始图像分割为高密度组织区域和低密度组织区域；
33.根据所述高密度组织区域得到所述高密度组织图像。
34.由上述描述可知，由于不同密度的组织在ct值上存在差异，因此基于原始图像中的ct值差异对原始图像进行分割，能够有效的将原始图像分割为高密度组织区域和低密度组织区域。
35.进一步地，所述根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组包括：
36.根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像得到目标函数；
37.获取评价函数，根据所述评价函数以及所述目标函数求解所述修正系数组。
38.由上述描述可知，通过原始图像、高密度组织图像、第一融合图像以及第二融合图像得到目标函数，充分利用每一获取到的图像得到目标函数，提高目标函数的处理效果。
39.进一步地，所述根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像得到目标函数包括：
40.获取第一阈值，根据所述第一阈值划分出所述原始图像、高密度组织图像、第一融合图像以及第二融合图像中的感兴趣区域；
41.根据所述原始图像的感兴趣区域、高密度组织图像的感兴趣区域、第一融合图像的感兴趣区域以及第二融合图像的感兴趣区域得到目标函数。
42.由上述描述可知，通过获取第一阈值后，对原始图像、高密度组织图像、第一融合图像以及第二融合图像进行感兴趣区域划分，以每一图像的感兴趣区域得到目标函数，不仅能够提高求解速度而且提高了修正系数组的精确度。
43.进一步地，所述目标函数为：
44.min s(c
01
,c
11
,c
02
)＝min∫std(f0+c
01f01
+c
11f11
+c
02f02
)dxdy；
45.其中，c
01
、c
11
和c
02
为修正系数组，f0为原始图像的感兴趣区域，f
01
为高密度组织图像的感兴趣区域，f
11
为第一融合图像的感兴趣区域，f
02
为第二融合图像的感兴趣区域。
46.由上述描述可知，由于含有硬化伪影的图像中存在暗带条纹，使得图像的标准差升高，而通过设置目标函数在进行硬化伪影校正时，对原始图像的感兴趣区域、组织图像的感兴趣区域、第一融合图像的感兴趣区域以及第二融合图像的感兴趣区域一共四幅图像求解标准差最小化，使得标准差下降，因此进行伪影校正后可以使得图像的趋于平滑。
47.进一步地，所述根据所述评价函数以及所述目标函数求解所述修正系数组包括：
48.根据所述评价函数求解所述目标函数，得到所述修正系数组；
49.所述评价函数为：
[0050][0051]
其中，c
01
、c
11
和c
02
为修正系数组，f＝f0+c
01f01
+c
11f11
+c
02f02
，为f的均值，n为每一图像中感兴趣区域中的像素个数。
[0052]
由上述描述可知，通过设置评价函数求解目标函数中的修正系数组，从而能够基于标准差最小函数得到感兴趣区域标准差最小的时线性组合的三个系数的值，即得到修正系数组，无需迭代计算，提高计算效率。
[0053]
进一步地，所述根据所述评价函数求解所述目标函数，得到所述修正系数组还包
括：
[0054]
获取预设步长；
[0055]
根据所述预设步长对所述修正系数组进行迭代计算，并通过反向搜索得到优化后的所述修正系数组；
[0056]
由上述描述可知，通过对修正系数组进行迭代计算不断优化计算出的修正系数组的结果，进一步提高图像修正的效果。
[0057]
进一步地，所述根据所述预设步长对所述修正系数组进行迭代计算，并通过反向搜索得到优化后的所述修正系数组包括：
[0058][0059][0060][0061]
其中，k为迭代次数；sc
01
、sc
11
和sc
02
分别为修正系数组c
01
、c
11
和c
02
的预设步长，和为迭代过程中的修正系数组，和为迭代过程中和迭代一次后得到的修正系数组。
[0062]
由上述描述可知，通过预设的步长对迭代计算进行优化计算，极大的优化计算出的修正系数组的结果，有效提高了图像修正的效果。
[0063]
进一步地，所述根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组，并结合所述修正系数组得到校正图像包括：
[0064]
根据所述修正系数组对所述原始图像、高密度组织图像、第一融合图像以及第二融合图像进行加权融合，得到所述校正图像；
[0065]
所述加权融合包括：
[0066][0067]
其中，为校正图像，f0'为原始图像，f1'0为高密度组织图像，f1'1为第一融合图像，f0'2为第二融合图像；c
01
、c
11
和c
02
为修正系数组。
[0068]
由上述描述可知，基于原始图像的感兴趣区域、高密度组织图像的感兴趣区域、第一融合图像的感兴趣区域以及第一融合图像的感兴趣区域计算得到修正系数组得到加权融合系数，并根据加权融合系数对原始图像进行校正，从而得到减弱硬化伪影的修正图像。
[0069]
请参照图8，本发明另一实施例提供一种校正图像硬化伪影的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述的一种校正图像硬化伪影的方法中的各个步骤。
[0070]
本发明上述校正图像硬化伪影的方法及装置能够适用于医用x光ct图像的处理，特别是针对ct图像中存在硬化伪影问题的校正，以下通过具体实施方式进行说明：
[0071]
实施例一
[0072]
请参照图1，一种校正图像硬化伪影的方法，包括步骤：
[0073]
s1、获取原始图像，分割原始图像中的高密度组织，得到高密度组织图像；具体的，
获取所述原始图像的ct值差异，根据所述ct值差异将所述原始图像分割为高密度组织区域和低密度组织区域，并根据所述高密度组织区域得到所述高密度组织图像；如所述原始图像中包括骨头、金属、软组织和空气，则能够将所述原始图像中的组织分为两部分，一部分高密度组织包括骨头和金属，另一部分是低密度组织包括软组织和空气；其中，可采用的分割方法包括单阈值分割法、多阈值分割法或软阈值分割法等；如利用软阈值加权分割法，将骨头的阈值根据经验设定为固定值t；为了更有效地分离出骨头和软组织，需要确定一个小阈值，将图片中介于骨头和软组织二者之间的值按照线性加权进行分割，这个小阈值约为骨头阈值的0.85-0.9之间，小阈值可根据实际情况调整；同时，硬化伪影主要出现在高密度材料周围，因此在进行分割的时候划出感兴趣区域r，即高密度组织周围部分区域，可以沿着高密度组织轮廓向外扩展30-60个像素点；
[0074]
s2、对所述原始图像以及高密度组织图像进行正投影，得到原始正投影数据和高密度正投影数据；
[0075]
s3、对所述原始正投影数据和高密度正投影数据进行融合得到第一融合数据，对所述高密度正投影数据进行自融合得到第二融合数据；如可通过乘积计算得到上述两种融合数据；
[0076]
s4、对所述第一融合数据以及第二融合数据进行反投影，得到第一融合图像以及第二融合图像；即通过所述第一融合数据以及第二融合数据进行图像重建，得到所述第一融合图像以及第二融合图像；
[0077]
s5、根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组，并结合所述修正系数组得到校正图像，具体的：
[0078]
s51、根据所述原始图像、高密度组织图像、第一融合图像以及第二融合图像得到目标函数；在一可选的实施方式中，通过获取第一阈值，根据所述第一阈值划分出所述原始图像、高密度组织图像、第一融合图像以及第二融合图像中的感兴趣区域；并根据所述原始图像的感兴趣区域、高密度组织图像的感兴趣区域、第一融合图像的感兴趣区域以及第二融合图像的感兴趣区域得到目标函数；
[0079]
得到所述目标函数为：
[0080]
min s(c
01
,c
11
,c
02
)＝min∫std(f0+c
01f01
+c
11f11
+c
02f02
)dxdy；
[0081]
其中，c
01
、c
11
和c
02
为修正系数组，f0为原始图像的感兴趣区域，f
01
为高密度组织图像的感兴趣区域，f
11
为第一融合图像的感兴趣区域，f
02
为第二融合图像的感兴趣区域；min s(c
01
,c
11
,c
02
)表示最小标准差函数，std()表示计算f0+c
01f01
+c
11f11
+c
02f02
标准差；
[0082]
s52、获取评价函数，根据所述评价函数以及所述目标函数求解所述修正系数组；
[0083]
根据所述评价函数求解所述目标函数，得到所述修正系数组；
[0084]
所述评价函数为：
[0085][0086]
其中，c
01
、c
11
和c
02
为修正系数组，f＝f0+c
01f01
+c
11f11
+c
02f02
，为f的均值，n为每一图像中感兴趣区域中的像素个数；根据感兴趣区域的不同，像素个数是不同的，每一张原
始图像中划定的感兴趣区域大小是一定的，因此n在同一幅原始图像下的其他图像中是定值；若需要提高求解速度，则将得到的所述c
01
、c
11
和c
02
为修正系数组直接用于图像校正；
[0087]
进一步地，对e进行求导得到：
[0088][0089]f′
(c
01
)＝f
01
[0090]f′
(c
11
)＝f
11
[0091]f′
(c
02
)＝f
02
[0092]
其中其中是f在感兴趣区域r的均值，是f
01
在感兴趣区域r的均在感兴趣区域r的均
[0093]
值，是f
11
在感兴趣区域r的均值，是f
02
在感兴趣区域r的均值；
[0094]
进一步地，分别对e求c
01
、c
11
和c
02
的偏导得到：
[0095][0096][0097][0098]
进一步地，在一可选的实施方式中，对所述修正系数组进行迭代计算得到优化后的所述修正系数组，具体的：获取预设步长，根据所述预设步长对所述修正系数组进行迭代计算，并通过反向搜索得到优化后的所述修正系数组；
[0099]
其中，对所述修正系数组进行迭代计算包括：
[0100][0101][0102][0103]
其中，k为迭代次数；sc
01
、sc
11
和sc
02
分别为修正系数组c
01
、c
11
和c
02
的预设步长，和为迭代过程中的修正系数组，和为迭代过程中和迭代一次后得到的修正系数组；设置迭代终止条件，如达到n次即可停止迭代，停止迭代时的c
k+1
为最终求解得到的修正系数组；通过多次的迭代求解，最终可以得到感兴趣区域标准差最小的时候线性组合的三个系数的值；
[0104]
s53、根据所述修正系数组对所述原始图像、高密度组织图像、第一融合图像以及第二融合图像进行加权融合，得到所述校正图像；
[0105]
所述加权融合包括：
[0106][0107]
其中，为校正图像，f'0为原始图像，f'
10
为高密度组织图像，f'
11
为第一融合图像，f'
02
为第二融合图像；c
01
、c
11
和c
02
为修正系数组。
[0108]
实施例二
[0109]
本实施例具体说明如何建立加权融合算式：
[0110]
由于x-射线不是单一的能量，而是混合能量的射线，其多能谱衰减公式可以用如下公式表示：
[0111][0112]
其中，l是对应路径的线积分，可以用μ(e,s+λθ)表示，后续算式使用r表示l，s是射线源矢量，θ是投影角度；
[0113]
μ(e,s+λθ)是多能谱射线穿过物体后的衰减，而这种衰减是物体和能量共同起作用的，因此也可以用物体和能量两个物理量来表示衰减值f0(r)表示物体ψ0(e)表示能量，即：
[0114]
μ(e,s+λθ)＝μ(e,r)＝f0(r)ψ0(e)
ꢀꢀ
(2)；
[0115]
其中，ψ0(e)是物体中材料的能量依赖项；
[0116][0117]
其中，q是探测器接收到的测量值；上述公式相当于把一个与能量和射线穿过距离有关的参数μ替换成了分别与能量有关的参数ψ0(e)和与射线穿过距离有关的参数p0；在临床上，通常将ψ0(e)替换成ψ
water
(e)，也就是图像是经过水预校正的；但是经过水预校正后也会出现硬化伪影，因为物体中含有密度跟水差别较大的物质，能量依赖项并不相同；所述水预校正是在重建图像步骤进行的，一般的ct图像都是需要经过水预校正的，本实施例所提出的方法用于已经经过水预校正的重建图像；假设物体中含有两种材料水和骨头，由于两者密度相差较大，那么物质和能量的依赖项将会有两个，即公式(2)可以写成：
[0118][0119]
最终需要求解的是水等效基图像也就是硬化校正后的图像，根据公式(3)可以将公式(4)写为：
[0120][0121]
进一步假设：x-射线是单一能量的射线，则令ψ1(e0)＝ψ2(e0)＝1，此时剩下的就是基于水预校正的没有硬化伪影的图像的投影；
[0122]
利用多级扩展法来求解
[0123][0124]
由于超过2阶的部分几乎对图像没有作用，因此可将其舍去；将(6)式中的投影数据p0、p2、p0p2和进行反投影就可以得到四幅图像f'0、f'
10
、f'
11
和f'
02
，即得到：
[0125][0126]
则公式(7)即为修正图像的组成，求解公式(7)中的修正系数组后，结合获取到的四幅图像即得到修正图像；
[0127]
请参照图2，即输入所述原始图像后，求解对应的硬化伪影校正得到修正系数组c
01
、c
11
和c
02
后，根据所述修正系数组对所述原始图像进行修正并输出校正图像。
[0128]
实施例三
[0129]
本实施例提供一具体应用场景对实施例一中步骤进行说明；
[0130]
请参照图3，s1、获取原始图像f0，分割原始图像f0中的高密度组织，得到骨头组织图像f2；
[0131]
s2、对所述原始图像f0以及骨头组织图像f2进行正投影，得到原始正投影数据p0和骨头组织正投影数据p2；
[0132]
s3、对所述原始正投影数据p0和骨头组织正投影数据p2进行融合，计算所述原始正投影数据p0和骨头组织正投影数据p2的乘积得到第一融合数据p
11
，
[0133]
对骨头组织正投影数据p2进行自融合，计算所述骨头组织正投影数据p2的自乘积得到第二融合数据p
02
；
[0134]
s4、对所述第一融合数据p
11
以及第二融合数据p
02
进行反投影，得到第一融合图像f
11
以及第二融合图像f
02
；
[0135]
根据所述原始图像f0、骨头组织图像f2、第一融合图像f
11
以及第二融合图像f
02
求解修正系数组c
01
、c
11
和c
02
，并结合所述修正系数组得到校正图像f1；
[0136]
请参照图4-图7，为校正前后图像对比，可以看出经过校正后的图像明显消除或减弱了原图像中的硬化伪影。
[0137]
实施例四
[0138]
请参照图8，一种校正图像硬化伪影的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如实施例一、二或三中任意一项所述的一种校正图像硬化伪影的方法中的各个步骤。
[0139]
综上所述，本发明提供的一种校正图像硬化伪影的方法及装置，包括步骤：通过获取原始图像后，对原始图像进行分割得到高密度组织图像，再通过对图像进行正投影、数据融合以及反投影后得到第一融合数据以及第二融合数据，最后根据原始图像、高密度组织图像、第一融合图像以及第二融合图像求解修正系数组，并结合所述修正系数组得到校正图像，并且还进一步分割出原始图像、高密度组织图像、第一融合图像以及第二融合图像中的感兴趣区域得到目标函数，不仅提高了求解的效率和提高了求解精度；同时，校正方法是
在原始图像的基础上进行校正的，校正过程中不涉及到射线能量的获取、处理等步骤，因此不需要额外的先验知识如能量依赖性衰减系数、射线源能量和探测器等相关信息，仅在原始图像的基础上进行简单计算就可得到校正后的图像，速度相对迭代算法更快，提高伪影校正的效率，更适用于工程应用。
[0140]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。