论文部分内容阅读
锥束CT检测是广泛应用于医疗、工业、航空等领域的一种重要检测手段。CT图像质量的好坏将直接影响检测结果。对CT图像质量产生影响的伪影有许多,而其中以环状伪影最为典型。环状伪影是由于CT投影数据异常经过重建形成的结果,表现在图像中,是以重建中心为圆心且灰度区别于周围像素的一系列同心圆环,且越是靠近图像中心点,圆环越密集,严重影响了重建图像的质量。在伪影研究过程中,针对重建流程中不同的环节进行校正,形成了多种类型的校正方法,但这些方法都有不同的局限,造成了环状伪影难以完全根除。 本文首先结合获取投影数据的扫描方式和重建算法,详细阐述了锥束CT环状伪影的形成原因,并就正弦图数据竖直条纹的各种形成因素进行了逐个分析和图示。接着系统地介绍了现有的各类环状伪影校正方法:基于CT扫描方式的探测器抖动校正法、基于探测器响应的平板输出校正法、基于投影数据的正弦图校正法和基于重建图像的后处理方法。最后利用模型数据模拟环状伪影噪声,对正弦图校正和后处理校正中的代表性算法进行了实验验证,总结了各类方法的有效性及局限性。 通过多种校正方法的对比,本文选定基于差值图的低通滤波环状伪影校正方法进行实践研究。具体分析了方法中的各个步骤:定位响应异常的像素通道、测量环状伪影的强度和减除图像环状伪影。通过大量数据的实验对比后,本文定位了各个操作对结果的直接影响。结合实际应用,就阈值截断数据过程提出了一种选取阈值的新方法。该方法实现了选取阈值的自动化,并能适应于各种图像,克服了在应用过程中人工选值的问题。将该方法应用于锥束CT真实数据,效果良好。 最后本文因实际锥束CT的工程需要,为减少系统获得断层图像的时间消耗,在分析后处理校正算法流程的并行性基础上,使用CUDA框架对基于差值图的低通滤波环状伪影校正方法进行了GPU加速实现。加速后,在普通PC上后处理校正的效率有较大提高,协助锥束CT系统实现了实时重建的目标。