基于平板探测器的锥束CT投影图像校正

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (4): 163-167.

基于平板探测器的锥束CT投影图像校正

徐　　燕1，罗守华1，陈　　功2，赵富宽3

1.东南大学生物科学与医学工程学院，南京 210096
2.江苏省中医院信息工程部，南京 210029
3.江苏省原子医学研究所，江苏无锡 214063

出版日期:2016-02-15 发布日期:2016-02-03

Projective image correction of cone beam CT with flat panel detector

XU Yan1, LUO Shouhua1, CHEN Gong2, ZHAO Fukuan3

1.School of Biological Science & Medical Engineering, Southeast University, Nanjing 210096, China
2.Department of IE, Jiangsu Provincial Hospital of TCM, Nanjing 210029, China
3.Jiangsu Institute of Nuclear Medicine, Wuxi, Jiangsu 214063, China

Online:2016-02-15 Published:2016-02-03

摘要/Abstract

摘要： 在分析基于平板探测器的锥束CT投影图像缺陷的产生原因和特性的基础上，提出校正的方法，分别对投影图像进行暗场、像元响应不一致的一步校正和光场不均匀校正、像素坏点去除。通过在同一锥束CT系统中相同电压、电流水平情况下，采集不同积分时间下的空气投影图和相同条件下的暗场图，并对其像素值变化进行分析、拟合和对比，得到系统的线性参数矩阵、光场分布图和坏点位置图。对空气投影图像进行校正，并将其作为不完全参照，计算射线吸收系数，用于锥束CT重建。实验结果表明，该方法能有效去除锥束CT投影图像的噪声，抑制物体重建切片的大量环状伪影的产生，提高锥束CT系统重建图像的质量。

关键词: 锥束CT, 平板探测器, 投影图像校正, 图像增强

Abstract: A calibration method is proposed, based on the analysis of defects causes and characteristics in projective images produced by cone beam CT with Flat-Panel Detector（FPD）, to correct the dark field, response nonuniformity in one step, and to fit the light field and remove the bad pixels. Acquire sequence images of dark-field and air projection in different amounts of exposure in case of the same voltage level in the same cone-beam CT system, and then analyze its pixel value variation, fitting and contrast, to get the linear parameter matrix of the system, the light field image and the bad pixel map. Correct the air projection image, and treat it as an incomplete reference image to calculate the x-ray absorption coefficient for cone-beam CT reconstruction. The results show that the method effectively eliminates the noise in cone-beam CT projection images and inhibits the number of ring artifacts in object reconstruction slice. It can improve the quality of cone-beam CT system reconstruction image.

Key words: cone-beam CT, Flat-Panel Detector（FPD）, projective image correction, image intensifier

徐　　燕1，罗守华1，陈　　功2，赵富宽3. 基于平板探测器的锥束CT投影图像校正[J]. 计算机工程与应用, 2016, 52(4): 163-167.

XU Yan1, LUO Shouhua1, CHEN Gong2, ZHAO Fukuan3. Projective image correction of cone beam CT with flat panel detector[J]. Computer Engineering and Applications, 2016, 52(4): 163-167.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[3]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[6]	张宾，张正强，王洪凯. 基于GPU加速的锥束CT重建算法研究[J]. 计算机工程与应用, 2019, 55(4): 208-213.
[7]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[8]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[9]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[10]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[11]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[12]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[13]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.
[14]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.
[15]	程欢. 基于DEM图像增强的航海雷达回波模拟[J]. 计算机工程与应用, 2018, 54(10): 186-191.