改进的ct图像环形伪影校正方法研究

《改进的ct图像环形伪影校正方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安科技大学硕士学位论文改进的CT图像环形伪影校正方法研究专业名称：通信与信息系统作者姓名：周妍丽指导教师：蔺丽华论文题目：改进的CT图像环形伪影校正方法研究专业：通信与信息系统硕士生：周妍丽(签名)指导教师：蔺丽华(签名)摘要CT（ComputedTomography）技术不仅能清晰精确地显示物体内部细节的结构关系及缺陷状况，还能定量算出细节的辐射吸收数据，得出物质组成，因此已广泛应用于医学病情诊断和工业的缺陷识别及属性测量等领域。CT图像环形伪影是由探测器像元响应不一致等因素造成，使CT图像的质量

2、下降，给图像噪声处理以及图像分割等后续处理造成困扰，降低了图像的识别能力和测量精度。在临床上由于伪影与病理组织图像表现相似可能导致误诊。因此最大程度的减少环形伪影是十分必要的。本论文根据环形伪影在正弦图和重建后图像中的特点提出了两种校正方法：基于弦图分集差分的环形伪影校正法和基于极坐标改进二维低通滤波的环形伪影校正法。基于弦图分集差分的环形伪影校正法是一种图像重建前的处理方法。该方法在提取伪影信息时，将CT图像的投影正弦图依次进行所有行的像素各自按列叠加求和后采用空域微分处理，避免了传统阈值判断伪影方法中阈值难以选择

3、的问题。且对伪影数据的校正都是按列进行，可避免传统插值法中校正伪影数据受相邻数据干扰。最重要的是该方法可对初步处理后的图像进行分子集再次处理，能够有效去除残留的弧形伪影数据，使重建的CT图像完全去除残留伪影。基于极坐标改进二维低通滤波的环形伪影校正法是图像重建后的处理方法。该方法为了解决常用的二维低通滤波法在过滤伪影信息时，会将原图像中的高频信息一同过滤，设计了一种带狭缝的二维低通滤波器，通过坐标转换，对极坐标图像的频域信息进行滤波，在去除线性伪影的同时能尽可能地保证原始图像细节信息。再经过傅立叶逆变换和坐标逆变换可

4、得到去除环形伪影的校正图像。利用上述两种校正方法分别对实验室仿真CT图像和真实CT图像进行了校正实验，结果表明两种方法都能有效去除环形伪影。基于弦图的方法是在图像重建前进行数据处理，所以更好地保证了图像的分辨率。基于极坐标的方法在得不到投影数据的情况下可有效去除重建图像中的环形伪影。关键词：CT图像，环形伪影，投影正弦图，伪影校正研究类型：理论研究型Subject:ResearchonImprovedMethodsforCTRingArtifactReductionSpecialty:Communicationand

5、InformationSystemName:ZhouYanli(signature)Instructor:LinLihua(signature)ABSTRACTCT(ComputedTomography)technologycannotonlyshowtheinternaldetailsoftheobjectstructureclearly,butalsogivedetailsofmaterialquantitatively.Ithasbeenusedinindustrialimperfectiondetection

6、,medicaldiagnosis,andthemeasurementofproperties.Ringartifactsarecausedbybadpixelchannel.ItmakesCTimagedifficulttoidentifyandimpedespostprocessing.Itcouldleadtowronglydiagnosisbecausepathologyimagehassimilarcharacteristicswithringartifact.Therefore,removingsucha

7、rtifactisindispensable.Accordingtoringartifactcharacteristicsinprojectionsinogramimageandreconstructionimagebystudyingthecauses,twokindsofringartifactcorrectionmethodsareproposedinthepaper:ringartifactcorrectionbasedonprojectionsinogramwithsubsetdifferentialand

8、ringartifactcorrectionbasedonpolarcoordinateswithimprovedtwodimensionlowpassfilter.Ringartifactcorrectionbasedonprojectionsinogramwithsubsetdifferentialisapre-processingmeth