[發(fā)明專利]多源擺動動態(tài)CT成像方法

有效

• 申請?zhí)枺?/td>: 201710233458.5
• 申請日: 2017-04-11
• 公開（公告）號: CN107016709B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計）人: 劉豐林;伍偉文;冉磊
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

本發(fā)明公開了一種多源擺動動態(tài)CT成像方法，首先把采集的多對X射線源－探測器一次擺動掃描的所有投影數(shù)據(jù)進(jìn)行重排；接著對重排后的投影數(shù)據(jù)采用FBP算法重建出CT圖像；把上述CT圖像作為先驗圖像，通過帶TV約束的ART算法把相應(yīng)的時間幀的投影數(shù)據(jù)進(jìn)行圖像重建獲得對應(yīng)時間幀的CT圖像；把所有時間幀的CT圖像按時間順序組合獲得該次X射線源－探測器擺動時間段內(nèi)檢測對象的動態(tài)CT圖像；重復(fù)上述過程，最后獲得整個檢測對象變化過程的動態(tài)CT圖像。本發(fā)明所提出MS?PICCS算法不僅能夠從高度欠采樣的數(shù)據(jù)恢復(fù)真實圖像而且還具有良好的抗噪性能。

技術(shù)領(lǐng)域

本發(fā)明涉及CT掃描領(lǐng)域，具體涉及一種多源擺動動態(tài)CT成像方法。

背景技術(shù)

實際應(yīng)用中存在過程可視化檢測需求，如增材制造缺陷形成、鑄件冷卻缺陷形成、材料(新材料、礦石)拉壓破壞、空隙材料(石油巖心、高速路面)液體滲透、多相流體動態(tài)流動、固體火箭發(fā)動機(jī)噴管喉頸材料燒蝕等過程，傳統(tǒng)無損檢測方法都有一定的局限性。近年來，工業(yè)CT技術(shù)已成為工業(yè)無損檢測的重要手段，但由于上述可視化檢測過程中檢測對象內(nèi)部發(fā)生變化，而CT掃描過程中要求檢測對象穩(wěn)定，傳統(tǒng)工業(yè)CT技術(shù)不能直接用于過程可視化檢測。然而，上述需要可視化檢測的過程有以下共同特點：(1)變化過程有一定持續(xù)時間(非瞬時)；(2)同時其過程變化為檢測對象內(nèi)部的局部變化。這些特點使動態(tài)CT檢測成為可能。

動態(tài)過程的可視化檢測研究主要包括：RB Arthur和MA Cheverton通過融合多個高速相機(jī)采集的不同數(shù)據(jù)類型從而對增材制造過程的變化進(jìn)行成像；光滑粒子流體動力學(xué)方法和大渦流模擬方法用于預(yù)測和可視化鑄造時流體瞬時流動以及氧化物含量的動態(tài)變化；通過融合X射線溫度梯度階段(XTGS)，X射線顯微成像技術(shù)和尺度模擬方法觀察鋁-銅合金的固化冷卻過程中縮松以及鎖孔的生長率；Xuanhao Sun等人通過高放大倍率光學(xué)顯微鏡和原子力顯微鏡(AFM)研究皮質(zhì)骨的屈服后的變形過程等。另外，微觀粒子圖像速度測定技術(shù)也被用于研究多孔微型模型中動態(tài)溶液的相互作用。然而，已有的這些技術(shù)都有一定局限性，如AFM只能觀察變化過程的表面結(jié)構(gòu)，對其內(nèi)部結(jié)構(gòu)的變化顯得無能為力。又如平滑粒子流體動力學(xué)方法空間分辨率較低。

發(fā)明內(nèi)容

鑒于此，本發(fā)明提供一種多源擺動動態(tài)CT成像方法。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的，一種多源擺動動態(tài)CT成像方法，該方法以基于先驗圖像約束的壓縮感知圖像重建算法為基礎(chǔ)，具體包括以下步驟為：步驟一、把采集的多對X射線源－探測器單次擺動的所有投影數(shù)據(jù)進(jìn)行重排；步驟二、對重排后的投影數(shù)據(jù)采用FBP算法重建出CT圖像；步驟三、把上述CT圖像作為先驗圖像，通過帶TV約束的ART算法把相應(yīng)的時間幀的投影數(shù)據(jù)進(jìn)行圖像重建獲得對應(yīng)時間幀的CT圖像；步驟四、把所有時間幀的CT圖像按時間順序組合獲得該次X射線源－探測器擺動時間段內(nèi)檢測對象的動態(tài)CT圖像；步驟五、重復(fù)步驟三、四，最后獲得整個檢測對象變化過程的動態(tài)CT圖像。

進(jìn)一步，基于先驗圖像約束壓縮感知圖像重建算法被設(shè)計為以下無約束最小化問題：

minκ||TV(I)||₁+(1-κ)||TV(I-I^p)||₁such that AI＝P (1)

其中，||·||₁表示矩陣L₁范數(shù)，A代表系統(tǒng)矩陣，I,P分別表示待重建圖像和測量的投影數(shù)據(jù)，TV(I)，TV(I-I^p)分別表示待重建圖像以及待重建圖像與先驗圖像的總變分，κ是由先驗圖像I^p中的偽影程度決定的經(jīng)驗參數(shù)，取值范圍為[0,1]。

進(jìn)一步，通過采用梯度下降搜索方法對公式()進(jìn)行求解，圖像中(i,j)點的梯度方向h_i,j可由分量a_i,j，b_i,j，c_i,j，d_i,j和e_i,j的計算得到：