[發(fā)明專利]一種基于區(qū)塊匹配的圖像域精準(zhǔn)雙能CT多材料分解方法

有效

• 申請?zhí)枺?/td>: 201910607536.2
• 申請日: 2019-07-05
• 公開（公告）號: CN110390700B
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 牛田野;薛一
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 劉靜

1.一種基于區(qū)塊匹配的圖像域精準(zhǔn)雙能CT多材料分解方法，其特征在于，包括以下步驟：

(1)根據(jù)模擬和實(shí)測高能與低能投影分別重建高、低能CT圖像；建立多材料分解通用模型，模型的目標(biāo)函數(shù)

使用像素點(diǎn)的線性衰減系數(shù)與基材料圖像線性組合之差的最小二乘作為數(shù)據(jù)保真項(xiàng)即：

其中A為材料合成矩陣，維度為2N×RN，N為CT圖像中像素總個(gè)數(shù)，R為材料種類數(shù)，為基材料體積分?jǐn)?shù)，為向量化的(μ_H，μ_L)，μ_H，μ_L分別為高、低能CT圖像的線性衰減系數(shù)；

正則化項(xiàng)包括兩部分，即

第一部分利用CT圖像材料內(nèi)部灰度分布具有相關(guān)性，實(shí)現(xiàn)物體的邊界保持；

第二部分基于人體組成材料有限性假設(shè)，通過抑制材料組成數(shù)量，達(dá)到突出主成分，抑制次要材料成分的效果；使用L₀范數(shù)作為正則項(xiàng)第二部分并通過使其最小化，達(dá)到控制單個(gè)像素組成材料數(shù)量的目的，的定義如下式所示：

其中，為第n個(gè)像素中所有基材料的體積分?jǐn)?shù)，表示第n個(gè)像素點(diǎn)所有體積分?jǐn)?shù)非零的基材料的個(gè)數(shù)之和，β是正則項(xiàng)系數(shù)，用來調(diào)節(jié)L₀范數(shù)項(xiàng)在目標(biāo)函數(shù)中的強(qiáng)度；

在圖像域多材料分解理論中，每個(gè)像素點(diǎn)中每種基材料的體積分?jǐn)?shù)歸一化到[01]之間，且所有基材料的體積分?jǐn)?shù)之和為1，即

其中n指的是第n個(gè)像素，r指的是第r種基材料，x_rn為第n個(gè)像素點(diǎn)處的第r種基材料體積分?jǐn)?shù)；

(2)簡化模型目標(biāo)函數(shù)使用三材料假設(shè)近似替代模型中的L₀范數(shù)來表征材料間的稀疏性，從而替代模型中的將CT圖像的像素塊進(jìn)行聚類分析和像素主成分的提取，從而替代具體為：首先使用區(qū)塊匹配法尋找CT圖像內(nèi)像素塊間相似性，將高相似度像素塊劃分為同一相似塊組，然后根據(jù)相似塊組和基材料之間的距離預(yù)先判斷像素塊中的材料組成并提取主成分；通過求解模型的簡化和近似替代降低求解模型的復(fù)雜度；

(3)使用預(yù)判的材料組成作為像素塊的分解基，多材料分解在分解基中進(jìn)行，求解步驟(2)簡化后的目標(biāo)函數(shù)，最終得到基材料圖像。

2.如權(quán)利要求1所述的一種基于區(qū)塊匹配的圖像域精準(zhǔn)雙能CT多材料分解方法，其特征在于，正則化項(xiàng)的第一部分為全變分形式時(shí)，求解圖像梯度，并使梯度絕對值之和最小，使得材料內(nèi)部像素灰度變化減小而材料間灰度梯度保持，達(dá)到邊界保持的目的；為全核范數(shù)形式時(shí)，利用材料具有相似的邊界這一條件使邊界梯度向量指向共同的方向，達(dá)到邊界保持的作用。

3.如權(quán)利要求1所述的一種基于區(qū)塊匹配的圖像域精準(zhǔn)雙能CT多材料分解方法，其特征在于，所述步驟(2)中，假設(shè)每個(gè)像素點(diǎn)最多包含三種材料來近似稀疏約束稱為三材料假設(shè)，即

其中，I_{.}是指示函數(shù)，如果第r種材料存在即為1，否則為0；對每個(gè)像素點(diǎn)的三材料組合矩陣A在考慮體積守恒約束即后可以寫為：

其中(i，j，k)代表組成第n個(gè)像素點(diǎn)的材料三元組，μ_Hs，μ_Ls為高、低能量下第s種基材料的線性衰減系數(shù)，s∈(i，j，k)。

4.如權(quán)利要求1所述的一種基于區(qū)塊匹配的圖像域精準(zhǔn)雙能CT多材料分解方法，其特征在于，所述步驟(2)中，在低能CT圖像中進(jìn)行相似度搜索，找出的相似塊位置信息被保留來對應(yīng)尋找高能CT圖像中的相似塊，具體為：

將CT圖像劃分為相同尺寸的小塊，塊與塊之間無縫銜接；塊與塊之間的相似性可通過比較塊之間的歐幾里得距離d_euc來衡量，即

d_euc＝||P-P′||₂， (7)

其中P和P′表示第P和P′個(gè)像素塊的灰度分布；高、低能CT圖像中的相同位置對應(yīng)的相似塊組成一個(gè)相似塊組。