基于Mojette频域最小冗余覆盖的有限角度计算机层析成像重建 下载: 1039次
1 引言
在计算机断层成像(CT)领域中,经常遇到不完全数据重建问题,如为了降低辐射剂量采用稀疏角度采样、受扫描空间限制部分角度无法采集等。在CT成像过程中,不完全投影数据可分为两类:1)稀疏投影采样;2)有限角度投影采样。因此,针对特定CT成像问题的不同数据缺失条件,设计与之契合的重建算法,以获得满足需要的重建效果具有重要意义。除了不完全投影数据问题,直接采用近似连续Radon变换为基础的重建方法往往很难在极少角度采样的情况下获得较好的结果,因此需要寻找可以直接应用在离散域上的少角度采样重建方法。1978年Katz[1]从离散几何的角度出发,给出了Radon变换在离散域上精确重建原信号的理论,它与1995年Herman[2]提出的迭代算子方法共同构成了Mojette变换[3]。由于Mojette变换基于离散几何,故可以精确重建数字化的欠采样投影,克服了Radon逆变换所带来的病态性问题。在满足Katz定理的条件下,Mojette变换能够在离散域内精确重建原信号,并能得到精确重建所需的投影方向和最少投影角度的数目。Katz定理也是目前唯一从理论上证明了能够从极少角度的离散投影数据上精确重建原数字图像的数学定理。
为了解决基于Mojette变换的不完全角度CT重建问题,2005年Servières 等[4]从离散采样几何的角度出发,提出了共轭梯度Mojette重建算法,并通过最小二乘法实现逆问题的求解。共轭梯度Mojette重建算法在每次迭代中更新一次重建图像,但仍然需要大量的投影数据,才能保证较少的图像重建迭代次数,从而可以以更快的收敛速度获得最优解。2006年Normand等[5]改进了从边角向中间逐步解算的传统Mojette重建算法,该方法定义了从起始点到目的地的不同重建路径,简化了重建过程,但是对投影的方向没有限定。2014年Svalbe等[6]提出了直接反投影的重建方法,构建了一个与反投影数据相关的权重函数去规则化点扩展函数,该方法的目的是将投影的数目减少到Katz定理限制的最少投影数目。Kingston等[7-8]基于Mojette投影数据的一维傅里叶变换,利用快速傅里叶逆变换重建图像,得到了复杂度较小的快速重建算法,并给出图像重建的一组投影集,这些投影的一维傅里叶变换能以较小的频谱冗余覆盖图像频域。2017年Jiang等[9]提出了基于最优重建路径的Mojette重建算法,该方法在Katz定理所约束的最少投影数目的基础上,仅增加了几个投影,极大地减少了图像重建的迭代次数,但稀疏投影角度分布在[0,π]范围内。
综上,目前在基于Mojette变换的不完全角度CT重建方法中,仅有在稀疏角度情况下完成图像重建的算法。作为另一类典型的不完全数据重建问题,有限角度投影采样的缺失程度虽然不比稀疏投影采样严重,但在相等的数据采样量下,其重建的困难性远大于稀疏投影采样的重建困难性。一般地,针对稀疏角度采样问题的重建方法都可以应用到有限角度投影采样问题;然而在连续角度范围内,该方法因数据缺失,求逆问题严重病态,对采样缺失方向上重建图像信息的求解往往十分困难,因此有必要研究特定的求解策略[10]。
本文提出基于频域最小冗余覆盖的有限角度CT重建算法。该算法首先建立Mojette投影数据的一维傅里叶变换与重建图像的二维傅里叶变换之间的映射关系,推导出Mojette变换的离散傅里叶切片定理。鉴于离散傅里叶切片位于直角坐标系下的二维傅里叶空间,本文利用基于特殊离散几何关系的频点等效方法,有效解决频域中沿切片方向分布的频点冗余的问题,同时避免了在相同频点上的重复采样。由于这种离散几何关系确定了切片方向及切片上频点分布,故本文设计了频域最小冗余覆盖方案,从覆盖频域的最优切片组合中找到空域上最优投影采集的方向,从而减少空域中的采样数量。由于离散频域的周期性,部分切片会经过相同频点,那么所对应的投影可视为等效投影,本文将最优投影矢量集等效到有限角度范围内,以实现有限角度范围内的采样。
2 离散傅里叶切片定理
傅里叶切片定理是基于Radon变换的CT系统实现断层重建的重要理论基础,它给出了Radon变换下投影数据的一维傅里叶变换与重建图像的二维傅里叶变换之间的关系,指出了投影数据的傅里叶变换可以对图像频域进行插值覆盖。傅里叶切片定理表述如下:在投影角度为
式中:
式中:
图 1. 傅里叶切片定理。(a)投影方向与水平方向夹角为θ时获得的投影R(s,θ);(b)夹角θ所对应的傅里叶切线
Fig. 1. Fourier slice theorem. (a) Projection R(s,θ) when angle between projection direction and horizontal direction is θ; (b) Fourier slice corresponding to angle θ
然而,实际的CT成像系统是数字离散系统,且连续的投影模型无法适用于离散图像,因此投影获取过程中会将沿投影射线上的积分运算转换为离散求和运算。为了简化离散投影表达式中的参数,仅利用直角坐标系中
式中:
则离散周期投影数据的频域表示为
因此,若已知投影射线斜率
图 2. 离散傅里叶切片定理。(a)不同方向下离散Radon投影数据;(b)离散Radon投影数据的一维傅里叶变换在图像频域上的映射
Fig. 2. Discrete Fourier slice theorem. (a) Discrete Radon projection data in different angles; (b) projection of one-dimensional Fourier transform of discrete Radon projection data in Fourier domain
对于离散CT成像系统,同样也存在离散傅里叶切片定理,它展示了基于离散Radon变换的投影数据的一维傅里叶变换和重建图像
3 Mojette变换及其性质
基于Mojette变换的采样几何可以最大程度地避免像素点重复采样。类似于空域采样,在Mojette频域中同样能避免频域冗余。因此基于Mojette离散傅里叶切片定理,挑选频域最小冗余覆盖的最优切片组合,以最大程度地减少频域冗余,从而减少空域中投影采样数量。进一步地,本文找到了Mojette投影数据在其频域上的等效关系,从而将投影压缩在有限的角度范围内。
3.1 Mojette变换
Mojette变换中采用一对互质的整数(
Mojette变换是Radon变换的一种离散形式,对分辨率大小为
式中:
综上所述,Mojette变换通过改变不同投影矢量下投影射线的采样间隔,能够最大程度地避免一部分像素点重复和冗余采样以及另一部分像素点欠采样导致的不良效果,从而大大减小了重建断层所需的投影角度,并减少了投影射线数目。此外,Radon变换在连续域上的重建是精确的,在离散域上的重建是近似的,而Mojette变换在离散域上的重建是精确的。这两种变换的对比如
图 3. 3×3图像的Mojette正变换示例。(a)投影矢量(p,q);(b)不同投影矢量方向上Mojette投影数据
Fig. 3. Example of Mojette transform for 3×3 image. (a) Projection vector (p,q); (b) Mojette projection data in different projection vector directions
表 1. Radon变换和Mojette变换之间的差别
Table 1. Difference between Radon transform and Mojette transform
|
3.2 基于Mojette变换的离散傅里叶切片定理
从Radon变换和Mojette变换之间的差别可知,为了最大程度地避免像素点重复和冗余采样,可采用Mojette投影数据的一维傅里叶变换填满重建图像的频域。因为Mojette变换是一种特殊形式的离散Radon变换,离散傅里叶切片定理同样适用于Mojette变换[12-13],即投影矢量方向为(
式中:mod(·)为取模运算;
由上可知,每个Mojette投影的一维傅里叶变换包含二维傅里叶平面中的
图 4. 频域中不同投影方向上频点集的示意图
Fig. 4. Diagram of sets of discrete frequency points along different projection directions in Fourier domain
综上所述,Mojette变换是一种特殊形式的离散Radon变换,具有离散傅里叶切片定理等重要性质。不同于极坐标系下传统频域表达方式,离散傅里叶切片位于直角坐标系下的二维傅里叶空间,它不需要插值,能避免频谱混叠现象。理论上,当投影的一维傅里叶变换映射到二维离散傅里叶空间时,对于
3.3 基于Mojette频域的有限角度采样方案
Mojette变换能够在空域上最大程度地避免离散像素重复采样,减小重建断层的投影角度和减少投影射线数目。类似于空域采样,在Mojette频域中,整数对(
图 5. 不同投影方向上的频点。(a) θ=arctan 3的切线所经过的一组频点;(b) θ=arctan(5/7)的切线所经过的一组频点
Fig. 5. Discrete frequency points in different projection positions. (a) Frequency points along tangential corresponding to θ=arctan 3; (b) frequency points along tangential corresponding to θ=arctan(5/7)
从离散频域角度出发,Du等[14]给出了基于张量表示的离散频域的频点等效方法,借此减小图像重建所需的采样角度范围。该方法能将相同频点按照不同规律排列,形成不同方向下的切线,且切线方向由水平方向和垂直方向上整数位移
考虑到离散频域的周期性,文献[
14]将整数对(
(12)式表示每对(
表 2. 任意10个投影等效后的角度范围
Table 2. Angular ranges of ten equivalent projections
|
3.4 Mojette频域最小冗余覆盖方案
3.3节从频域的角度出发挑选空域中的投影,为减小空域采样,需要最大程度地减小频域冗余,因此本节将提出Mojette频域最小冗余覆盖方案。由于覆盖频域的每个切片均包含
由于图像轮廓信息主要集中在低频区域,本文更注重低频区域内的频点覆盖情况。在
综上所述,通过Mojette变换将图像信息映射到投影域,再从投影域转换到频域,需要足够多个切片覆盖整个频域。采用这种基于特殊离散几何的频点组合方法确定最优切片组合,以实现图像频域最小冗余覆盖,从而确定了图像重建的最优投影矢量集,并实现空域中采样数目最少。为了减小空域中的采样角度范围,对于最优投影矢量集,可以按照(12)式计算各投影矢量的等效角度,进而将最优投影矢量集等效到某一角度附近的有限角度范围内。
4 基于Mojette频域的有限角CT重建算法
Mojette变换是一种最小冗余采样的离散Radon变换,在离散图像域转换到投影域的过程中,可以主动选择投影方向,同时避免像素点的重复采样。此外,由离散傅里叶切片定理可知,Mojette投影的傅里叶切片分布在直角坐标系下的二维频域,不需要频域插值,可避免频谱混叠现象。当借助Mojette投影数据从频域重建图像时,本文没有采用以解决频点混叠问题为主的傅里叶逆变换算法,而是应用从高度不完备信息中恢复信号的压缩感知(CS)理论[15],利用部分频谱信息完成图像重建,更加适合有限角度下的Mojette频域重建。综上所述,所提基于Mojette频域的有限角CT重建算法流程如下:
1) 用
2) 获得Mojette投影数据的频域傅里叶变换。
3) 按照Mojette频域最小冗余覆盖方案,对
4) 对于投影矢量(
5) 为了减小空域中采样角度的范围,按照步骤4)将投影等效映射,使得映射后的最优投影矢量集分布在有限角度范围内。
6) 利用傅里叶系数压缩感知重建算法重构原始图像[15],将有限角度内的投影数据映射到二维频域,作为压缩感知中频域一致性的约束项,重构算法采用交替方向乘子法优化求解:
式中:‖‖1为
本文从频域的角度出发选择投影方向,首先按照频域最小冗余覆盖方案挑选最优投影矢量集,能够有效减少投影数目;然后,将最优投影矢量集等效到有限角度范围内,从而减小空域中采样角度范围,实现在有限角度范围内CT图像的重建。
5 实验结果及分析
所提算法从频域出发,以频域最小冗余覆盖为标准挑选切片,利用Mojette频域性质压缩空域中的角度范围,求解目标函数重构图像。通过仿真实验,本节验证了频域最小冗余覆盖方案的有效性及所提算法的重建性能。此外,将所提算法与其他基于频域的有限角CT重建算法和联合代数重建算法(SART)进行了对比,证明利用所提算法可以获得精确的重建结果。
首先,在用最少数目的切片覆盖图像频域情况下验证所提算法的重建性能。为了将图像重建所需的最优投影集等效到有限角度范围内,对集合中的每个投影矢量(
图 6. 所提算法的重建结果。(a)~(d)原始图像;(e)~(h)重建图像的二维频域;(i)~(l)所提算法的重建结果
Fig. 6. Reconstruction results of proposed algorithm. (a)-(d) Original images; (e)-(h) two-dimensional frequency domain of reconstruction images; (i)-(l) reconstruction results of proposed algorithm
进一步通过对比实验来证明所提算法的准确性和有效性。对比算法包括文献[
14]中基于张量表示的有限角CT重建算法和联合代数重建算法SART。为了在相同实验环境中与两种算法进行对比,本文同样采用文献[
14]中有限角CT重建算法所给出的原始图像进行重建,采样条件如
表 3. 几种算法的扫描参数区别
Table 3. Comparison of scanning parameters for several algorithms
|
图 7. 几种算法的重建结果对比。(a)(e)(i)原始图像;(b)(f)(j)文献[ 14]中的重建结果;(c)(g)(k)所提算法的重建结果;(d)(h)(l) SART算法的重建结果
Fig. 7. Comparison of reconstruction results of several algorithms. (a)(e)(i) Original images; (b)(f)(j) reconstruction results in Ref. [14]; (c)(g)(k) reconstruction results of proposed algorithm; (d)(h)(l) reconstruction results of SART algorithm
图 8. 水平方向28行切面上像素灰度值的变化曲线。(a)图7中第1排图像灰度值;(b)图7中第2排图像灰度值;(c)图7中第3排图像灰度值
Fig. 8. Image gray values in 28-th row of images in horizontal directions. (a) Image gray value in 1st row of Fig. 7; (b) image gray value in 2nd row of Fig. 7; (c) image gray value in 3rd row of Fig. 7
表 4. 对比实验结果的量化指标
Table 4. Quantitative indicators for comparison results
|
6 结论
提出了基于Mojette频域最小冗余覆盖的有限角CT重建算法,按照频域最小冗余覆盖方案选取图像重建所需的最优投影矢量集。将这些投影数据的傅里叶变换映射到重建图像的二维傅里叶空间,不仅能无插值覆盖频域,避免了插值误差对重建结果的影响,而且可以有效减少频点冗余,提高算法的重建性能。采用基于压缩感知的重建算法可减少图像精确重建所需的傅里叶采样数据量,从而改善有限角度范围内较少采样数据所导致的重建伪影。
[1] Katz MB. Questions of uniqueness and resolution in reconstruction from projections[M]. Berlin, Heidelberg: Springer, 1978.
[2] Herman GT. Image reconstruction from projections implementation and applications[M]. New York: Springer-Verlag, 1979.
[4] Servières M, Idier J, Normand N, et al. Conjugate gradient Mojette reconstruction[J]. Proceedings of SPIE, 2005, 5747: 2067-2075.
[5] NormandN, KingstonA, ÉvenouP. A geometry driven reconstruction algorithm for the Mojette transform[M] //Kuba A, Nyúl L G, Palágyi K. Discrete geometry for computer imagery. Lecture notes in computer science. Berlin, Heidelberg: Springer, 2006, 4245: 122- 133.
[6] SvalbeI, KingstonA, NormandN, et al. Back-Projection filtration inversion of discrete projections[M] //Barcucci E, Frosini A, Rinaldi S. Advanced information systems engineering. Berlin, Heidelberg: Springer, 2014: 238- 249.
[7] KingstonA, HeyangL, NormandN, et al. Fourier inversion of the Mojette transform[M] //Barcucci E, Frosini A, Rinaldi S. Discrete geometry for computer imagery. Lecture notes in computer science. Cham: Springer, 2014, 8668: 275- 284.
[10] 张瀚铭. CT不完全数据重建算法研究[D]. 郑州: 解放军信息工程大学, 2017: 13- 15.
Zhang HM. Computed tomography image reconstruction with incomplete projection data[D]. Zhengzhou: PLA Information Engineering University, 2017: 13- 15.
[11] Hsung T C. Lun D P K, Siu W C. The discrete periodic Radon transform[J]. IEEE Transactions on Signal Processing, 1996, 44(10): 2651-2657.
[12] Hou W, Zhang C S. Parallel-beam CT reconstruction based on Mojette transform and compressed sensing[J]. International Journal of Computer and Electrical Engineering, 2013: 83-87.
[16] Zeng L, Wang C X. Error bounds and stability in the l0 regularized for CT reconstruction from small projections[J]. Inverse Problems and Imaging, 2016, 10(3): 829-853.
Article Outline
蒋敏, 曲芝萍, 孙怡. 基于Mojette频域最小冗余覆盖的有限角度计算机层析成像重建[J]. 光学学报, 2019, 39(7): 0711001. Min Jiang, Zhiping Qu, Yi Sun. Limited-Angle Computed Tomography Reconstruction Based on Mojette Minimal Redundancy Coverage in Frequency Domain[J]. Acta Optica Sinica, 2019, 39(7): 0711001.