一种改进的中子外部CT图像伪影抑制方法 下载: 1029次封面文章
1 引言
中子与X射线作为两种重要的辐射源,在材料学、生物医学、航空航天、汽车工业、电子、考古和安检等领域的无损检测中发挥着越来越重要的作用[1-5]。众所周知,X射线和中子与物质的作用机理不同。X射线光子作用于物质原子中的核外电子,其作用截面与核素的原子序数有确定的函数关系,高原子序数的物质具有较大的X射线作用截面,则其在X射线图像中具有较高的对比度。中子则是直接与原子核相互作用,散射截面的尺寸与原子序数无关,同一能量的中子对于不同核素的散射截面也有较大的差异。由此可见,中子成像与X射线成像存在着很好的互补性,中子成像在检测含较轻元素(氢、锂和硼等)的材料、原子序数相近的元素、同位素和放射性材料等方面有X射线成像无法具备的优势[6]。
外部计算机断层扫描(CT)成像多应用于工业无损检测领域,但受到待检测样品的尺寸和密度、射线能量以及探测器尺寸等限制,所以其只能对物体边缘进行照射以获取投影数据[7]。对于火箭装药筒内壁的包覆层检测、金属管道内壁的损伤检测和压力容器内壁的保温层检测等,使用合适的外部CT策略以及相应的重建算法就可以获得较好的成像效果。当使用中子束外部CT系统扫描样品时,在2π角度的旋转过程中,射线束与探测器构成的透照场仅覆盖了样品的外部区域,感兴趣重构区域为透照场扫过的环形区域[8],而外部轮廓区域的CT图像由专用的重建算法得到[9-10]。
外部轮廓区域的研究在医学领域中备受关注,医生采用了外部CT成像技术实现对心脏外围组织的重建,以减少辐照区域、辐照剂量和心脏跳动带来的伪影[11]。目前,外部CT成像技术已在工业CT的无损检测领域中发挥着重要的作用。现有的外重建算法主要有奇异值分解(SVD)算法、LT(Lambda Tomography)法和迭代法。1963年,Cormack[12]提供了外部问题的反演公式。受到Cormack[12]的启发,Quinto[13-15]提出了一种SVD算法来解决外部问题。SVD算法通过构造正交基对待重建图像进行正交分解,利用已知投影和先验信息分别重建相互正交的零空间及其正交补空间,最后将二者合成为最终的重建结果[16]。LT算法属于局部成像算法的一种,该算法将偏微分方程中的Λ算子引入CT成像中,通过求解密度函数的Λ相关函数以重建出Λf的分布图像,这不同于传统的CT图像[17];Quinto[11]对LT算法进行了改进,采用有界外推的方法对缺失数据进行补偿,获得了火箭发动机模型的外部重建结果。迭代重建算法将待重建图像的先验信息转换为约束条件或优化准则,将CT重建问题转换为具有约束条件的优化问题,采用迭代算法来获得逼近理想图像的最优解,如近几年备受热议和关注的TVM(Total Variation Minimization)类算法,其被认为是解决外重建问题的有效算法[18-20];Zeng等[21]针对外部问题提出了一种子区域平均TVM-POCS(Subregion-Averaged-TVM-Projection Onto Convex Sets)算法,数值仿真结果表明了该算法的有效性。Guo等[22]在TVM迭代过程中加入RSF(Region Scalable Fitting)模型,证明该模型在抑制渐变伪影和硬化伪影两个方面的表现更胜一筹。Guo等[23]基于外部CT重建图像含有伪影的特点,提出了加权方向全变差(WDTV)正则化模型以减少重建图像中在与径向相切边缘附近的伪影,计算机仿真结果和实验结果证明,基于WDTV的正则化模型更适用于解决外部问题。然而上述重建算法是基于X射线扇束、锥束和螺旋CT扫描场景而设计的,本文根据高噪声中子平行束外部CT检测的需求,对WDTV正则化模型进行改进,这可以有效提高外部CT成像的质量,进而获得冷中子外部CT图像。
2 传统的解析重建与迭代重建算法
中子束外部CT扫描原理如
表 1. 外部CT扫描参数
Table 1. Parameters of external CT scan phantom
|
为了实现FBP(Filtered Back Projection)算法的重建,首先根据平行束数据的对称性原理将正弦图像右侧的投影数据进行补充,然后采用FBP算法对其进行CT重建,FBP算法重建的图像如
图 2. 外部CT扫描模体的示意图。(a)模体;(b)扫描过程;(c)正弦图像
Fig. 2. Schematic of external CT scan phantom. (a) Phantom; (b) scanning process; (c) sinusoidal image
采用SART(Simultaneous Algebraic Reconstruction Technique)算法对模体进行外部CT重建,设置SART算法的松弛因子λ=0.05,迭代次数Niter为500次,SART算法重建的图像如
图 3. 不同算法重建的图像。(a) FBP算法;(b) SART算法
Fig. 3. Images reconstructed by different algorithms. (a) FBP algorithm; (b) SART algorithm
3 WDTV最小化重建方法
由于外部CT扫描图像中投影数据的严重缺失,传统的FBP算法与SART算法的重建图像均表现出严重的结构缺失状伪影。为了保留重建图像在切向方向与径向方向的边缘细节,首先采用WDTV最小化模型对模体进行CT重建,该模型是计算沿重建图像的切向方向和径向方向全变差的加权和,然后采用SART-WDTV算法来寻找具有最小WDTV的求解方案,在减小图像伪影的同时保留图像的边缘细节信息,以提高重建图像的质量[23]。
3.1 局部方向梯度
对于单位向量α和离散图像f(i,j),其中(i,j)为离散图像中的像素点,
式中:Ñf(i,j)表示f(i,j)的梯度向量;Dα[f(i,j)]表示f(i,j)沿着α方向的局部差分。采用线性插值的方法来计算离散的Dα[f(i,j)]。
待重建图像如
式中:fα表示点(i,j)沿着α方向与网格的交点;ρα表示fα与点(i,j)之间的距离。fα的灰度值是采用线性插值法来计算的。计算过程中,给定点(i,j)和α=(cos α,sin α),因α代表不同的角度,则Dα[f(i,j)]具有不同的表示形式。实验过程中,设置相邻像素之间的距离为1,即(i,j)和(i+1,j)之间的距离为1。对于0<α≤π/4,则Dα[f(i,j)]可以表示为
类似的计算过程可用于其他情况。
1) 对于0<α≤π/4,则Dα[f(i,j)]可以表示为
2) 对于π/4<α≤π/2,则Dα[f(i,j)]可以表示为
3) 对于π/2<α≤3π/4,则Dα[f(i,j)]可以表示为
4) 对于3π/4<α≤π,则Dα[f(i,j)]可以表示为
5) 对于π<α≤5π/4,则Dα[f(i,j)]可以表示为
6) 对于5π/4<α≤3π/2,则Dα[f(i,j)]可以表示为
7) 对于3π/2<α≤7π/4,则Dα[f(i,j)]可以表示为
8) 对于7π/4<α≤2π,则Dα[f(i,j)]可以表示为
设α(i,j)=γ(i,j)+π/2,那么
式中:SγTV和SαTV分别表示沿径向和切向方向的局部差分和;SWDTV表示SγTV和SαTV的加权和;
式中:A表示当前扫描模式下对应的系统矩阵;p表示实测投影数据矩阵;ε表示由噪声、散射和射束硬化等引起数据不一致的上限。综上所述,外部问题的图像重建可以转换为(15)式最优化问题。
3.2 SART-WDTV重建算法
采用SART-WDTV算法来求解(15)式的最优化问题。每次迭代的过程中,分别执行SART迭代重建步骤和WDTV最小化步骤以寻找最优的求解结果。SART算法更新重建图像后,采用非负约束来修正重建结果。WDTV最小化步骤中,采用梯度下降法来实现WDTV最小化的过程,该过程中最重要的是计算
式中:ξ表示一个小的正数,此处设置ξ=1×10-8。设v1和v2是与待重建图像f具有相同尺寸的矩阵,分量
对于γ(i,j)的其他角度,执行类似(16)~(19)式的计算过程。在遍历所有f(i,j)之后获得偏导数
重建图像的过程中,梯度下降算法的步长为β,β值太大会破坏数据的一致性,则重建图像变得均匀,β值太小会削弱SWDTV,则重建图像中的结构缺失状伪影不能得到有效校正,因此同时调整WDTV最小化步骤中的迭代总数NWDTV和β,便可以获得更好的效果。
图 4. 局部方向差分的计算方法[23]。(a)局部方向差分的坐标系;(b)局部方向差分的计算方法
Fig. 4. Calculation method of local directional difference [23]. (a) Coordinate system of local directional difference; (b) calculation method of local directional difference
3.3 改进的SART-WDTV算法
采用SART-WDTV重建算法来计算沿径向和切向方向的局部方向差分并作加权和,在重建模型的WDTV项中引入两个权重参数以控制径向边缘和切向边缘的不同响应强度,进而抑制重建图像中沿着径向方向的图像伪影,从而提升重建图像的质量。SART-WDTV算法在每次WDTV过程中仅计算并实现一次待重建像素沿径向和切向方向差分的最小化,因此提升重建效果有限。实验过程中,对沿着重建图像的径向和切向两个方向且在[-ϕ,ϕ]角度范围内分别施加不同的全变差(TV)最小化约束,以期达到进一步提升重建图像质量的目的,其中ϕ为计算局部方向差分选择的角度。
WDTV重建模型的过程中,待重建像素局部方向差分选用的方向为径向(γ角度方向)与切向(α角度方向)。改进的SART-WDTV算法的计算方式如
式中:Δϕ表示角度间隔;n表示常数,即n=0,1,2,…,(ϕ/Δϕ)。
改进的SART-WDTV算法在每次WDTV过程中选用的方向为γ'(i,j)和α'(i,j)。根据(20)~(21)式,由于γ'(i,j)和α'(i,j)选用的角度数量为2(ϕ/Δϕ)+1,改进的SART-WDTV算法在每次WDTV最小化过程中实现2(ϕ/Δϕ)+1次的TV最小化。因此改进的SART-WDTV算法中TV最小化的作用得以加强,具有更明显的降噪与抑制外部CT图像径向边缘伪影的优点。
图 5. 改进方法中局部方向差分的计算方法。(a)局部方向差分的坐标系;(b)局部方向差分的计算方法
Fig. 5. Calculation method of local directional difference in improved method. (a) Coordinate system of local directional difference; (b) calculation method of local directional difference
4 实验验证
4.1 模拟数据的实验验证
采用设计的模拟模体来验证改进WDTV正则化模型的有效性。外部CT扫描条件的设置如
从
图 6. 不同算法的重建结果。(a) SART算法;(b) SART-TV算法;(c) SART-WDTV算法
Fig. 6. Reconstruction results of different algorithms. (a) SART algorithm; (b) SART-TV algorithm; (c) SART-WDTV algorithm
图 7. 不同算法重建结果的对比。(a) SART-WDTV算法;(b)改进的SART-WDTV算法
Fig. 7. Comparison of reconstruction results of different algorithms. (a) SART-WDTV algorithm; (b) improved SART-WDTV algorithm
从
采用均方误差(MSE)与峰值信噪比(PSNR)指标[24-25]对SART、SART-TV、SART-WDTV和改进的SART-WDTV算法重建的图像进行定量评价。MSE是衡量两张图像之间的平均像素差距,MSE值越小,表示重建图像的像素灰度差距与真实图像越小,重建质量越高。PSNR值越大则表示图像的失真现象越少。得到的MSE和PSNR指标如
表 2. 不同算法重建图像的MSE和PSNR
Table 2. MSE and PSNR of images reconstructed by different algorithms
|
4.2 冷中子数据的实验验证
基于中国工程物理研究院的CMRR (China Mianyang Research Reactor)反应堆,得到了钢材质齿轮样件的冷中子层析扫描数据,获得的钢材质齿轮的直径约为150 mm,高度为50 mm。CT扫描序列投影图像的尺寸为512 pixel×1504 pixel,投影幅数为1200幅,CT扫描角度为360°。对第360层齿轮样品投影的正弦图像左右两端冗余部分进行裁切,并进行2 pixel×2 pixel合并采样处理。获得的第360层取对数操作后投影的正弦图像如
为了验证不同算法的CT重建图像质量,对
图 8. 齿轮样品完整投影正弦图与重建图像。(a)完整投影正弦图;(b)重建图像
Fig. 8. Complete projected sinogram and reconstructed image of gear sample. (a) Complete projected sinogram; (b) reconstructed image
图 9. 不同算法对齿轮样品的重建图像。(a)对称补数据后正弦图;(b)FBP算法;(c)外部CT扫描正弦图;(d) SART算法
Fig. 9. Reconstruction images of gear sample by different algorithms. (a) Sinogram after symmetrical complement data; (b) FBP algorithm; (c) sinogram obtained by exterior CT scan; (d) SART algorithm
设置SART-TV算法参数β=0.2、NTV=30和Niter=1000,设置SART-WDTV算法参数β=0.1、NWDTV=120、w1=0.75、w2=1.00和Niter=1000。SART-TV算法与SART-WDTV算法的外部CT重建结果分别如
图 10. 齿轮样品不同算法重建图像。(a) SART-TV算法;(b) SART-WDTV算法;(c)改进的SART-WDTV算法
Fig. 10. Gear sample reconstruction image with different algorithms. (a) SART-TV algorithm; (b) SART-WDTV algorithm; (c) improved SART-WDTV algorithm
图 11. 不同算法重建图像的局部放大结果。(a)完整数据重建;(b) SART-TV算法;(c) SART-WDTV算法;(d)改进的SART-WDTV算法
Fig. 11. Local magnification results of reconstructed images with different algorithms. (a) Complete data reconstruction; (b) SART-TV algorithm; (c) SART-WDTV algorithm; (d) improved SART-WDTV algorithm
图 12. 不同重建算法得到的RMSE曲线
Fig. 12. RMSE curves obtained by different reconstruction algorithms
5 结论
外部CT是一种常用的大尺寸筒状构件层析检测方法。当外部CT扫描时,射线仅仅穿过待检样品的外部轮廓,造成投影数据严重缺失,不完全的投影数据会导致重建图像出现严重的径向边缘伪影。针对外部CT图像含有伪影的特点,采用WDTV算法计算沿径向和切向方向的局部方向差分并作加权和,引入两个权重参数以控制径向边缘和切向边缘的不同响应强度,可以有效地抑制重建图像的伪影。然而WDTV算法仅计算并实现待重建像素沿径向和切向方向差分的最小化,导致重建图像的细节出现沿着径向或切向的失真现象。为了进一步提高高噪声中子外部CT重建图像的质量,在WDTV算法重建模型的框架下,对沿着重建图像的径向和切向两个方向附近的一定角度范围内分别施加不同的TV最小化约束。改进的WDTV算法中TV最小化的作用更明显,而且具有更强地抑制径向边缘伪影与抗噪声的性能。计算机仿真结果和齿轮冷中子实验结果表明,改进的WDTV最小化重建算法能够更好地抑制重建图像的噪声,减小径向边缘的伪影,提高重建图像的质量。但是改进的WDTV最小化重建算法所需调整参数过多,这限制该算法在中子外部CT领域的推广和应用,因此未来的研究方向主要集中于重建参数的优化与自适应调整方面的研究。
[1] Endrizzi M. X-ray phase-contrast imaging[J]. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 2018, 878: 88-98.
[2] Sinha V, Srivastava A, Koo Lee H. A novel method for NDT applications using NXCT system at the Missouri University of Science & Technology[J]. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 2014, 750: 43-55.
[3] Strobl M, Manke I, Kardjilov N, et al. Advances in neutron radiography and tomography[J]. Journal of Physics D: Applied Physics, 2009, 42(24): 243001.
[4] Yasuda R, Matsubayashi M, Nakata M, et al. Application of neutron imaging plate and neutron CT methods on nuclear fuels and materials[J]. IEEE Transactions on Nuclear Science, 2005, 52(1): 313-316.
[5] Bayanov B F, Belov V P, Bender E D, et al. Accelerator-based neutron source for the neutron-capture and fast neutron therapy at hospital[J]. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 1998, 413(2/3): 397-426.
[6] Sinha V, Avachat A V, Lee H K. Design and development of a neutron/X-ray combined computed tomography system at Missouri S & T[J]. Journal of Radioanalytical and Nuclear Chemistry, 2013, 296(2): 799-806.
[7] 郭雨濛, 曾理. CT外问题的原理与算法综述[J]. 中国体视学与图像分析, 2017, 22(3): 320-326.
Guo Y M, Zeng L. Review on the principle and algorithms of the exterior problem of CT[J]. Chinese Journal of Stereology and Image Analysis, 2017, 22(3): 320-326.
[8] 倪风岳. CUDA加速CV图像分割和外部CT图像重建算法研究[D]. 重庆: 重庆大学, 2011: 45- 55.
Ni FY. Algorithm study on accelerate CV image segmentation and exterior industrial image reconstruction by CUDA[D]. Chongqing: Chongqing University, 2011: 45- 55.
[9] 陈庆贵, 卢洪义, 齐强, 等. 固体火箭发动机界面脱粘切向CT检测[J]. 固体火箭技术, 2016, 39(3): 347-352.
Chen Q G, Lu H Y, Qi Q, et al. Tangential CT inspection of interface debonding of SRM[J]. Journal of Solid Rocket Technology, 2016, 39(3): 347-352.
[10] Guo J Q, Zeng L, Liu B D. High-quality image reconstruction from exterior helical cone-beam CT data for NDE of industrial pipelines[J]. Insight, 2011, 53(10): 534-541.
[11] Quinto E T. Local algorithms in exterior tomography[J]. Journal of Computational and Applied Mathematics, 2007, 199(1): 141-148.
[12] Cormack A M. Representation of a function by its line integrals, with some radiological applications[J]. Journal of Applied Physics, 1963, 34(10): 2722-2727.
[13] Quinto E T. Tomographic reconstructions from incomplete data-numerical inversion of the exterior Radon transform[J]. Inverse Problems, 1988, 4(3): 867-876.
[14] Quinto E T. Singularities of the X-ray transform and limited data tomography in R2 and R3[J]. SIAM Journal on Mathematical Analysis, 1993, 24(5): 1215-1225.
[15] Quinto E T. Exterior and limited-angle tomography in non-destructive evaluation[J]. Inverse Problems, 1998, 14(2): 339-353.
[16] Quinto E T. Singular value decompositions and inversion methods for the exterior Radon transform and a spherical transform[J]. Journal of Mathematical Analysis and Applications, 1983, 95(2): 437-448.
[17] Vainberg E I, Kazak I A, Kurozaev V P. Reconstruction of the internal three-dimensional structure of objects based on real-time integral projections[J]. Soviet Journal of Nondestructive Testing, 1981, 17(6): 415-423.
[18] Sidky E Y, Kao C, Pan X. Accurate image reconstruction from few-views and limited-angle data in divergent-beam CT[J]. Journal of X-ray Science and Technology, 2006, 14(2): 119-139.
[19] 张海娇, 孔慧华, 孙永刚. 基于结构先验的加权NLTV能谱CT重建算法[J]. 光学学报, 2018, 38(8): 0811003.
[20] 刘进, 亢艳芹, 顾云波, 等. 稀疏张量约束的低剂量CT图像重建[J]. 光学学报, 2019, 39(8): 0811004.
[21] Zeng L, Liu B D, Liu L H, et al. A new iterative reconstruction algorithm for 2D exterior fan-beam CT[J]. Journal of X-Ray Science and Technology, 2010, 18(3): 267-277.
[22] Guo Y M, Zeng L. Improved iterative image reconstruction algorithm for the exterior problem of computed tomography[J]. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 2017, 842: 96-108.
[23] Guo Y M, Zeng L, Wang C X, et al. Image reconstruction model for the exterior problem of computed tomography based on weighted directional total variation[J]. Applied Mathematical Modelling, 2017, 52: 358-377.
[24] Huynh-Thu Q, Ghanbari M. The accuracy of PSNR in predicting video quality for different video scenes and frame rates[J]. Telecommunication Systems, 2012, 49(1): 35-48.
[25] 林强, 杨民, 唐彬, 等. 基于加权总差分最小化的中子稀疏投影计算机断层重建方法[J]. 光学学报, 2019, 39(7): 0711003.
[26] 余维. 不完备投影数据的CT重建算法研究[D]. 重庆: 重庆大学, 2014: 32- 49.
YuW. Investigation of reconstruction algorithms for incomplete CT projections[D]. Chongqing: Chongqing University, 2014: 32- 49.
Article Outline
林强, 杨民, 张晓敏, 唐彬, 刘斌, 霍合勇. 一种改进的中子外部CT图像伪影抑制方法[J]. 光学学报, 2020, 40(22): 2210001. Qiang Lin, Min Yang, Xiaomin Zhang, Bin Tang, Bin Liu, Heyong Huo. Improved Image Artifacts Suppression Method for Neutron External CT[J]. Acta Optica Sinica, 2020, 40(22): 2210001.