提出一种光栅 X 射线相衬断层扫描中吸收信号环形伪影的去除方法。该方法采用正弦图域和重建图域结合的处理算法。对于弱伪影, 通过正弦图域的排序和滤波去除。而对于强伪影, 首先根据环形伪影在极坐标系的表现, 计算残差图像, 转换到笛卡尔坐标系得到伪影像素和样品的边界; 进而使用基于机器学习的图像分割方法获取每一类样品的分布, 同时为了保护边界信息, 通过形态学操作获得样本的内部区域; 最后再利用残差图像的分布特征定位伪影像素, 并使用临近非伪影像素均值替代。实验结果表明该方法可以在不破坏样品边界的前提下有效地去除图像中的环形伪影。

为去除X射线CT图像中的环形伪影,建立了一种投影数据预处理方法。该方法通过对各角度投影数据逐一进行分段多项式拟合的方式建立异常探元的备选校正因子集合,再根据备选校正因子的概率密度分布确定最可几校正因子。介绍了方法的物理依据、原理及其实现步骤,并分析了其在复杂条件下的适应性。结果表明:该方法对稀疏环形伪影、密集环形伪影以及伴随强噪声污染的CT图像环形伪影均可去除;与中值滤波等方法相比,可以更好地保持图像的空间分辨率。该方法可用于多材质检测对象CT图像的处理。

探测器像元响应的不一致、光源能不稳定等因素使得计算机层析(CT)图像中含有较多的环形伪影，严重降低了图像质量，影响了图像的三维重建和量化分析，为此提出了基于极坐标变换与傅里叶变换后低通滤波的算法去除环形伪影。通过极坐标变换将直角坐标下的环形伪影转化为极坐标下的线性伪影，然后对线性伪影图像进行傅里叶变换获得频谱图像，进而设计二维低通滤波器进行滤波处理，最后通过傅里叶逆变换与坐标逆变换获得校正后的图像。利用Matlab软件，编写程序对算法进行验证，结果表明，该算法能够有效地去除环形伪影，使图像内部细节清晰可见，并且保护了图像边缘信息，提高了图像的信噪比；另外，使用该方法处理100张切片图像只需3.5 min，可满足批量处理的需求。

为去除计算层析(CT)图像中的环形伪影，提高CT图像的定性分析能力和定量测量精度，提出了一种改进的Canny算法用于环形伪影校正。首先采用S-L滤波器对原始投影数据进行滤波，增强伪影信息。接着，设定角度阈值对梯度方向进行限制，排除斜角方向边缘的检测，实现竖直方向边缘点检测。然后，设置梯度阈值和链长度阈值实现伪影边缘点的检测与连接。最后，采用分段B样条拟合法对投影数据进行校正，实现多个连续的环形伪影去除。对含有环带伪影的实际CT图像进行了校正实验。结果表明，校正后CT图像环形伪影去除干净，且细节区域的标准差基本没有变化，均匀区域标准差减小，信噪比增益达2.182 dB。该方法既可以校正多个相连的环形伪影，也可以校正单个分散的环形伪影，同时还可较好地保持图像细节和分辨率。

为了去除工业CT图像中的环形伪影，提高CT重建图像质量以及后续处理和量化分析的精度，提出了一种基于投影正弦图的新型校正方法。首先，采用S-L滤波器对原始投影数据进行滤波，增强伪影信息。接着，对滤波后的投影数据进行线积分，并采用差分处理，进一步增大伪影与工件轮廓的差异。然后，按照插值次数对差分后的投影数据进行插值平均，并根据正态分布选取自动查找伪影的位置。最后，结合线性插值与线性外推的方法对环形伪影处投影数据进行校正。对含有环形伪影的实际CT图像进行了校正实验，结果表明，与基于极坐标变换、小波-FFT滤波的校正方法相比，该方法校正后的灰度图像信噪比增益达1.688 dB，有效地消除了环形伪影，同时又很好地保持了图像边缘及分辨率。对探测器故障或性能不稳定引起的间断的环形伪影校正效果良好。