项目名称: 显微CT图像的伪影校正方法研究

项目编号: No.61201427

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 张慧滔

作者单位: 首都师范大学

项目金额: 25万元

中文摘要: X射线显微CT技术在生命科学、石油勘探等众多领域有重要应用需求。显微CT图像的伪影是影响其空间分辨率的主要因素。与常规X射线CT相比,消除显微CT图像伪影无论在理论上还是在技术上都更加困难。而系统的几何参数误差是引起伪影的主要原因。现有方法都假定系统几何参数是可重复的,即两次采样相应的几何参数是相同的。但当空间分辨率达到亚微米时,一些几何参数可能发生随机性变化,因此,"几何参数可重复"的假设不再成立。本项目将从理论与技术上研究亚微米分辨的显微CT图像伪影的有效去除方法。通过加标志物的方法,利用标志物与其投影的匹配关系,构造几何参数的自适应优化迭代算法,正确估计各角度采样下的"复合几何参数";进一步由带有"复合几何参数"的重建公式正确重建出CT图像,达到有效消除几何伪影的目的。研究成果将用于国产微纳米X射线显微CT系统的研制,并尝试进行在石油岩芯三维成像、古生物化石三维成像等方面的典型应用。

中文关键词: CT图像伪影校正;几何伪影;硬化伪影;非线性优化;约束优化

英文摘要: X-ray micro-CT technology has been used in many fields, such as life sciences, oil exploration and so on. Micro-CT image Artifact is one of the most important factors in degrading the CT image quality. Yet compared with conventional X-ray CT, reduction of artifacts in high resolution micro-CT reconstructions is more difficult, whether in theory or in technology. While the error of the geometric parameters is a major cause of micro-CT image artifacts.Traditional methods assume that the geometric parameters of the CT system are repeatable, i.e. the geometric parameters of two sampling are the same.However, some parameters of the sub-micron resolution micro-CT may be random,so the assumptions that the parameters can be repeated no longer hold.The project will study some effective methods to remove image artifacts in the sub-micron resolution micro-CT both in theory and in technology. Based on markers and their projection matching relations, we construct adaptive optimal iterative algorithm used to estimate the geometrical parameters. The iterative algorithm can correctly estimate the "complex parameter" in each projection. Further CT images are reconstructed correctly by the reconstruction formula with complex geometric parameters. This method can be efficient to eliminate the geometric artifacts. The research resu

英文关键词: CT image artifact correction;geometric artifact;beam hardening artifact;nonlinear optimization;constraint optimization

成为VIP会员查看完整内容
0

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
29+阅读 · 2021年1月9日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
15+阅读 · 2018年2月4日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
29+阅读 · 2021年1月9日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员