基于感興趣區(qū)域的精細(xì)快速重建

甄 妮， 王明泉， 侯慧玲， 許 娜

(中北大學(xué) 儀器科學(xué)與動態(tài)測試教育部重點實驗室， 山西 太原 030051)

基于感興趣區(qū)域的精細(xì)快速重建

甄 妮， 王明泉， 侯慧玲， 許 娜

(中北大學(xué) 儀器科學(xué)與動態(tài)測試教育部重點實驗室， 山西 太原 030051)

現(xiàn)有的工業(yè)CT重建算法均為全局物體的斷層成像， 即使只需要重建物體中的一個相當(dāng)小的區(qū)域， 也必須通過掃描整個物體的斷層來獲取投影數(shù)據(jù)， 并利用投影數(shù)據(jù)重建整個物體， 利用迭代法重建數(shù)據(jù)量大且耗費時間長， 難以滿足工程需要. 本文擬先對整個固體火箭發(fā)動機(jī)工件進(jìn)行低分辨率的初次快速解析法重建， 可視化選取感興趣區(qū)域， 再對感興趣區(qū)域進(jìn)行迭代法精細(xì)高分辨率重建， 實現(xiàn)工業(yè)CT缺陷區(qū)域的快速精細(xì)重建.

無損檢測； 感興趣區(qū)域； 圖像重建； 迭代法； 固體火箭發(fā)動機(jī)

0 引 言

隨著CT分辨率的不斷提高， CT重建數(shù)據(jù)量不斷增大. CT成像系統(tǒng)中最重要的環(huán)節(jié)就是重建算法的選擇以及實現(xiàn). CT重建目前有解析法和迭代法兩種算法. 最基本的解析法是濾波反投影法， 其基本原理是中心切片定理， 相當(dāng)于是對一個積分方程進(jìn)行求解. 解析法計算量小， 重建速度快， 但對投影數(shù)據(jù)的完備性要求非常高， 在實際采集中噪聲是無可避免的， 而且在某些情況下， 由于被測物體體積較大， 無法采集到完備的數(shù)據(jù). 最基本的迭代法是代數(shù)重建法(ART)， 其基本思想是將被測物體離散化為多個像素， 然后求解一個大型的線性方程組. 迭代法雖然計算量大， 重建速度慢， 但是對數(shù)據(jù)完備性要求低， 重建得到的圖像也比較好.

隨著CT 技術(shù)的發(fā)展， 一些針對感興趣區(qū)域的局部重建算法在最近十幾年的時間里得到了快速的發(fā)展， 這種算法減少了重建圖像的時間， 提升了重建的速度， 對于實際的工程需要提供了很大的便利.

對工件的感興趣區(qū)域快速精細(xì)重建大致分為3個步驟：

1) 對工件進(jìn)行低分辨率的快速重建， 本文擬采用等角為0.01的等角扇束濾波反投影法來快速重建；

2) 對感興趣區(qū)域進(jìn)行劃定， 擬初步劃定矩形區(qū)域；

3) 對感興趣區(qū)域運(yùn)用代數(shù)重建算法進(jìn)行精細(xì)的重建.

1 Shepp-Logan頭顱模型感興趣區(qū)域重建

首先對Shepp-Logan頭顱投影數(shù)據(jù)進(jìn)行低分辨率等角扇束濾波反投影算法， 重建圖像尺寸大小為256*256， 設(shè)定等角分別為2， 1， 0.01， 重建得到的圖像如圖 1 所示. 由圖 1 可以得到， 當(dāng)?shù)冉巧仁鵀?.01時重建得到的圖像最為清晰， 因此我們選擇用等角為0.01來進(jìn)行快速的重建.

利用等角為0.01的等角扇束濾波得到的頭顱模型的快速重建如圖 2 所示. 我們選取頭顱模型的中間部分為感興趣區(qū)域， 選取的感興趣區(qū)域如圖 3 所示.

圖 1 不同等角對應(yīng)的重建圖像Fig.1 The reconstructed images corresponding to different equal angles

圖 2 等角為0.01扇束濾波重建圖Fig.2 The reconstructed images of fan-beam filter based on the equiangular of 0.01

對所得到的感興趣區(qū)域圖做精細(xì)迭代重建， 設(shè)定圖像初值為0， 松弛因子為0.15， 迭代次數(shù)為25,探測器通道個數(shù)366， 投影數(shù)據(jù)訪問方式為順序訪問方式. 得到的感興趣區(qū)域的重建圖如圖 4 所示.

圖 3 感興趣區(qū)域的選定Fig.3 Select the region of interest

圖 4 針對感興趣區(qū)域精細(xì)重建Fig.4 Fine reconstruction of region of interest

這樣的重建只需要9 min， 而對整個頭顱模型的迭代重建需要11 min， 這樣可以縮短對我們感興趣區(qū)域的重建時間.

2 針對固體火箭發(fā)動機(jī)的感興趣區(qū)域重建

固體火箭發(fā)動機(jī)模擬件的采集參數(shù)為： 射線源電壓290 kV， 電流1.8 mA. 平板探測器有1 920*1 536 個探測單元， 每個探測單元的大小為0.127 mm. 射線源到旋轉(zhuǎn)中心的距離為1 060 mm， 旋轉(zhuǎn)中心到探測器的距離為140 mm. 物體繞旋轉(zhuǎn)中心旋轉(zhuǎn)360°， 每隔1°采集一幅投影圖像.

圖 5 等角濾波快速重建圖Fig.5 Rapid reconstruction of equiangular filter

首先對固體火箭發(fā)動機(jī)的投影數(shù)據(jù)進(jìn)行低分辨率等角扇束濾波反投影算法， 重建圖像尺寸大小為512*512， 設(shè)定等角分別為2， 1， 0.01， 可以得到， 當(dāng)?shù)冉巧仁鵀?.01時重建得到的圖像最為清晰. 因此我們選擇用等角為0.01來進(jìn)行快速的重建.

利用等角為0.01的等角扇束濾波得到的固體火箭發(fā)動機(jī)的快速重建如圖 5 所示.

選取固體火箭發(fā)動機(jī)的中間部分為感興趣區(qū)域， 具體坐標(biāo)x軸為180～340，y軸為166～350， 選取的感興趣區(qū)域如圖 6 所示.

對所得到的感興趣區(qū)域圖做精細(xì)迭代重建， 設(shè)定圖像初值為0， 松弛因子為0.15， 迭代次數(shù)為25,探測器通道個數(shù)729， 投影數(shù)據(jù)訪問方式為順序訪問方式. 得到的感興趣區(qū)域的重建圖如圖 7 所示.

圖 6 感興趣區(qū)域劃定Fig.6 Select the region of interest

圖 7 感興趣區(qū)域重建圖Fig.7 Fine reconstruction of region of interest

這樣的重建只需要36 min， 而對整個固體火箭發(fā)動機(jī)的迭代重建需要93 min， 時間較感興趣區(qū)域多出了兩倍， 因此對感興趣區(qū)域的精細(xì)重建對于實際工業(yè)CT檢測中工件缺陷方面的檢測具有很大的幫助.

3 結(jié)束語

在實際檢測中， 對被檢工件進(jìn)行CT整體檢測， 重建數(shù)據(jù)量大， 重建時間長， 而人們感興趣的往往是內(nèi)部有無缺陷以及含缺陷的局部信息.

缺陷的出現(xiàn)具有一定的隨機(jī)性， 無法靠一般的局部重建在檢測開始前就確定重建區(qū)域. 而且并不是工件的每一個部分都需要用最高的空間分辨率去進(jìn)行檢查， 如果可以確定重點可疑區(qū)域， 即工件的感興趣區(qū)域， 則通過重建高分辨率局部感興趣圖像， 判斷其有無缺陷， 如同醫(yī)生通過CT診斷病情一樣， 不僅可以實現(xiàn)缺陷的可視化檢測， 而且通過對局部數(shù)據(jù)進(jìn)行重建， 減少了數(shù)據(jù)的采集時間和重建時間， 從而也提高了數(shù)據(jù)掃描和數(shù)據(jù)重建的速度.

本文初步實現(xiàn)了對工件感興趣區(qū)域的快速重建， 所需的時間相較于全局重建有了很大的縮短.

[1] 楊娟. 錐束工業(yè)CT迭代重建算法及偽影校正技術(shù)研究[D]. 太原： 中北大學(xué), 2015.

[2] 王浩. CT不完全投影數(shù)據(jù)重建算法研究[D]. 大連： 大連理工大學(xué), 2008.

[3] 李亮, 陳志強(qiáng), 康克軍. CT局部重建算法發(fā)展綜述[J]. 核電子學(xué)與探測技術(shù), 2005, 25(6)： 881-886.

Li Liang， Chen Zhiqiang， Kang Kejun. Investigation of algorithms for image reconstruction in local tomography[J]. Study of Dose Distribution From Electron Beam, 2005, 25(6)： 881-886. (in Chinese)

[4] 張衛(wèi)貞. 固體火箭發(fā)動機(jī)ICT局部重建算法研究[D]. 太原： 中北大學(xué), 2009.

[5] 黃力宇, 朱守平, 匡濤. 醫(yī)學(xué)斷層圖像重建仿真實驗[M]. 西安： 西安電子科技大學(xué)出版社, 2015.

[6] Miao C. Comparative studies of different system models for iterative CT image reconstruction[J]. Dissertations & Theses-Gradworks, 2013.

[7] Wang G. Fast and accurate computation of system matrix for area integral model-based algebraic reconstruction technique[J]. Optical Engineering, 2014, 53(3)： 113101.

[8] Maaβ C, Knaup M, Sawall S, et al. Simple ROI cone-beam computed tomography[C]// Nuclear Science Symposium Conference Record. IEEE, 2011： 3161-3168.

[9] Zou Y, Pan X, Sidky E Y. Image reconstruction in regions-of-interest from truncated projections in a reduced fan-beam scan[J]. Physics in Medicine & Biology, 2005, 50(1)： 13-27.

[10] 趙雙任, 楊新鐵. 圖像重建的分塊迭代算法[J]. 中國科技論文, 2006, 1(4)： 301-308.

Zhao Shuangren,Yang Xintie.Iterative reconstruction in all sub-regions[J]. Sciencepaper Online,2006, 1(4)： 301-308. (in Chinese)

[11] 洪賢勇, 喬志偉. 用反投影濾波算法實現(xiàn)CT圖像的ROI重建[J]. 電視技術(shù), 2014, 38(7)： 29-32.

Hong Xianyong, Qiao Zhiwei. ROI reconstruction of CT images based on back projection filteration algorithm[J]. Igital Video, 2014, 38(7)： 29-32. (in Chinese)

TheRapidandHighResolutionReconstructionBasedonInterstedRegion

ZHEN Ni, WANG Mingquan， HOU Huiling， XU Na

(Key Laboratory of In North University of China, Taiyuan 030051, China)

All the existing industrial CT reconstruction algorithm are the tomography of global object, even if you only need to reconstruct a relatively small area of the object, you have to obtain the projection data by scanning the fault of the whole object and use the projection data to reconstruct the whole object. The data volume is large and it takes a long time by using the iterative methods to reconstruct and it's hard to meet the needs of engineering. The paper intended to have a rapid and low resolution to the entire solid rocket engine, visually select the region of interested, finally use iterative method of high resolution reconstruction to rebuild the region of interested, the method realize the rapid and precisely reconstruction for the defect area in industrial CT.

nondestructive testing; interested region; image reconstruction; ART; solid rocket engine

1671-7449(2017)06-0537-04

2017-03-17

國家自然基金資助項目(61171177)； 國家重大科學(xué)儀器設(shè)備開發(fā)專項資助課題(2013YQ240830)； 山西省科技攻關(guān)資助項目(20140321010-02)

甄 妮(1991- )， 碩士生， 主要從事圖像處理與重建等研究.

TP391

A

10.3969/j.issn.1671-7449.2017.06.012

聲明

本刊已許可中國學(xué)術(shù)期刊(光盤版)電子雜志社、 萬方數(shù)據(jù)知識服務(wù)平臺、 超星等多家單位在其網(wǎng)站及其系列數(shù)據(jù)庫產(chǎn)品中， 以數(shù)字化方式復(fù)制、 匯編、 發(fā)行、 信息網(wǎng)絡(luò)傳播本刊全文。 該社著作權(quán)使用費與本刊稿酬一并支付。 作者向本刊提交文章發(fā)表的行為即視為同意我編輯部上述聲明。