ct图像中金属伪影校正方法的研究

《ct图像中金属伪影校正方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、SchoolofBiologicalScienceandMedicalEngineeringSoutheastUniversityMay2010东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。研究生签名：孙壅醯童．日期：东南大学学位论文使

2、用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。研究生签名：雄童——导师签名：日期：型，谚摘要论文题目：研究生姓名：导师姓名：学校名称：CT图像中金属伪影校正方法的研究孙树文顾宁教授东南大学金属伪影问题是CT成像中的重要问题之一。本文首先介绍了CT图像重

3、建算法的理论基础，分析了金属伪影的成因，然后对目前常用的几种金属伪影校正方法进行了归纳总结，分析了它们的利与弊，最后在快速插值算法的基础上提出了基于改进的LBF(LocalBinaryFitting，局部二元拟合)模型分割的线性校正算法。快速插值算法是一种较常用的金属伪影去除方法，使用阈值分割法对金属区域进行分割，并将分割出的金属区域直接放入重建图像。它能够去掉大多数的伪影，并且运算简单，实现快速，但是通过该算法校正的图像中常常残留不少条状伪影，并且金属物体形状出现轻微形变。针对这两点不足，本文提出一种基于改进的LBF模型

4、分割的线性校正算法。改进的LBF模型分割法适用于边界模糊的图像，能够将金属区域准确的分割出来；和其他算法不同，它是在投影域进行金属信息的补偿。通过数值模拟的实验和真实CT数据的实验结果表明该算法具有较强的去除金属伪影能力，且校正后的图像中金属物体形状准确，边缘清晰，校正效果优于快速插值算法。关键词：计算机断层成像；金属伪影校正；投影数据；滤波反投影；线性插值东南大学硕士学位论文ABSTRACTTitle：theResearchofMethodstoMetalArtifactsReductioninCTImagesAutho

5、r：SUNShuwenSupervisor：Prof．GUNingSchool：SoutheastUniversityMetalartifactsinCTimagesareamongtheimportantproblemsinvolvedinCTresearch．111ispaperfirstlyintroducedtheoriesofCTimagereconstruction，analyzedthecauseofmetalartifacts，andthensummeduptheexistingmetalartifactr

6、eductionmethodsbyanalyzingtheirprosandcons．Finally,anovelimprovedLBFmodelsegmentation—basedlinearcorrectionwasproposedinthepaper．Atpresent，fastinterpolationcorrectioniSthemostcommonmethodtoreducemetalartifactsinCTimages．Thismethodcouldremovemostartifactswithfastim

7、plementationand1ittlecomputationalcomplexity．However,therewerestillremnantartifactsandslightdeformationofmetalaftercorrection．Regardingtothetwodisadvantagesabove，thispaperprovidedimprovementsanddevelopedanewapproachnamedimprovedLBFmodelsegmentation-basedlinearcorr

8、ection．First，thismethodusedanovelimprovedLBFmodelsegmentationratherthanthresholdsegmentation．ImprovedLBFmodelsegmentationisregion-basedandiswellappliedt