基于三維加權(quán)和雙域?yàn)V波的螺旋CT偽影校正

牛曉偉，孔慧華，邸云霞

(1.中北大學(xué) 數(shù)學(xué)學(xué)院，太原 030051; 2.信息探測(cè)與處理山西省重點(diǎn)實(shí)驗(yàn)室，太原 030051)

0 引言

螺旋計(jì)算機(jī)斷層掃描技術(shù)(CT， computed tomography)自問世以來，具有了更快的掃描方式和更高的軸向分辨率，而越來越多的高分辨率錐束探測(cè)器需要使用專用的三維錐束重建算法，以提供更好的圖像質(zhì)量，螺旋CT已經(jīng)廣泛應(yīng)用在了工業(yè)無損檢測(cè)、臨床診斷等領(lǐng)域[1-3]。螺旋CT的掃描軌跡是邊旋轉(zhuǎn)邊平移，即螺旋掃描軌跡，掃描模式中的視角實(shí)際上是分布在一條三維曲線上，給定一定數(shù)量的視角，視角的取樣密度取決于沿z軸方向的幾何覆蓋，z方向的覆蓋范圍越長，視角的采樣密度就越低。

對(duì)于目前的單源多排探測(cè)器CT(MDCT, multi-row detector CT)掃描儀，螺距通常被限制在1.5以下，這種限制是由于如果使用目前最先進(jìn)的重建算法來重建圖像，螺距大于1.5時(shí)就會(huì)出現(xiàn)圖像偽影。因此，在高螺距螺旋CT重建問題中存在兩個(gè)內(nèi)在的科學(xué)挑戰(zhàn)：一是角度樣本區(qū)間大，如圓形掃描中的視角欠采樣重建問題；二是視角范圍被截?cái)?，如有限視角重建問題。也就產(chǎn)生了兩類圖像偽影：有限視角偽影和沿z軸方向的數(shù)據(jù)不一致造成的偽影，這些偽影基本上都是由掃描的三維性質(zhì)和近似算法的使用引起的[4-5]。

錐束偽影是螺旋CT中常見的一種偽影，產(chǎn)生的一個(gè)根本原因是錐角和螺距過大而引起的共軛射線不一致，并且偽影會(huì)隨著重建平面與中心平面之間的距離增大而變嚴(yán)重[6-7]。螺旋FDK算法需進(jìn)行投影數(shù)據(jù)重排為平行數(shù)據(jù)，這會(huì)降低空間分辨率，造成損失，僅在錐角很小時(shí)比較有用，無法在錐角或螺旋間距增加的情況下提供可接受的重建精度。Balogh等[8]提出了一種基于統(tǒng)計(jì)的迭代環(huán)去除算法，有效地檢測(cè)和校正投影數(shù)據(jù)中的錯(cuò)誤像素值，而不會(huì)在重建圖像中造成新的偽影，可以去除缺陷檢測(cè)單元產(chǎn)生的環(huán)偽影。Han等[9]提出了一種在圓軌道錐束CT系統(tǒng)中減少錐束偽影的雙能方法，可以有效恢復(fù)扭曲的骨性結(jié)構(gòu)和強(qiáng)度值，尤其在大錐角區(qū)域。Tang等[7]基于圓柱形探測(cè)器，提出了一種三維加權(quán)(3D, three-dimensional)螺旋FDK重建算法，可以在中等錐角和大螺距下顯著提高重建的精度。Kong等[10]基于平板探測(cè)器，將錐形束數(shù)據(jù)轉(zhuǎn)換為錐形平行幾何體，提出了一種3D加權(quán)螺旋PFDK算法，在錐角和螺距較大時(shí)可以提供良好的重建結(jié)果。Magkos等[11]調(diào)整CT軌跡的直接迭代重建算法來估計(jì)錐束偽影并對(duì)其進(jìn)行補(bǔ)償，產(chǎn)生了質(zhì)量更高的重建體積。

而風(fēng)車偽影是由z軸方向采樣不足引起的，常出現(xiàn)在z軸解剖結(jié)構(gòu)和密度變化很大的部位，在其重建圖像上圍繞中心點(diǎn)呈黑/白圖案組成風(fēng)車狀的偽影，尤其是在其他參數(shù)保持一定的情況下，重建圖像中風(fēng)車偽影的嚴(yán)重程度與螺距的大小成正比，準(zhǔn)直器層越厚風(fēng)車偽影就越嚴(yán)重[5,11]。針對(duì)螺旋CT存在的風(fēng)車偽影問題，可以通過提高z軸方向的采樣率得到改善，人們提出了各種方法來減少風(fēng)車偽影或提高縱向分辨率，這些方法可分為三類：正弦圖上采樣、超分辨率重建和圖像后處理。李嫣嫣等[12]提出一種結(jié)合黃金角變密度螺旋采樣、并行成像和基于同倫l0范數(shù)最小化的壓縮感知的圖像重建的三維動(dòng)態(tài)磁共振成像方法，可以提高欠采樣率，實(shí)現(xiàn)較高的空間分辨率和時(shí)間分辨率。減少風(fēng)車偽影最常用的方法之一是改進(jìn)CT系統(tǒng)硬件中的縱向采樣，如德國西門子公司的z軸動(dòng)態(tài)飛焦技術(shù)(z-FFS, z-Flying Focal Spot)利用焦斑在縱向上的周期性運(yùn)動(dòng)將同時(shí)獲取的切片數(shù)量增加一倍，以提高縱向分辨率和減少風(fēng)車偽影[13]。Brown等[14]提出了一種基于圖像域總方差最小化的風(fēng)車偽影抑制方法，該方法能夠去除風(fēng)車偽影，同時(shí)保持圖像中解剖結(jié)構(gòu)的分辨率。Shi等[15]采用改進(jìn)的低秩和全變分正則化從低分辨率圖像中初步恢復(fù)細(xì)節(jié)和邊緣，然后將高分辨率圖像與受風(fēng)車偽影影響的原始重建圖像相結(jié)合，可以獲得更準(zhǔn)確的圖像。黃銅港等[16]提出一種基于雙域?yàn)V波與距離變換的算法對(duì)風(fēng)車偽影圖像進(jìn)行校正，能夠在校正風(fēng)車偽影的同時(shí)較好地保留原始螺旋CT圖像中的細(xì)節(jié)信息。

上述方法在一定程度上解決了螺旋CT重建中錐束偽影和風(fēng)車偽影的影響，但是都有一定的局限性，例如，部分投影數(shù)據(jù)由于消除數(shù)據(jù)冗余而被浪費(fèi)，噪聲特性或劑量效率降低；空間分辨率下降，因?yàn)楸仨氀貁方向至少執(zhí)行一次插值；由于拉東平面或Tam窗的參與導(dǎo)致不可接受的時(shí)間分辨率。但高螺距螺旋掃描在臨床實(shí)踐中是非常必要的，比如，選擇高螺旋距掃描可以減少病人輻射劑量，可以提高重建圖像質(zhì)量等等。因此本文提出使用三維加權(quán)螺旋FDK算法[6]和改進(jìn)的雙域?yàn)V波算法[17-19]對(duì)螺旋CT圖像進(jìn)行重建和校正，雙域?yàn)V波可以在保留更多細(xì)節(jié)的同時(shí)保留邊緣等高對(duì)比度特征，因此能有效解決上述問題并在較大的錐角和螺距下保持更好的圖像質(zhì)量。

1 理論與方法

1.1 基于3D加權(quán)的錐束偽影去除

螺旋CT中，隨著錐角和螺距的增大，重建圖像質(zhì)量變差，這是由于重建時(shí)共軛射線不一致引起的。X射線在機(jī)架內(nèi)旋轉(zhuǎn)180°后，可以獲得相同方向的X射線，此射線就被稱為共軛射線，且兩條射線的投影會(huì)存在差異，這種差異我們通常稱為共軛射線不一致。如圖1所示，給定一個(gè)要重建的點(diǎn)P(x,y,z)和一條穿過它的射線SP(即直射射線)，那么就存在一條也穿過點(diǎn)P并與之對(duì)應(yīng)的共軛射線S′P，其中α和αc分別對(duì)應(yīng)直射射線和共軛射線的錐角。由于直射射線的錐角不等于共軛射線的錐角，因此如果重建的平面離中心平面越遠(yuǎn)，重建圖像的質(zhì)量就會(huì)越差。Patch(2004)提出了一種3D權(quán)重，用于抑制原生錐束幾何體中錐束重建的偽影，其對(duì)一對(duì)共軛射線中錐角較小的射線給予有利權(quán)重，并對(duì)錐角較大的射線給予不利權(quán)重，便可以提高螺旋重建精度。基于這一情況，下面給出了一種基于平板探測(cè)器的3D加權(quán)螺旋FDK重建算法[10]。

圖1 螺旋CT投影數(shù)據(jù)中一對(duì)共軛射線的示意圖

首先給出二維加權(quán)(2D, two-dimensional)FDK算法，在2D加權(quán)的基礎(chǔ)上考慮錐角的影響，再給出一種3D加權(quán)算法，從而得到一種3D加權(quán)FDK算法：

(1)

(2)

(3)

然后將預(yù)加權(quán)和過濾后的投影進(jìn)行反投影來重建圖像，在圖1所示的錐形平行幾何中，3D加權(quán)螺旋FDK重建算法的解析表達(dá)式為:

(4)

(5)

其中:式(5)是3D加權(quán)函數(shù)，k是一個(gè)隨螺距變化的參數(shù)。并且加權(quán)函數(shù)w3d(θ,l,α)滿足:

w3D(θ,l,α)+w3D(θc,-l,αc)=1

(6)

2D加權(quán)函數(shù)可以抑制由射線冗余引起的偽影，而3D加權(quán)函數(shù)可以抑制由錐角和螺距過大引起的偽影。

1.2 基于雙域?yàn)V波的風(fēng)車偽影去除

雙域?yàn)V波包括雙邊濾波和短時(shí)傅里葉變換(STFT, short-time fourier transform)兩個(gè)部分，其主要思想是將圖像分為兩個(gè)層次，包括基礎(chǔ)層和細(xì)節(jié)層，其中基礎(chǔ)層具有高對(duì)比度的特點(diǎn)，可以采用空間域的算法進(jìn)行處理，細(xì)節(jié)層具有低對(duì)比度的特點(diǎn)，能采用變換域的算法進(jìn)行處理。它是在空間域使用雙邊濾波，可以保留邊緣等高對(duì)比度特征，在變換域使用帶小波收縮的STFT，可以很好的保留細(xì)節(jié)，將空間域和變換域結(jié)合到一起比單獨(dú)使用其中一種效果更好[17]。而螺旋CT的螺距值越大，螺旋掃描一周所涉及的用于重建的探測(cè)器排數(shù)就越多，重建圖像中的風(fēng)車偽影也會(huì)變嚴(yán)重。首先輸入一幅含有風(fēng)車偽影的圖像f，同時(shí)將中間去噪圖像作為導(dǎo)引圖像來繼續(xù)后面的迭代，用于調(diào)整STFT的系數(shù)，并且隨著迭代的增加使得噪聲越來越小，不斷逼近原始圖像。雙域去噪采用三步迭代進(jìn)行，三次迭代以后，引導(dǎo)圖像逐漸逼近原始干凈圖像。去噪算法的模型可以定義為:

f=g+η

(7)

式(7)中f表示含風(fēng)車偽影的圖像，g表示原始圖像，η表示方差為σ2的加性噪聲。雙域?yàn)V波算法的目標(biāo)是從噪聲污染圖像f來估計(jì)原始圖像g。以下是對(duì)雙域?yàn)V波算法的雙邊濾波、STFT和小波收縮的詳細(xì)介紹。

1.2.1 雙邊濾波

● 誤食外形較為光整的固體物品：如紐扣、果核、小硬幣等。若是哽在喉部，可嘗試催吐，若是吞入腹中，可等待與糞便中排出，若是大量吞入腹中引起消化道不適，很緊急就醫(yī)。

雙邊濾波是一種非線性濾波器，僅是在局部鄰域樣本的加權(quán)平均值，其中權(quán)重是基于中心樣本和相鄰樣本之間的空間和輻射距離計(jì)算的，通過這種方式，邊緣得到很好的保留，而噪聲被平均化。它需要對(duì)導(dǎo)引圖像和含風(fēng)車偽影的圖像同時(shí)進(jìn)行雙邊濾波，定義了一個(gè)正方形窗口Np，Np以像素p為中心，r為半徑，導(dǎo)引圖像和含風(fēng)車偽影圖像像素點(diǎn)p雙邊濾波后的高對(duì)比度值為：

(8)

(9)

(10)

雙邊濾波的邊緣保護(hù)特性是因?yàn)槭褂昧朔秶?以及空間核)，用于控制邊緣附近的擴(kuò)散，并且空間核和距離核都是高斯函數(shù)。其中強(qiáng)烈的不連續(xù)性通常發(fā)生在邊緣附近，這由范圍核處理，然后用于抑制空間的擴(kuò)散。另一方面，范圍核在強(qiáng)度平滑變化的區(qū)域中變得不起作用，然后空間核進(jìn)行處理。雙邊濾波器作為標(biāo)準(zhǔn)的擴(kuò)散濾波器，空間核和范圍核一起在均勻區(qū)域中執(zhí)行平滑，并同時(shí)保留邊緣。

1.2.2 STFT

通過式(8)、(9)得到了圖像的基礎(chǔ)層，然后將圖像信息從空間域轉(zhuǎn)換到頻域，即將原圖像分別減去導(dǎo)引圖像和含噪圖像的高對(duì)比度去噪圖像來得到各自的低對(duì)比度圖像，然后進(jìn)行STFT，為小波收縮做準(zhǔn)備。以時(shí)間信號(hào)為例，短時(shí)傅里葉變換就是對(duì)信號(hào)先乘以僅在一段時(shí)間(圖像信號(hào)是空間)上不為零的窗函數(shù)，然后對(duì)加窗的函數(shù)進(jìn)行傅里葉變換。STFT所得系數(shù)Gp,v和Sp,v的自變量為頻率v，定義域?yàn)轭l率窗口Vp，該窗大小與Np相同。分別得到它們的傅里葉系數(shù)Gp,v，Sp,v及方差為:

(11)

(12)

(13)

STFT步驟加強(qiáng)了中心部分的細(xì)節(jié)特征，它每次迭代噪聲都會(huì)減少，而只會(huì)引入很少的偏差，在進(jìn)行離散傅里葉變換時(shí)需要執(zhí)行加窗操作，是為了避免圖像邊緣出現(xiàn)新的偽影。雙邊濾波核采用了高斯函數(shù)，STFT過程就等同于對(duì)低對(duì)比度圖像進(jìn)行了Gabor變換。

1.2.3 小波收縮

(14)

其中:γf表示小波收縮因子調(diào)整參數(shù)，通過對(duì)Gp,v構(gòu)造的小波收縮系數(shù)Kp,v，對(duì)Sp,v收縮得到低對(duì)比度值，將細(xì)節(jié)信號(hào)的信息反變換回空間域，即:

(15)

其中:Mp為Sp,v對(duì)應(yīng)的頻率分布矩陣，|Mp|為Mp中的元素個(gè)數(shù)。那么，對(duì)于雙域?yàn)V波從含噪圖像f還原未知圖像g，便可以合理估計(jì)為：

(16)

雙邊濾波核掩蓋了可能導(dǎo)致小波收縮振鈴的高對(duì)比度邊緣，而局部傅里葉變換檢測(cè)并保留了雙邊濾波核可能會(huì)模糊的低對(duì)比度重復(fù)結(jié)構(gòu)，實(shí)現(xiàn)起來較為容易。

1.2.4 改進(jìn)的雙邊濾波核函數(shù)

雙域?yàn)V波算法經(jīng)過多次迭代會(huì)造成時(shí)間過長，并且將原始含風(fēng)車偽影圖像作為引導(dǎo)圖像來進(jìn)行下一步迭代，當(dāng)風(fēng)車偽影過于嚴(yán)重時(shí)，需要增強(qiáng)雙域?yàn)V波的強(qiáng)度，進(jìn)而會(huì)造成圖像細(xì)節(jié)的消失和邊緣部分變得模糊。

式(10)中的d(p,q)指的是像素間的歐氏距離，用來度量鄰域間的相似性。當(dāng)偽影過于嚴(yán)重時(shí)，對(duì)于結(jié)構(gòu)和細(xì)節(jié)信息比較豐富和復(fù)雜的區(qū)域，由于歐氏距離較大就會(huì)導(dǎo)致相似度低的鄰域被賦予較大的權(quán)重。此時(shí)，歐氏距離就不能較好的反映鄰域間的相似性，達(dá)不到抑制風(fēng)車偽影同時(shí)保留細(xì)節(jié)信息的目的。本文將歐氏距離改為漢明距離來度量鄰域間的相似性，公式如下：

(17)

其中:L(p,q)指的是像素p、q鄰域之間的漢明距離。兩個(gè)向量x、y∈{0,1}n之間的漢明距離定義為:

(18)

其中:x=(x1,x2,…,xn)T，y=(y1,y2,…,yn)T，⊕為模2加運(yùn)算[20]。

改進(jìn)后的雙域?yàn)V波可以選取更小的σ值進(jìn)而能有效避免原始雙域?yàn)V波的局限性。

2 實(shí)驗(yàn)結(jié)果

2.1 實(shí)驗(yàn)設(shè)置

本研究的主要目的是去除錐束偽影和風(fēng)車偽影，將通過仿真實(shí)驗(yàn)驗(yàn)證提出算法的有效性。文中所有算法都在MATLAB和C++的混合模式下實(shí)現(xiàn)，接口在MATLAB中，大規(guī)模計(jì)算全部都在C++中。實(shí)驗(yàn)中，CT系統(tǒng)的掃描方式為螺旋掃描，射線源到旋轉(zhuǎn)中心的距離為200 mm，探測(cè)器為平板探測(cè)器，探測(cè)器到旋轉(zhuǎn)中心的距離為50 mm，探測(cè)器單元尺寸為1 mm×4 mm，探測(cè)器陣列大小為350×20，掃描的圈數(shù)為3圈，每圈均勻采樣，并且每圈采集的投影數(shù)為360，重建圖像尺寸為256×256×256。實(shí)驗(yàn)分別對(duì)相同材料和不同材料的植入物進(jìn)行了研究，并同時(shí)采用原始雙域?yàn)V波算法對(duì)偽影進(jìn)行校正，用于與本文所提算法進(jìn)行對(duì)比。本文所有實(shí)驗(yàn)中雙域?yàn)V波均進(jìn)行3次迭代。圖2是對(duì)不同材料植入物編號(hào)的示意圖。

圖2 不同材料植入物編號(hào)

圖2的模型植入物參數(shù)見表1。

表1中，A為植入物的灰度值，O為植入物的中心坐標(biāo)，a，b，c分別為植入物在X，Y，Z軸方向上的半軸長系數(shù)。

表1 模型植入物參數(shù)

2.2 實(shí)驗(yàn)分析

圖3、4、5為同種材料的植入物在螺距為1時(shí)第107層、105層和104層的重建圖像與校正圖像，σ為雙域?yàn)V波的參數(shù)值。第一列是3D加權(quán)螺旋FDK算法重建圖像，由于重建圖像的錐角依次增大，掃描對(duì)象結(jié)構(gòu)變窄，圖像沿旋轉(zhuǎn)軸的欠采樣而遭受到更嚴(yán)重的風(fēng)車偽影；第二列是螺旋FDK算法的重建圖像，由于其忽略了直射射線和共軛射線之間的錐角差異，因此圖像中還出現(xiàn)了較為明顯的錐束偽影，并且隨著錐角的增大，圖像中的錐束偽影也隨之增加，嚴(yán)重影響了CT圖像的質(zhì)量；第三列是經(jīng)過3D加權(quán)和原始雙域?yàn)V波的校正圖像，由于圖5(a)的風(fēng)車偽影過于嚴(yán)重，圖5(c)的去噪圖像需要增加雙域?yàn)V波的強(qiáng)度，雖然可以去除一部分風(fēng)車偽影，卻造成了邊緣和細(xì)節(jié)信息的丟失，并且偽影仍有殘留；第四列是本文算法處理后的重建圖像，圖5(d)不僅可以去除大部分的錐束偽影和風(fēng)車偽影，并且保留了更多的細(xì)節(jié)和邊緣信息，效果要比圖5(c)好。可以看到，圖5(c)和圖5(d)的σ值分別為0.019 8和0.000 15，圖5(d)的雙域?yàn)V波強(qiáng)度遠(yuǎn)遠(yuǎn)小于圖5(c)，因此可以避免圖像變得模糊。

圖3 同種材料107層切片螺距為1的重建圖像與校正圖像

圖4 同種材料105層切片螺距為1的重建圖像與校正圖像

圖5 同種材料104層切片螺距為1的重建圖像與校正圖像

圖6、7、8為同種材料植入物105層切片在螺距為0.75、1和1.25下的重建圖像與校正圖像。第一列是采用3D加權(quán)螺旋FDK算法的重建圖像，圖像沿著高對(duì)比邊緣附近出現(xiàn)了螺旋狀圖案，并且螺距越大，重建出來的圖像質(zhì)量越差，風(fēng)車葉片的數(shù)量也越來越多；第二列是螺旋FDK算法得到的重建圖像，圖像中存在風(fēng)車偽影和錐束偽影，并且隨著螺距的增大，植入物之間的黑白帶狀偽影也變得更明顯；第三列是原始雙域?yàn)V波對(duì)第一列重建圖像去噪后的圖像，錐束偽影和風(fēng)車偽影基本去除，但結(jié)構(gòu)的邊緣變得模糊，較小的植入物也消失不見；第四列是采用本文算法處理后的校正圖像，去除了圖像中的錐束偽影和風(fēng)車偽影，保留了更多的細(xì)節(jié)特征，并且結(jié)構(gòu)邊緣也更加清晰。

圖6 同種材料螺距為0.75的重建圖像與校正圖像

圖7 同種材料螺距為1的重建圖像與校正圖像

圖8 同種材料螺距為1.25的重建圖像與校正圖像

圖9為不同材料植入物不同螺距下第105層的螺旋CT重建圖像與校正圖像，植入物的參數(shù)如圖2和表1所示，其第一、二和三行分別是螺距為0.75、1和1.25的重建圖像。由圖9第一列可以看出，由于植入物的灰度值不同，風(fēng)車偽影的嚴(yán)重程度也不相同，并且植入物與背景材料的灰度值差距越大，風(fēng)車偽影也越嚴(yán)重。本文算法采用的σ值遠(yuǎn)遠(yuǎn)小于原始雙域?yàn)V波的σ值，因此可以在去除了絕大部分的錐束偽影和風(fēng)車偽影的同時(shí)一定程度上保留圖像的邊緣信息，由此可看出本文算法在整體圖像質(zhì)量與細(xì)節(jié)特征的恢復(fù)上有著明顯的優(yōu)勢(shì)。

圖9 不同材料不同螺距下的重建圖像與校正圖像

由上述實(shí)驗(yàn)結(jié)果可以看出，重建平面如果離中心平面越遠(yuǎn)，即錐角越來越大時(shí)，重建出來的圖像質(zhì)量就越差，錐束偽影也就越嚴(yán)重，而3D加權(quán)螺旋FDK算法能夠有效減少錐束偽影，通過調(diào)節(jié)參數(shù)k的值來調(diào)整3D加權(quán)函數(shù)的權(quán)重，并且隨著錐角的增大，參數(shù)k的值也隨之增大。對(duì)于風(fēng)車偽影，由圖3、4、5可以看出，隨著錐角的增大，風(fēng)車偽影越來越嚴(yán)重，重建圖像的質(zhì)量變差；由圖6、7、8可以看出，隨著螺距的增大，風(fēng)車偽影葉片的數(shù)量越來越多。原始雙域?yàn)V波算法可以有效去除風(fēng)車偽影，但當(dāng)風(fēng)車偽影過于嚴(yán)重，雙域?yàn)V波的強(qiáng)度過大時(shí)，雙邊濾波中核函數(shù)的歐氏距離較大便可能會(huì)導(dǎo)致相似度低的鄰域被賦予較大的權(quán)值，最終造成邊緣模糊和細(xì)節(jié)丟失等問題，改進(jìn)后的雙濾波算法用漢明距離來度量鄰域間的相似性，可以選取更小的σ值，有效避免原始雙域?yàn)V波的局限性，可以在抑制風(fēng)車偽影同時(shí)保留細(xì)節(jié)信息。

3 結(jié)束語

本文提出了一種基于三維加權(quán)和改進(jìn)的雙域?yàn)V波的螺旋CT偽影校正算法，提高了螺旋CT重建圖像中偽影校正的能力。首先使用3D加權(quán)螺旋FDK算法去除錐束偽影，再使用改進(jìn)的雙域?yàn)V波算法對(duì)圖像中的風(fēng)車偽影進(jìn)行校正。3D加權(quán)螺旋FDK算法可以抑制錐角和螺距增大對(duì)重建結(jié)果的影響，以此來去除錐束偽影，而雙域?yàn)V波將空域和變換域結(jié)合起來，與單獨(dú)使用雙邊濾波或者STFT小波收縮相比效果要更好，可以在很大程度上去除風(fēng)車偽影。實(shí)驗(yàn)結(jié)果表明，本文算法有效去除了螺旋CT重建圖像中大部分的偽影，并且可以保留更多的細(xì)節(jié)特征和邊緣信息。