本发明涉及ct成像，尤其涉及一种基于数据拟合和统计排序的ct图像环状伪影去除方法。
背景技术：
1、x射线计算机断层(computed tomography，ct)扫描通过重建投影数据的方式获取物体的ct图像。在该过程中，由于探测器单元的缺陷、响应不一致等因素，投影图像中会出现一些异常的、与其周围元素不同的条纹元素，从而导致重建ct图像中产生环状伪影。顾名思义，环状伪影是一簇以重建中心为圆心、具有不同半径的异常圆形元素。环状伪影降低了ct图像的质量，进而影响后续的图像处理和分析任务，如分割、定量分析等。因此，准确而快速地校正环状伪影具有重要的实际意义。目前，根据环状伪影在投影数据和重建图像中的特定属性，常见的去除ct图像中环状伪影的技术可以分为投影域方法和重建图像域方法等两类。
2、投影域方法通过校正投影数据中的异常条纹的方式去除环状伪影。由环状伪影的形成机制可以看出，将投影数据中的异常线形元素进行有效的去除可以减少环状伪影对ct图像的影响。变换域的思想被用于环状伪影的去除，其中主要包括小波变换和傅里叶变换等。最初，人们分析了投影数据中的异常条纹在频域(由傅里叶变换获得)中的属性，并设计了相应的具有固定阈值的数值截断方法来去除伪影。此外，小波变换和频域滤波技术相结合的技术被用于校正投影数据中的异常条纹。其中，离散小波变换被用于提取投影数据中的特征图像，而频域中的高斯滤波器以平滑的方式校正了异常线条元素。除此之外，一些研究工作者致力于研究异常条纹的数值对应的函数模型，并利用该模型实现伪影的校正。在此类算法中，探测器单元接收的均值数据往往用于模型的构建。同时，将异常条纹元素作为噪声处理，并设计合理的滤波算法也是去除环状伪影的一种思路。如果投影域方法能够成功，则可以显著地去除ct图像中的环状伪影。然而，环状伪影的复杂程度是这些算法的一个重要挑战。
3、重建图像域方法通过直接处理ct图像中的异常圆形元素的方式校正环状伪影。一方面，环状伪影是“简单的”，因为其在ct图像中具有非常显著的几何属性，即具有圆形属性。基于该属性，一些工作通过笛卡尔坐标系与极坐标系之间的转换，实现异常圆形元素的属性转换，并使用高效的算法校正转换后的异常线形元素。除此之外，一些研究工作直接利用环状伪影的圆形属性，设计了相关的伪影去除算法。例如，利用椭圆形滤波器实现的方向性总变分法等。同时，一些深度学习方法也被用于环状伪影的去除。然而，此类方法严重依赖于训练数据集的构建等，且方法的泛化性比较差。此外，极坐标转换方法在环状伪影比较复杂的情况下，效果不好。主要是因为重建后的伪影数值普遍比较复杂。
4、因此，现有技术还有待改进。
技术实现思路
1、本发明要解决的技术问题在于，针对现有技术的缺陷，提供一种基于数据拟合和统计排序的ct图像环状伪影去除方法，旨在解决现有技术中去除ct图像环状伪影校正算法的高复杂性、低泛化性、效果不理想的问题。
2、本发明解决问题所采用的技术方案如下：
3、第一方面，本发明实施例提供一种基于数据拟合和统计排序的ct图像环状伪影去除方法，其中，所述方法包括：
4、获取原始投影数据，并采用基于均值投影的拟合算法对所述原始投影数据进行预校正，得到预校正投影数据；
5、采用基于统计排序的一维滤波算法对所述预校正投影数据进行二次校正，得到校正投影数据。
6、在一种实现方式中，所述原始投影数据包括若干探测器单元接收的原始子投影数据，所述采用基于均值投影的拟合算法对所述原始投影数据进行预校正，得到预校正投影数据，包括：
7、计算每个探测器单元接收的原始子投影数据的均值投影；
8、以所述每个探测器单元接收的原始子投影数据的均值投影为控制点集进行函数拟合，得到拟合函数；
9、使用所述拟合函数计算每个探测器单元的理想均值投影；
10、基于所述每个探测器单元的原始子投影数据的均值投影和理想均值投影数据确定每个探测器单元的均值投影误差；
11、基于所述每个探测器单元的均值投影误差对所述原始子投影数据进行校正，得到每个探测器单元的预校正子投影数据；
12、基于所述每个探测器单元的预校正子投影数据得到所述预校正投影数据。
13、在一种实现方式中，所述采用基于统计排序的一维滤波算法对所述预校正投影数据进行二次校正，得到校正投影数据，包括：
14、对所述每个探测器单元的预校正子投影数据进行排序；
15、对排序后的每个探测器单元的预校正子投影数据进行一维平滑滤波，得到每个探测器单元的滤波子投影数据；
16、使用排序变换矩阵对所有探测器单元的滤波子投影数据进行数据恢复，得到校正投影数据。
17、在一种实现方式中，在所述对所述排序后的每个探测器单元的预校正子投影数据进行一维平滑滤波之前还包括：
18、获取每个探测器单元的预校正子投影数据的原始索引；
19、基于所述预校正子投影数据的排序结果和每个探测器单元的原始索引生成排序变换矩阵，并将所述排序变换矩阵保存。
20、在一种实现方式中，所述函数拟合为局部加权线性函数拟合。
21、在一种实现方式中，所述进行一维平滑滤波的方向为探测器单元方向。
22、在一种实现方式中，所述一维平滑滤波采用一维gaussian滤波器或中值滤波器。
23、第二方面，本发明实施例还提供一种基于数据拟合和统计排序的ct图像环状伪影去除系统，其中，所述系统包括：
24、预校正模块，用于获取原始投影数据，并采用基于均值投影的拟合算法对所述原始投影数据进行预校正，得到预校正投影数据；
25、二次校正模块，用于采用基于统计排序的一维滤波算法对所述预校正投影数据进行二次校正，得到校正投影数据。
26、在一种实现方式中，其中，所述预校正模块包括：
27、均值投影计算单元，用于计算每个探测器单元接收的原始子投影数据的均值投影；
28、函数拟合单元，用于以所述每个探测器单元接收的原始子投影数据的均值投影为控制点集进行函数拟合，得到拟合函数；
29、数据计算单元，用于使用所述拟合函数计算每个探测器单元的理想均值投影；
30、误差计算单元，用于基于每个探测器单元的原始子投影数据的均值投影和理想均值投影确定每个探测器单元的均值投影误差；
31、数据校正单元，用于基于所述每个探测器单元的均值投影误差对所述原始子投影数据进行校正，得到每个探测器单元的预校正子投影数据；
32、数据生成单元，用于基于所述每个探测器单元的预校正子投影数据得到所述预校正投影数据。
33、在一种实现方式中，其中，所述二次校正模块包括：
34、排序单元，用于对所述每个探测器单元的预校正子投影数据进行排序；
35、滤波单元，用于对排序后的每个探测器单元的预校正子投影数据进行一维平滑滤波，得到每个探测器单元的滤波子投影数据；
36、数据恢复单元，用于使用排序变换矩阵对所有探测器单元的滤波子投影数据进行数据恢复，得到校正投影数据。
37、在一种实现方式中，其中，所述二次校正模块还包括：
38、索引获取单元，用于获取每个探测器单元的预校正子投影数据的原始索引；
39、排序变换矩阵生成单元，用于基于所述预校正子投影数据的排序结果和每个探测器单元的原始索引生成排序变换矩阵，并将所述排序变换矩阵保存。
40、第三方面，本发明实施例还提供一种终端设备。其中，所述终端设备为商显终端，所述终端设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的基于数据拟合和统计排序的ct图像环状伪影去除方法的程序，所述处理器执行所述基于数据拟合和统计排序的ct图像环状伪影去除方法的程序时，实现上述方案中任一项的基于数据拟合和统计排序的ct图像环状伪影去除方法的步骤。
41、第四方面，本发明实施例还提供一种计算机可读存储介质。其中，计算机可读存储介质上存储有基于数据拟合和统计排序的ct图像环状伪影去除方法的程序，所述基于数据拟合和统计排序的ct图像环状伪影去除方法的程序被处理器执行时，实现上述方案中任一项所述的基于数据拟合和统计排序的ct图像环状伪影去除方法的步骤。
42、本发明的有益效果：与现有技术相比，本发明提供一种基于数据拟合和统计排序的ct图像环状伪影去除方法。本发明首先，获取原始投影数据，并采用基于均值投影的拟合算法对所述原始投影数据进行预校正，得到预校正投影数据；然后，采用基于统计排序的一维滤波算法对所述预校正投影数据进行二次校正，得到校正投影数据。本发明首先利用投影数据中异常条纹的数值突变属性，采用局部加权线性函数拟合的思想削弱异常突变，从而在一定程度上去除异常条纹导致的投影数据中的伪纹理信息，并为后续滤波算法准确地校正投影数据提供基础，然后采用基于数据排序的平滑滤波算法对预校正投影数据进行细节校正，最终实现ct图像环状伪影的快速且精确的校正。
1.一种基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，所述原始投影数据包括若干探测器单元接收的原始子投影数据，所述采用基于均值投影的拟合算法对所述原始投影数据进行预校正，得到预校正投影数据，包括：
3.根据权利要求2所述基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，所述采用基于统计排序的一维滤波算法对所述预校正投影数据进行二次校正，得到校正投影数据，包括：
4.根据权利要求3所述基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，在所述对排序后的每个探测器单元的预校正子投影数据进行一维平滑滤波之前还包括：
5.根据权利要求2所述基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，所述函数拟合为局部加权线性函数拟合。
6.根据权利要求3所述基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，所述进行一维平滑滤波的方向为探测器单元方向。
7.根据权利要求6所述基于数据拟合和统计排序的ct图像环状伪影去除方法，其特征在于，所述一维平滑滤波采用一维gaussian滤波器或中值滤波器。
8.一种基于数据拟合和统计排序的ct图像环状伪影去除系统，其特征在于，所述系统包括：
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的基于数据拟合和统计排序的ct图像环状伪影去除方法程序，所述处理器执行所述基于数据拟合和统计排序的ct图像环状伪影去除方法程序时，实现如权利要求1-7任一项所述的基于数据拟合和统计排序的ct图像环状伪影去除方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于数据拟合和统计排序的ct图像环状伪影去除方法程序，所述基于数据拟合和统计排序的ct图像环状伪影去除方法程序被处理器执行时，实现如权利要求1-7任一项所述的基于数据拟合和统计排序的ct图像环状伪影去除方法的步骤。
