专利名称：用于压缩格式图像的断层成像重建的系统和方法
技术领域：
本发明一般地涉及图像处理，更具体地说，涉及用于压缩格式的图像的断层成像(tomography)重建的系统和方法。
背景技术：
经常会需要建立一个物体的截面视图(层或切面)和/或三维(3D)视图，然而实际地展现这样的视图是不可能的，例如由于会不可修复地破坏该物体。例如，在医学领域中，使用成像系统来提供通过活人身体的某个切面的视图和提供其中的器官的3D视图。类似地，成像系统也被用于工业制品(如电子线路板和/或电子器件)的制造和检测过程中，以提供层视图和3D视图以用于其检测。
所需图像经常通过重建技术获得，所述重建技术使用多个二维(2D)射线成像图像来进行，例如X波段射线(X射线)和探测器图像。这种从多个投影(例如不同的探测器图像)来重建物体的所需图像或视图(可以是3D图像、截面图像和/或类似图像)的技术一般称为断层成像。如果这种截面图像的重建是在基于处理器的设备(或“计算机”)的辅助下进行的，这种技术一般称为计算机(或计算机化的)断层成像(CT)。在一个典型的示例应用中，一个射线源发射X波段射线穿过物体照射到电子传感器阵列上面，从而提供一幅探测器图像。通过提供物体、射线源和传感器阵列中的一个或多个之间的相对移动，可以得到多个视图(多个具有不同的视角的探测器图像)。通过对这多个视图进行适当的数学变换，就可近似得到物体的一个穿过该物体的切面图像或者三维(“3D”)图像。即，可以重建物体的截面图像，并且在某些应用中，这些截面图像可以被组合以形成该物体的3D图像。
三维计算机断层成像相对于X射线分层成像(laminography)或X射线成像合成(tomosynthesis)来说有可能能完成更精确的图像重建，但要付出速度(计算时间)的代价。三维计算机断层成像需要许多投影，且是计算密集型的。一种三维计算机辅助断层成像的方法是在待测物体的一侧放置一个具有锥形三维射线输出的X射线源，在待测物体相对的另一侧放置一个二维感应器阵列，并且相对于该物体同步地移动射线源和阵列。有很多合适的扫描路径。例如，射线源可以围绕待测物体沿彼此正交的圆运动，或者，射线源可以在围绕着待测物体的一个圆柱形表面上沿着螺旋形路径或其他路径运动。这种被称为“锥束断层成像”的方法对于截面图像重建来说在很多情况下是优选的，并且由于其结果图像的质量，该方法有可能在工业检测系统(例如电子组装分析)中也是优选的。
X射线吸收断层成像的最著名的实际应用可能是医学计算机断层成像扫描仪(CT扫描仪，又称为计算机辅助断层成像或者计算机轴向断层成像(CAT))。例如，从射线成像(如X射线)图像进行截面图像重建在医学应用中被广泛使用，以从X射线图像产生人体或人体某个部分的截面图像(和/或3D视图)。在那些应用中，截面图像的重建速度一般来说不是很重要。然而，随着医学手术方法继续发展，某些特定的医学应用开始要求很快地进行截面图像重建。例如，医学手术越来越多地需要实时X射线成像，如很多电子生理学的心脏手术、外周血管手术、皮腔内冠状动脉成形(PCTA)手术、泌尿科手术和整形外科手术。
断层成像在工业产品的自动检测也具有价值。例如，从射线成像(如X射线)图像进行截面图像重建已经被用于质量控制检测系统来检测制成的产品，如电子器件(如印刷电路板)。这样，断层成像可以应用在一个自动检测系统中来重建所研究的物体的一个或多个平面(此处可以称为“层面”或者“截面”)，以评估该物体(或者它的部分)的质量。X射线成像系统能够从多个位置和多个方向创建一个电路板的二维探测器图像(层面或者切面)。人们主要是对位于与电路板同一个平面的图像感兴趣。为了获得这些所给定兴趣区的图像，可以使用重建算法对原始的X射线探测器图像进行数学上的处理。
例如，印刷电路板(或者其他研究中的物体)可能包含各种值得检测的深度层面。作为一个相对简单的例子，双面印刷电路板可能在板的两面都含有焊点。因此，电路板其上排列有焊点的每一面可能包含板的独立层面。而且，电路板在其每一面上都可能包含表面管脚(例如，球栅焊接阵列)，因此导致板的更深的层。研究中的物体可以从各种不同角度(例如从各种不同角度对X射线曝光)成像得到物体的射线成像的图像，并且这样的射线成像的图像可以经过处理以重建物体的层(或“切面”)的图像。其后，在某些检测系统中得到的截面图像可以逐层显示，并且/或者这样的截面图像可以用于重建检测中的物体的全3D可视化。
针对图像的断层重建，已经发展了各种各样的数学算法，参见例如Natterer et al.“Mathematical Methods in Image Reconstruction(图像重建中的数学方法)”，Society for Industrial and Applied Mathematics，PhiladelDhia，PA(工业与应用数学学会，美国宾夕法尼亚州费城)，2001，在此将这篇文献的公开内容引用为参考文件。这些算法中最广为人知的当属“滤波反投影”(Filtered Back-Projection，FBP)，这是一种快速的近似重建方法，该方法基于投影数据的傅立叶变换。当所述投影数据相对完整，即在足够多的角度进行抽样并且数据受噪声影响相对较小时，这种方法既快速又准确。用于断层成像的医学系统通常满足这些标准，因此导致了该方法的普及。然而，在许多医学应用中，例如X射线乳房成像，以及在多数工业应用中，速度、可访问性和/或成本的限制可能减小总体覆盖率和降低数据质量。
“有限角度断层成像”是断层成像中的一个领域，包括了试图解决上述限制的诸多方法，参见例如M.E.Davison，“The III-Conditioned Nature ofthe Limited Angle Tomography Problem(有限角度断层成像问题的第III条件特征)”，SIAM J.Appl.Math，43，pp.428-448，April 1983和Louis，et al.，“Incomplete Data Problems in X-Ray Computerized Tomography II(X射线计算机化断层成像的不完全数据问题II)”，Num.Mathematik 56，pp.371-383，1989，在此将这些文献的公开内容引用为参考文件。用于有限角度断层成像的常见重建方法依赖于拉冬变换(Radon Transform)的矩阵表示，参见例如Llacer，et al.，“Matrix Based Image Reconstrtuction Methods forTomography(断层成像基于矩阵的图像重建方法)”，IEEE Transaction onNuclear Science(电气和电子工程师协会核科学学报)，Vol.NS-32，No.1，pp.855-864，Feb.1985，在此将这篇文献的公开内容引用为参考文件。共轭梯度法是一种迭代解法，它显示了解决拉冬变换的一定前景，有可能能大量减少计算负担和重建时间，参见例如Piccolomini，et al.，“The ConjugateGradient Regularization Method in Computed Tomography Problems(计算机化断层成像问题的共轭梯度正则化方法)”，Applied Mathematics andComputation(应用数学和计算)，Vol.102，Issue 1，pp.87-99，1 July 1999；Fessler，et al.，“Conjugate-Gradient Preconditioning Methods for Shift-VariantPET Image Reconstruction(用于位移可变的PET图像重建的共轭梯度预处理方法)”，IEEE Transaction on Image Processing(电气和电子工程师协会图像处理学报)，Vol.8，Issue 5，pp.688-699，1999；Kawata，et al.，“Constrained Iterative Reconstruction by the Conjugate Gradient MethodMeasurement Science & Technology(使用共轭梯度法的约束迭代重建测量科学与技术)”，IEEE Transaction on Medical Imaging(电气和电子工程师协会医学成像学报)，Vol.MI-4，Issue 2，pp.65-71，1985；和M.Wang，“Inverse Solution for Electrical Impedance Tomography Based on ConjugateGradient Methods(基于共轭梯度法的用于电阻抗断层成像的反解)”，Measurement Science & Technology(测量科学与技术)Vol.13，Issue 1，pp.101-117，2002；以及上面所参考的专利申请，其名称为“MAKING 3DCONE-BEAM TOMOGRAPHY FROM ARBITRARY LOCATED X-RAYSOURCES AND IMAGERS BY APPLYING THE CONJUGATE METHOD”，在此将其公开内容引用为参考文件。但是，应该注意到，由于现实世界的检测系统所需要的精细分辨率，必须处理的数据的数量可能高得惊人。
例如，在一个标准锥形束断层成像重建算法中，图像数据被表示为象素阵列，其中每个象素的数值表示了图像在那个位置上的抽样值。例如，如果从一个由1000×1000象素构成的探测器中获得了10个投影图像，那么在一个二次线性系统中，行/列的总量就是107。可以很容易地理解，尤其对于大图像来说，用于计算一个重建图像中每个象素的计算成本非常之大。而且，需要用来存储在图像重建中所使用的全部探测器图像的计算机存储器数量也高得惊人。此外，这种图像数据的传输，例如沿着成像系统内的流水线进行传输，对系统资源是很大的负担，并且容易因这种图像数据的大小而易于产生延迟。
文献中包含了许多方法示例，这些方法设计用来提高断层成像图像重建的质量和/或速度。近来，基于分层函数的多分辨率方法，特别是小波，已成为多项研究的中心，参见例如I.Daubechies，“Orthonormal Bases ofCompactly Supported Wavelets(紧密支持小波的标准正交基)”，Comm.Pure and Appl.Math，Vol.41，pp.909-996，1988；S.G.Mallat，“A Theory ofMultiresolution Signal Decompositionthe Wavelet Representation(一种多分辨率信号分解理论小波表示法)”，IEEE Transaction on Pattern Analysisand Machine Intelligence(电气和电子工程师协会模式分析和机器智能学报)，Vol.11，Issue 7，pp.674-693，1989；和Berlkin，et al.，“Fast WaveletTransforms and Numerical Algorithms I(快速小波变换和数值算法I)”，Comm.Pure and Appl.Math，Vol.44，pp.141-183，1991；在此将这些文献的公开内容引用为参考文件。在断层成像领域，小波应用一般落入一些类别之中。
断层成像中小波应用的第一类别是在FBP算法的使用中。研究者已经专注于主要应用在医学界的FBP算法对小波的使用。这里的重点在于通过建立一种需要采用更少X射线投影的基于“兴趣区域”的方法，减少患者暴露于X频带辐射的机会。虽然这些方法并不是真正局部的，但是通过把小波滤波加入到滤波反投影中去，可以建立全局拉冬变换的“近似局部”表示(参见例如Rashid-Farrokhi，et al.，“Wavelet-Based Multiresolution LocalTomography(基于小波的多分辨率局部断层成像)”，IEEE Transaction onImage Processing(电气和电子工程师协会图像处理学报)，Vol.6，Issue 10，pp.1412-1430，1997；Olson，et al.，“Wavelet Localization of the RadonTransform(拉冬变换的小波局部化)”，IEEE Transaction on SignalProcessing(电气和电子工程师协会信号处理学报)，Vol.42，Issue 8，pp.2055-2067，1994；DeStefano et al.，“Wavelet Localization of the RadonTransform in Even Dimensions(偶数维拉冬变换的小波局部化)”，Time-Frequency and Time-Scale Analysis(时频和时间尺度分析)，1992，Proceedings of the IEEE-SP International Symposium(IEEE-SP国际研讨会论文集)，pp.137-140，4-6 Oct.1999；Warrick，et al.，“A Wavelet LocalizedRadon Transform(小波局部化的拉冬变换)”，Proceedings of the SPIE-TheInternational Society for Optical Engineering(SPIE-国际光学工程协会论文集)，Vol.2569，Part 2，pp.632-643，1995；Warrick，et al.，“A WaveletLocalized Radon Transform Based Detector for a Signal with UnknownParameters(用于带有未知参数的信号的基于小波局部化拉冬变换的探测器)”，Signals，Systems and Computers(信号、系统和计算机)，Vol.2，pp.860-864，October 30，1995-November 2，1995；Sahiner，et al.，“On the use ofWavelets in Inverting the Radon Transform(在反拉冬变换中关于小波的使用)”，Nuclear Science Symposium and Medical Imaging Conference(核科学研讨会和医学成像会议)，1992，IEEE，Vol.2，pp.1129-1131，25-31 October1992；A.E.Yagle，“Region-of-Interest Tomography Using the WaveletTransform and Angular Harmonics(使用小波变换和角谐函数的兴趣区域断层成像)”，Image Processing(图像处理)，Proceedings(论文集)，Vol.2，pp.461-463，23-26 October 1995；以及美国专利5,953,388和5,841,890，在此将这些文献的公开内容引用为参考文件)，这使得患者实际上受到更小剂量的X频带辐射。但是，因为不存在减少剂量水平的任何动机，以及由于所述的有限角度问题，这些方法在工业应用中并不特别有用。
断层成像中小波应用的第二类别是在特征提取和降噪声领域。正如在文献中广为所知的那样，小波为辨别信号和噪声提供了非常好的框架。通过使用降噪声技术可以提高重建图像的质量，这些降噪声技术包括应用小波变换及使用各种分析方法来修改数据，参见例如Bronnikov，et al.，“Wavelet-Based Image Enhancement in X-ray Imaging and Tomography(在X射线成像和断层成像中基于小波的图像增强)”，Applied Optic(应用光学)，Vol.37，Issue 20，pp.4437-4448，1998；M.D.Harpen，“A ComputerSimulation of Wavelet Noise Reduction in Computed Tomography(在计算机断层成像中小波噪声降低的计算机仿真)”，Medical Physics(医学物理)，Vol.26，Issue 8，pp.1600-1606，August 1999；Lee，et al.，“Wavelet MethodsforInverting the Radon Transform with Noisy Data(对有噪声数据进行反拉冬变换的小波法)”，IEEE Transaction on Image Processing(电气和电子工程师协会图像处理学报)，Vol.10，Issue 1，pp.79-94，January 2001；E.D.Kolaczyk，“Wavelet Shrinkage in Tomography(断层成像的小波收缩)”，Engineering in Medical and Biology Society(医学和生物工程协会)，Proceedings of the 16thAnnual International Conference of the IEEE(IEEE第16届国际年会论文集)，Vol.2，pp.1206-1207，1994；以及美国专利5,461,655，在此将这些文献的公开内容引用为参考文件。类似地，可以把小波变换应用于投影(探测器图像)，并隔离所感兴趣的信号或特征(例如边缘)，使得作为结果的重建仅对应于那些特征，参见例如Srinivasa，etal.，“Detection of Edges from Projections(从投影检测边缘)”，IEEETransaction on Medical Imaging(电气和电子工程师协会医学成像学报)，Vol.11，Issue 1，pp.76-80，March 1992；Warrick，et al.，“Detection of LinearFeatures Using a Localized Radon Transform with a Wavelet Filter(使用具有小波滤波器的局部化拉冬变换进行线性特征检测)”，Acoustic，Speech，andSignal Processing(声学、语音和信号处理)，1997，ICASSP-97.，1997 IEEEInternational Conference(1997年IEEE国际会议)，Vol.4，pp.2769-2772，21-24 April 1997；以及美国专利6,078,680，在此将这些文献的公开内容引用为参考文件。当所选中的特征被分隔出来后，作为结果的表示就可以以压缩格式被有效地存储起来，带来降低的存储需求或者更有效的处理后算法，参见例如D.Gines，“LU Factorization of Non-Standard Forms and DirectMutiresolution Solvers(非标准形式的LU因式分解与直接多分辨率解法)”，Applied and Computational Harmonic Analysis(应用和计算谐波分析)，Vol.5，Issue 2，pp.156-201，1998以及美国专利5,644,662和6,041,135，在此将这些文献的公开内容引用为参考文件。这些方法并不将数据压缩包括进重建算法。
断层成像中多分辨率方法的另一个活跃的研究领域是针对正则化。正如所见，迭代解法，例如共轭梯度法，可能是求解有限角度断层成像问题的有效办法。但是有一个缺陷，即方程的线性系统是严重病态的，甚至于缺秩，这使得迭代解法很慢才能收敛到一个解上，甚至不能收敛到解上。正则化和预处理技术加速了正确的收敛，并且已经将小波用到这种方案中，参见例如 David L.Donoho，“Nonlinear Solution of Linear InverseProblems by Wavelet-Vaguelette Decomposition(通过Wavelet-Vaguelette分解所得到的线性反问题的非线性解)”，Applied and Computational HarmonicAnalysis(应用和计算谐波分析)，Vol.2，Issue 2，pp.101-126，April 1995；T.Olson，“Limited Angle Tomography Via Multiresolution Analysis andOversampling(经过多分辨率分析和过抽样的有限角度断层成像)”，Time-Frequency and Time-Scale Analysis(时频和时间规模分析)，1992，Proceedings of the IEEE-SP International Symposium(IEEE-SP国际讨论会论文集)，pp.215-218，4-6 October 1992；Sahiner，et al.，“Limited AngleTomography Using Wavelets(使用小波的有限角度断层成像)”，NuclearScience Symposium and Medical Imaging Conference(核科学研讨会和医学成像会议)，1993，Vol.3，pp.1912-1916，31 October，1993-6 November1993；W.Zhu，et al.，“A Wavelet-Based Multiresolution Regularized LeastSquares Reconstruction Approach for Optical Tomography(用于光学断层成像的、基于小波的正则化最小平方重建法)”，IEEE Transaction on MedicalImaging(电气和电子工程师协会医学成像学报)，Vol.16，Issue 2，pp.210-217，April 1997；M.Bhatia，et al.，“Wavelet Based Methods for MultiscaleTomographic Reconstruction(用于多尺度断层成像重建的基于小波的方法)”，Engineering in Medicine and Biology Society(医药和生物工程协会)，Proceedings(论文集)，Vol.1，pp.A2-A3，3-6 November 1994；Natha，et al.，“Wavelet Based compression and Denoising of Optical Tomography Data(基于小波的光学断层成像数据压缩和降噪)”，Optics Communications(光通信)，Vol.167，Issue 1-6，pp.37-46，14 August 1999；以及美国专利6,351,548，在此将这些文献的公开内容引用为参考文件。然而，参见上面所参考的专利申请，名称是“COMPACT STORAGE OF PROJECTIONMATRIX FOR X-RAY CIRCUIT BOARD INSPECTION USINGSEPARABLE OPERATORS”，所述的线性系统可能仍然异常大，甚至于不能存储其矩阵表示。
在工业检测系统中，希望实时处理、重建和分析非常大量的有限角度投影数据。虽然当前已知的方法能够实现特征提取、存储压缩和正则化，但是其中没有任何方法把多分辨率压缩包括到重建算法中去，以作为一种减少使用诸如共轭梯度法来求解拉冬变换所必须处理的大量数据的手段。为实现这种方法，一些发明者已使用多分辨率分解作为一种手段，来通过压缩椭圆偏微分方程的矩阵算子来求解这种方程，参见例如，G.Beylkin，et al.，“Fast Wavelet Transforms and Numerical Algorithms I(快速小波变换和数值算法I)”，Beylkin，Comm.Pure and appl.Math.，Vol.44，pp.141-183，1991和B.Alpert，et al.，“Adaptive Solution of Partial Differential Equations inMultiwavelet Bases(多小波基中偏微分方程的自适应解)”，Department ofMath，University of Colorado at Boulder(科罗拉多大学巨石分校数学系)，preprint 409，July 1999。在此将这些文献的公开内容引用为参考文件。然而，由于投影矩阵已经非常稀疏，所以这一技术在断层成像中没有用。更有用的是那些为了以压缩格式重建未知系数时求解线性系统而出现的技术。这些命名为“自适应”的方法已被证实适用于微分方程(参见例如，A.Cohen and R.Masson，“Wavelet Methods for Second-Order EllipticProblems，Preconditioning，and Adaptivity(用于二阶椭圆问题、预处理和自适应性的小波方法)”，SIAM Journal on Scientific Computing(SIAM科学计算学报)，Vol.21，Number 3，pp.1006-1026，1999，在此将该文献的公开内容引用为参考文件)，但还没有在诸如断层成像等病态反问题的上下文中进行论证。
因此，在本领域中需要提供对图像数据的压缩存储，以及直接从这种已压缩的图像数据中高效地重建压缩图像。
发明内容
本发明的实施例提供了一种用于从对应多个探测器图像的图像数据中重建预期图像数据的方法，该方法包括压缩多个探测器图像，标识一个投影矩阵，该投影矩阵描述了将研究中的物体投影到探测器上的理想方式，计算一个修正投影矩阵，作为所述投影矩阵的一个函数和一种在压缩多个探测图像时所使用的压缩技术，以及使用压缩探测器图像和修正投影矩阵来重建预期图像数据。
本发明的另一个实施例提供了一种计算机程序产品，该产品具有其上记录了计算机程序逻辑的计算机可读介质，该计算机程序逻辑用于直接从对应多个探测器图像的压缩图像数据中重建压缩预期图像数据，所述计算机程序产品包括用于压缩所述多个探测器图像的代码，用于识别投影矩阵的代码，该投影矩阵描述了将研究中的物体投影到探测器上的理想方式，用于计算修正投影矩阵的代码，作为所述投影矩阵的函数和与压缩所述多个检测图像中所使用的压缩变换相对应的压缩变换，以及用于不必对压缩探测器图像进行解压缩，就从压缩探测器图像和修正投影矩阵中重建压缩预期图像数据的代码。
本发明的另一个实施例提供了一种用于重建压缩格式图像的系统，该系统包括存储设备和处理器，所述存储设备存储压缩形式的图像，还存储修正投影矩阵，作为对把研究中的物体投影到探测器上的理想方式进行描述的投影矩阵的函数，和在提供压缩形式的探测器图像中所使用的压缩变换，所述处理器在一个指令集的控制下进行操作以从压缩形式的探测器图像和修正投影矩阵中重建预期图像数据，其中所重建的预期图像数据是压缩形式。
为了更好地理解接下来对本发明的详细说明，前面已经相当全面地勾勒出本发明的特点和技术优势。此后将给出本发明的其他特点和优势，它们形成了本发明各权利要求的主题。本领域的技术人员应当理解，可以很容易地利用所公开的概念和特定实施例作为修改或设计用来实现与本发明同样目的的其他结构的基础。本领域的技术人员也应当意识到，这种等同结构并不偏离如所附权利要求所阐明的本发明的精神和范围。结合附图，从下面的说明中将更好地理解被认为是有关本发明的组成和操作方法之特征的新特点，以及其他的目标和优势。然而，可以清楚地理解，每张附图仅用作图示的目的，而不是对本发明的限制性规定。
为了更全面地理解本发明，结合附图参考下面的说明，其中图1示出了根据本发明的实施例，重建压缩格式图像的流程图；图2图示了在根据本发明实施例的图像重建中可以使用的探测器图像；图3图示了根据本发明的实施例所能提供的重建图像；图4示出了根据本发明的实施例，进行迭代处理以求解重建图像数据的流程图；图5示出了根据本发明的实施例所改装的计算机系统。
具体实施例方式
本发明涉及用于图像数据的有效存储，以及从这样的图像数据中有效地重建图像的系统和方法。通过在探测器图像的存储当中利用压缩算法和从压缩探测器图像数据里重建预期图像，本发明的实施例减少了在重建预期图像中所计算的未知数的数量。这些重建技术所提供的优势不仅在于在重建预期图像中计算更少的未知数，而且在于所产生的重建图像是压缩的。
为了计算图像数据的各种压缩表示，存在多种算法(例如，广为人知的jpeg和小波压缩算法)。许多这样的算法非常适于对成像系统探测器图像的压缩。由此，根据本发明的实施例，成像系统所提供的图像数据可以被有效地存储起来，用于重建预期图像或视图。
本发明的优选实施例提供了一种重建算法，适于在压缩探测器图像上直接运算，并给出同样是压缩格式的重建图像作为输出。根据这些实施例，在中间步骤不必建立完整的未压缩探测器图像或重建图像，就可以从压缩探测器图像中创建出预期的重建图像。
分析显示，使用上述压缩技术，也许包括其他压缩技术，按照这里所进一步说明的内容，可以以很大的压缩因子来压缩在工业检测成像系统中常见的X射线探测器图像，例如使用可从安捷伦科技公司(AgilentTechnologies)获得的5DX X射线成像系统而生成的X射线探测器图像。这意味着在重建预期图像的过程中，求解线性方程系统的复杂度也大大降低了。具体地说，根据本发明的实施例，压缩操作将共享同一值的象素聚集在一个组，在理想情况下，对于重建图像只需计算一个值就可以描述整个组。
一般地，为了得到压缩图像，必须从完整的未压缩图像开始，从中获得保持了精度的压缩格式。然而，本发明的实施例在没有首先建立预期图像的未压缩版本的条件下，就把未知的预期图像直接重建为压缩格式。相应地，事先不知道所重建的预期图像的压缩格式的结构。因此，本发明优选实施例的重建算法适于各种结构，直到识别出正确的结构。
本发明的实施例使用压缩探测器图像来重建上述压缩预期图像。应当理解，使用本发明这些实施例的方法，可以解决在重建图像的现有技术中存在的许多问题。例如，本发明的实施例大大减少了存储图像所需的计算机存储器数量，因而使存档图像，即保存某些图像以用于后面的检测等变得更加可行。类似地，通过使用根据本发明的压缩，还可以改善系统部件之间的数据传输时间。而且，因为本发明的实施例不需要分别计算每个象素，所以和现有技术相比，可以大大减少重建时间。
虽然特定的探测器图像压缩因子(例如200X)不一定将用于建立重建图像的时间加快同样的因子倍数(200X)，但是它的确意味着重建时间预计将得到很大的改善。一些确定所实现的加速量的因素可能包括压缩方案的选择、在把图像转换成压缩格式当中所发生的运行时间开销、在使用稀疏或其他数据结构表示压缩图像当中所发生的运行时间开销、可能被用来实现算法自适应性的附加操作，以及类似的因素。
除了使用压缩探测器图像来重建上述压缩预期图像以外，本发明的实施例还可以用来在压缩图像上直接实现分类方案，或者其他重建图像处理和/或分析，例如通过与一个已知的范例进行比较。由此，本发明的实施例就可以减少后处理时间，例如系统用来确定电路板或其它工业品是否符合设计要求或是有缺陷的时间。
参考图1，其示出了本发明一实施例以压缩格式提供X射线图像的自适应断层成像重建的步骤。图示实施例的步骤101提供了探测器图像的压缩。例如，Daubechies小波(在文献中公知)，例如具有“级数”4，可以用在探测器图像的压缩中。本发明的实施例可以使用其它的正交压缩方案，例如Daubechies小波、Coiflets、正交小波和多小波。
如上所述，在把图像转换成小波基(格式)后，可以利用截断(truncation)来压缩数据。这被称作有损压缩。根据一个实施例，其绝对值小于一特定值(例如10-3)的所有小波基都可以被替换为一预定值，例如0。优选地，对任何特定探测器图像所实施的压缩量都进行选择，使得其中有关感兴趣特征的图像的清晰度不会受到损害。试验显示，使用小于10-3的归一化绝对值的上述截断，对一开始由1024×1024象素组成的探测器图像可以获得在100X之内的压缩率。
根据图示实施例的一种实施，在应用了诸如上述小波图像转换的压缩技术后，探测器图像中绝对值小于某个与预期图像清晰度有关的阈值的所有值都被截断。除了直接截断技术(硬阈值法)之外，其他在本领域内公知的用于截断或数据简化的方法都可以应用于图像，以减少数据总量。例如，可以在图像的不同区域使用不同的截断值(软阈值法)。优选地，以稀疏数据结构(诸如本领域内所公知的技术)来存储所产生的压缩图像数据。稀疏数据结构(格式)与基于象素的图像格式的不同之处在于只存储所选中的少量的象素值，以及用来描述所选中的数据可以如何组合起来重建原始图像的必要的编码数据。
图2图示了使用可从安捷伦科技获得的5DX X射线成像系统所拍摄的原始探测器图像。使用良好的压缩方案将获得看上去非常接近图2中原始图像的图像。由此，根据本发明提供压缩探测器图像时所使用的压缩方案使用了这样的一个压缩因子，选择该压缩因子可使图像的清晰度不会受到损害。
再次参考图1，图示实施例的步骤102计算出修正投影矩阵，以在重建压缩预期图像时与压缩探测器图像一起使用。要理解本发明实施例对修正投影矩阵的计算方法，先理解以下内容是有帮助的在重建算法中所要求解的线性方程系统可以写作Pf＝b， (1)其中，P是“投影矩阵”，其描述了X射线源将电路板或其它研究中的物体“投影”到探测器上的理想方式，f是包含了电路板或其它研究中的物体的预期图像的全部未知值的向量，例如象素和/或立体象素(voxel，3D象素)，而b是包含由成像系统探测器所记录的全部已知象素值的向量。优选地，投影矩阵具有如上面所参考的名称为“COMPACT STORAGE OFPROJECTION MATRIX FOR X-RAY CIRCUIT BOARD INSPECTIONUSING SEPARABLE OPERATORS”的专利申请所示出及说明的结构。
为了以一致的方式对探测器图像(在上述方程中表示为b)进行压缩，以上方程(1)的两侧可以都乘上一个正交变换矩阵(W)，该矩阵(W)把象素值转换成压缩格式。由此，方程(1)变为WPf＝Wb，(2)其中，变换矩阵W对应于在探测器图像b的压缩中所使用的压缩技术。
根据本发明的实施例，电路板或其他物品的重建图像(上面方程中的f)也用压缩格式来表示。应当理解，对于任何“正交”压缩方案(例如在上述示例中所使用的Daubechies小波)有WW*＝I，(3)其中，W*是W的复共轭转置矩阵。由此，上面的方程(2)可以重写为(WPW*)(Wf)＝(Wb)(4)把方程(4)中的多个项组合，得出Qg＝c (5)其中，Q＝(WPW*)，g＝(Wf)，c＝(Wb)。注意，g＝Wf是f可被压缩的格式的表示。
根据本发明的实施例，求解方程(5)以获得g的未知值的一般过程可以包括把压缩(例如小波)变换矩阵应用到探测器图像b上，从而计算出如上述步骤101所提出的c。可以按步骤102所述来计算修正投影矩阵(Q)，即通过计算投影矩阵(P)(这是本领域内所公知的)，并通过把压缩变换应用到其行和列上，把投影矩阵(P)转换成新的基，于是计算出Q(Q＝WPW*)。
根据一个实施例，在应用了诸如上述小波图像转换的压缩技术后，投影矩阵中绝对值小于某个与预期图像清晰度有关的阈值的所有值都被截断，并且所产生的数据以稀疏数据结构而被存储。
在步骤103，本发明的图示实施例求解包含了电路板或其他研究中物体的压缩预期图像的未知值的向量(g)，下面进行更详细的讨论。图3表示了根据本发明实施例而提供的压缩重建预期图像，其具有多个探测器图像，例如可以包括对应于图2中图像的压缩图像作为输入。
已经解出了压缩预期图像(g)，如果需要，可以通过应用f＝W*g再现出未压缩形式(例如象素形式)的预期图像。然而，本发明的实施例使用了在压缩重建图像上直接进行操作的后处理技术，以确定电路板或其他研究中的物体是否符合预期标准等等。此外或或者，可以执行本发明的实施例以分析压缩重建图像用作初始的结论，此后，当需要以下分析时，再现象素或其他未压缩形式的图像以用作进一步或许更详细的分析。
如上所述，优选使用合适的自适应技术来求解g的未知系数值。为了取得超过求解重建图像值(上面方程(1)的f)的现有技术的预期效率，为获得压缩重建图像值(上面方程(5)的g)而实施的运算，包括上述自适应技术的实现在内，少于为获得预期重建图像值(f)而进行的运算，因而提供了速度上的净增益和/或计算资源方面的下降需求。
本发明的优选实施例依赖用于断层成像重建的迭代方法；例如共轭梯度法。应当理解，根据本发明优选实施例而实现的迭代法特别适用，因为它们不要求在处理过程中改变矩阵，并且它们只使用相对易于实现的矩阵向量乘法。
虽然任何适合的迭代算法都可以直接应用于上面的方程(5)以求解g，但是优选实施例实现了一种自适应算法来保障效率。具体地说，正如对步骤101和102所讨论的那样，小于给定阈值的c的元素都可以被截断以进行压缩。一般情况下，只有在形成了向量g的值之后才知道如何截断g。然而，通过对g提供良好的初始估计，本发明的实施例可以以迭代方式继续下去，直到得出g。
参考图4，示出了优选实施例用于求解压缩重建图像(g)的方法的步骤，正如图1中步骤103所提供的那样。在图示实施例的步骤401，修正投影矩阵的转置(QT)作用于压缩探测器图像数据(c)，因而得出了对压缩重建图像的估计(g1，其中g1＝QTc)。这个步骤与数字断层合成技术可以采用的已知的“平移一加法”(shift-and-add)过程是相同的。对于工业品(例如电路板)成像系统来说，所产生的图像g1是对g特别好的第一近似。在已对探测器图像数据(c)和修正投影矩阵(Q)进行截断的条件下，优选地也使用同样或相关的阈值法来截断对压缩重建图像的估计(g1)。
在步骤402，修正投影矩阵Q作用于对压缩重建图像的估计g1，以获得投影图像函数(c2，c2＝Qg1)。
此后，在步骤403，根据所实施的具体迭代算法，例如共轭梯度法来采取若干步骤，以获得对压缩重建图像新的估计(g2)。应当理解，从乘法(c2＝Qg1)和后续处理中得到的图像g2将会累积附加项，而这些附加项可能会增加g2中元素的数量，从而降低了稀疏性和压缩程度。尽管如此，仍可以使用相关的阈值法方案来截断图像g2，以恢复稀疏性或压缩效率。应当理解，可被截断的项的位置无法提前获知，而是在迭代过程中得到确认，以适应对压缩重建图像的具体估计。
在步骤404，要确定所述向量是否已收敛到一静态值上。例如，当投影估计c2与原始的投影数据(c)基本相同时，可以确定这些向量已经收敛，因此，就不需要对压缩重建图像的估计进行进一步的迭代处理。如果所述向量已收敛到一静态值，则图示实施例中的处理前进到步骤405，在步骤405，把压缩重建图像(g)设置为压缩重建图像的估计的当前迭代(g2)。然而，如果这些向量还没有收敛到静态值，那么图示实施例中的处理再次回到步骤402。
应该理解，图4中图示实施例的步骤为(g)保持了一个稳定变化的表示，以适应每一次迭代中提高的精度。而且，这些对(g)的变化表示是在保持(g)的压缩的同时根据图示实施例做出的，这样就能以快速的方式完成步骤402中的矩阵向量乘法。应当理解，虽然以压缩格式表示数据，但线性方程系统仍可能是病态的，并在所述的迭代过程中可以使用现有技术中广为人知的正则化方法。
应当理解，本发明的要件基本上是执行这里所述任务的代码段。程序或代码段可以存储在计算机可读介质中，或者由包含在载波中的计算机数据信号、或载波调制的信号通过传输介质进行传送。所述的“计算机可读介质”可以包括能存储或传递信息的任何介质。计算机可读介质的示例包括电子电路、半导体存储器件、ROM、闪存、可擦除ROM(EROM)、软盘、光盘CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路等等。计算机数据信号可以包括能够通过传输介质进行传播的任何信号，这些传输介质例如是电子网络信道、光纤、空气、电磁波、RF链路等等。这些代码段可以通过诸如因特网、内部网等计算机网络来下载。
图5图示了适于使用本发明的示例性计算机系统500。中央处理单元(CPU)501耦合到系统总线502上。CPU 501可以是任意的通用CPU，例如Intel奔腾系列处理器中的一种。但是，只要CPU 501支持这里所述的发明性的操作，本发明就不会受到CPU 501的体系结构的限制。总线502耦合到随机访问存储器(RAM)503上，该RAM可以是SRAM、DRAM或SDRAM。ROM 504也耦合到总线502上，它可以是PROM、EPROM或EEPROM。RAM 503和ROM 504如同本领域所公知的那样，保存用户和系统的数据和程序。总线502还被耦合到输入/输出(I/O)适配器505、通信适配器511、用户接口适配器508和显示适配器509上。
图示实施例中的I/O适配器505被耦合到图像探测器517和X射线发射器上，该图像探测器517例如可以提供根据本发明所使用的探测器图像，该X射线发射器例如本领域所公知的那样，可被控制来辐射一个诸如电路板的对象，以用于图像探测器517的激励。图示实施例的I/O适配器505还耦合到计算机系统的存储设备506，例如硬盘驱动器、CD驱动器、软盘驱动器、磁带驱动器中的一个或多个。打印机514也被耦合到I/O适配器505上，它将允许系统打印诸如文档、照片、文章等的纸质复印件。注意，打印机514可以是打印机(例如，点阵、激光打印机等)、传真机、复印机或类似设备。
通信适配器511适于将计算机系统500耦合到网络512上。网络512可以包括一个或多个电话网络、本地局域网(LAN)、城域网(MAN)、广域网(WAN)、内部网、因特网、无线网和/或类似网络。
用户接口适配器508将用户输入设备，例如键盘513、点选设备507和麦克风516耦合到计算机系统500上。此外或或者，用户接口适配器508可以向用户提供输出，例如通过扬声器515。类似地，显示适配器509可以向用户提供输出，例如通过在显示设备510上驱动信息显示。
虽然已详细说明了本发明及其优势，但是应当理解，这里可进行各种变化、替换和更改，而不偏离所附权利要求所规定的本发明的精神和范围。此外，本申请的范围并不限制在处理、机器、生产、物体组成、手段、方法和步骤的具体实施例中。作为本领域的普通技术人员，从本发明的公开内容中应当很容易理解，当前已存在的或随后开发出的，与这里所述的相应实施例实现基本相同功能或取得基本相同结果的处理、机器、生产、物体组成、手段、方法或步骤都可以根据本发明而加以利用。因此，所附权利要求的范围应当包括这样的处理、机器、生产、物体组成、手段、方法或步骤。
本申请涉及下述美国专利申请A SYSTEM AND METHOD FORPARALLEL IMAGE RECONSTRCTION OF MULTIPLE DEPTH LAYERSOF AN OBJECT UNDER INSPENCTION FROM RADIOGRAPHIC IMAGES(律师案卷号10020619-1)、IMAGE BUFFERS AND ACCESSSCHEDULES FOR IMAGE RECONSTRUCTION SYSTEMS(律师案卷号10020620-1)、COMPACT STORAGE OF PROJECTION MATRIX FORTOMOGRAPHY USING SEPARABLE OPERATORS(律师案卷号10020710-1)以及MAKING 3D CONE-BEAM TOMOGRAPHY FROMARBITRARY LOCATED X-RAY SOURCES AND IMAGERS BYAPPLYING THE CONJUGATE METHOD(律师案卷号10020666-1)，将以上专利申请的全部内容作为参考文件包括到此处。
权利要求
1.一种用于从对应多个探测器图像的图像数据中重建预期图像数据的方法，所述方法包括压缩所述多个探测器图像；标识一个投影矩阵，该投影矩阵描述了将研究中的物体投影到探测器上的理想方式；计算一个修正投影矩阵，作为所述投影矩阵的一个函数和一种在压缩所述多个探测图像时所使用的压缩技术；以及使用所述压缩探测器图像和所述修正投影矩阵来重建所述预期图像数据。
2.如权利要求1所述的方法，其中，所述的重建所述预期图像数据包括将所述修正投影矩阵的转置应用到所述压缩探测器图像上，从而获得所述预期图像数据的一个估计。
3.如权利要求2所述的方法，其中，所述的重建所述预期图像数据还包括迭代地增加所述预期图像数据的所述估计的精度，直到在其上对所述修正投影矩阵的应用指示出到所述预期图像数据的收敛。
4.如权利要求2所述的方法，其中，所述的重建所述预期图像数据还包括将所述修正投影矩阵应用到所述预期图像数据的所述估计上，从而获得一个投影图像函数；压缩所述投影图像函数，以试图获得与所述预期图像数据的所述估计的尺寸相对应的压缩投影图像函数尺寸；确定所述投影图像函数和所述预期图像数据的所述估计是否已收敛；以及如果所述投影图像函数和所述预期图像数据的所述估计没有收敛，则对于所述预期图像数据的所述估计重复进行所述的应用所述修正投影矩阵的所述转置，从而获得所述预期图像数据的新估计。
5.如权利要求1所述的方法，其中，所述的压缩所述多个探测器图像包括使用小波压缩算法。
6.如权利要求1所述的方法，其中，所述的计算所述修正投影矩阵包括通过将与在所述的压缩所述多个探测器图像中所使用的压缩变换相对应的压缩变换应用到所述投影矩阵的行和列上，将该投影矩阵转换成新的基。
7.如权利要求1所述的方法，其中，所述重建预期图像数据提供了压缩格式的所述预期图像数据。
8.如权利要求7所述的方法，还包括从压缩格式的所述预期图像中做出有关所述探测图像对应的物体是否满足预期标准的确认。
9.如权利要求8所述的方法，还包括当有关所述探测图像对应的所述物体的所述确认不满足所述预期标准时，解压缩所述重建预期图像数据用于进一步的分析。
10.一种计算机程序产品，该产品具有其上记录了计算机程序逻辑的计算机可读介质，该计算机程序逻辑用于直接从对应多个探测器图像的压缩图像数据中重建压缩预期图像数据，所述计算机程序产品包括用于压缩所述多个探测器图像的代码；用于标识一个投影矩阵的代码，该投影矩阵描述了将研究中的物体投影到探测器上的理想方式；用于计算一个修正投影矩阵的代码，作为所述投影矩阵的一个函数和与所述的压缩所述多个探测图像中所使用的压缩变换相对应的压缩变换；以及用于不必对所述压缩探测器图像进行解压缩，就从所述压缩探测器图像和所述修正投影矩阵中重建所述压缩预期图像数据的代码。
11.如权利要求10所述的计算机程序产品，其中，用于重建所述预期图像数据的所述代码包括用于估计所述预期图像数据的代码，以用于迭代处理，来获得所述预期图像数据。
12.如权利要求11所述的计算机程序产品，其中，用于估计所述预期图像数据的所述代码包括用于将所述修正投影矩阵的转置应用到所述压缩探测器图像上的代码。
13.如权利要求11所述的计算机程序产品，其中，用于重建所述预期图像数据的所述代码还包括用于迭代地增加所述预期图像数据的所述估计的精度，直到获得所述预期图像数据的代码。
14.如权利要求11所述的计算机程序产品，其中，用于重建所述预期图像数据的所述代码还包括用于将所述修正投影矩阵应用到所述预期图像数据的所述估计上，从而获得一个投影图像函数的代码；用于确定所述投影图像函数和所述预期图像数据的所述估计是否已收敛的代码；以及用于如果所述投影图像函数和所述预期图像数据的所述估计没有收敛，则对所述预期图像数据的所述估计重复进行所述的应用所述修正投影矩阵的代码。
15.如权利要求14所述的计算机程序产品，其中，所述的计算所述修正投影矩阵的所述代码包括用于通过将与在所述的压缩所述多个探测器图像中所使用的压缩变换相对应的压缩变换应用到所述投影矩阵的行和列上，将所述投影矩阵转换成新的基的代码。
16.一种用于压缩格式图像重建的系统，所述系统包括存储压缩形式探测器图像的存储设备，所述存储设备也存储一个修正投影矩阵，作为描述了将研究中的物体投影到探测器上的理想方式的投影矩阵的函数；和在提供所述压缩形式的所述探测器图像时所使用的压缩变换；和在一个指令集的控制下进行操作，以从所述压缩形式的所述探测器图像和所述修正投影矩阵中重建预期图像数据的处理器，其中，所述重建预期图像数据是压缩形式的。
17.如权利要求16所述的系统，其中，所述系统包括提供了感兴趣物体的实时成像的工业品成像系统。
18.如权利要求17所述的系统，其中，所述存储设备还存储压缩形式的范例物体数据，以和压缩形式的所述重建预期图像数据进行实时比较。
全文摘要
本发明公开了用于从对应多个探测器图像的图像数据中对预期图像数据进行断层成像重建的方法和系统，其中包括压缩多个探测器图像；标识一个投影矩阵，该投影矩阵描述了将研究中的物体投影到探测器上的理想方式；计算一个修正投影矩阵，作为所述投影矩阵的一个函数和一种在压缩多个探测图像时所使用的压缩技术；以及使用迭代线性系统求解器，从所述压缩探测器图像和所述修正投影矩阵来重建对预期图像数据的压缩表示。
文档编号A61B6/03GK1508758SQ20031010192
公开日2004年6月30日 申请日期2003年10月15日 优先权日2002年12月19日
发明者大卫·李·吉纳, 大卫 李 吉纳 申请人:安捷伦科技有限公司