基于主成分分析的多能谱CT图像分析方法研究

作     者：邸云霞 孔慧华 牛晓伟 DI Yunxia;KONG Huihua;NIU Xiaowei

作者机构：中北大学数学学院太原030051 信息探测与处理山西省重点实验室太原030051 

出 版 物：《CT理论与应用研究（中英文）》 (Computerized Tomography Theory and Applications)

年 卷 期：2022年第31卷第6期

页      面：749-760页

学科分类：07[理学] 081203[工学-计算机应用技术] 08[工学] 070102[理学-计算数学] 0835[工学-软件工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省基础研究计划(基于能谱CT和深度迁移学习的致密油砂岩组分结构的定量表征方法研究(202103021224190)) 国家自然科学基金(面向金属基复合材料微结构表征的X射线多谱CT成像方法研究(61801437) 基于深度学习的递变能量多谱CT成像表征方法研究(61871351) 基于深度学习的低剂量CT重建与影像识别(61971381)) 

主　　题：能谱CT 主成分分析 物质识别 投影域 图像域 

摘      要：基于光子计数探测器的能谱CT,可以同时采集多个能谱通道的投影数据,并获得相应能量范围内物质的吸收特征,可以有效应用于物质识别与材料分解。主成分分析是一种很好的多元数据分析技术,可以用于处理多能谱CT数据。本文分别在投影域和图像域对能谱CT数据进行主成分分析,并对分析结果做出系统比较。为了减少噪声的影响,提高能谱CT图像的彩色表征性能,提出双域滤波与像素值平方相结合的方法,用于含噪声的主成分图像去噪,然后将所选取的主成分图像映射到RGB颜色通道。实验结果表明,无论是在投影域还是图像域进行主成分分析,都可以获取清晰的CT图像,识别出物质的不同成分。相较于在图像域的主成分分析方法,在投影域进行主成分分析能够保留物质的更多细节,获取更清晰的彩色CT图像。