Сенсорные системы, 2020, T. 34, № 3, стр. 210-216
Томографическая реконструкция при ограниченном поле зрения детектора
А. В. Бузмаков 1, 4, *, Д. А. Золотов 1, М. В. Чукалина 1, 4, А. С. Ингачёва 2, 4, А. В. Шешкус 3, 4, В. Е. Асадчиков 1
1 ФНИЦ “Кристаллография и фотоника” РАН
111933 Москва, Ленинский просп., 59, Россия
2 Институт проблем передачи информации им. А.А. Харкевича РАН
127051 Москва, Большой Каретный переулок, 9, Россия
3 ФИЦ “Информатика и управление” РАН 119333
Москва, ул. Вавилова, д. 44, кор. 2, Россия
4 Смарт Энджинс Сервис ООО
117312 Москва, Проспект 60-летия Октября 9, Россия
* E-mail: buzmakov@gmail.com
Поступила в редакцию 03.04.2020
После доработки 14.04.2020
Принята к публикации 29.04.2020
Полные тексты статей выпуска доступны только авторизованным пользователям.
Аннотация
В данной работе мы предлагаем метод томографической реконструкции для случая ограниченного поля зрения детектора, когда изображение исследуемого образца не помещается на детекторе целиком. Предлагаемый метод основан на итеративной процедуре томографической реконструкции, в которой на каждой итерации проводится коррекция в пространстве синограмм и пространстве реконструкций. На модельных и экспериментальных данных показано, что предлагаемая методика позволяет не только улучшить качество томографической реконструкции, но и расширить поле зрения.
Полные тексты статей выпуска доступны только авторизованным пользователям.
Список литературы
Ингачева А.С., Шешкус А.В., Чернов Т.С. Рентгеновский компьютерный томографновый инструмент в распознавании. Труды Института системного анализа Российской академии наук. 2018. Т. 68. № S1. С. 90–99. https://doi.org/10.14357/20790279180510
Azencott R., Bodmann B.G., Chowdhury T. ROI reconstruction from truncated cone-beam projections. Inverse Problems & Imaging 2018 V. 12 (1). P. 29–57.https://doi.org/10.3934/ipi.2018002
Buzmakov A., Zolotov D., Chukalina M. Overview of machine vision methods in x-ray imaging and microtomography. Tenth International Conference on Machine Vision (ICMV 2017). International Society for Optics and Photonics, 2018. V. 10696. P. 1069622. https://doi.org/10.1117/12.2309762
Buzmakov A.V., Asadchikov V.E., Zolotov D.A. Laboratory microtomographs: Design and data processing algorithms. Crystallography Reports. 2018. V. 63 (6). P. 1057–1061. https://doi.org/10.1134/S106377451806007X
Chityala R.N., Hoffmann K.R., Bednarek D.R., Rudin S. Region of interest (ROI) computed tomography. Medical Imaging 2004: Physics of Medical Imaging. International Society for Optics and Photonics, 2004. V. 5368. P. 534–541.https://doi.org/10.1117/12.534568
Clackdoyle R., Defrise M. Tomographic reconstruction in the 21st century. IEEE Signal Processing Magazine. 2010. V. 27 (4). P. 60–80. https://doi.org/10.1109/MSP.2010.936743
Du M., Vescovi R., Fezzaa K., Jacobsen C., Gürsoy D. X-ray tomography of extended objects: a comparison of data acquisition approaches JOSA A. 2018. V. 35 (11). P. 1871–1879. https://doi.org/10.1364/JOSAA.35.001871
Ershov E., Terekhin A., Nikolaev D., Postnikov V., Karpenko S. Fast Hough transform analysis: pattern deviation from line segment. Eighth International Conference on Machine Vision (ICMV 2015). International Society for Optics and Photonics. 2015. V. 9875. P. 987509. https://doi.org/10.1117/12.2228852
Hamelin B., Goussard Y., Dussault J.P., Cloutier G., Beaudoin G., Soulez G. Design of iterative ROI transmission tomography reconstruction procedures and image quality analysis. Medical physics. 2010. V. 37 (9). P. 4577–4589. https://doi.org/10.1118/1.3447722
Han Y., Gu J., Ye J.C. Deep learning interior tomography for region-of-interest reconstruction. arXiv preprint arXiv:1712.10248.2017. https://arxiv.org/abs/1712.10248
Limonova E., Ilin D., Nikolaev D. Improving neural network performance on SIMD architectures. Eighth International Conference on Machine Vision (ICMV 2015). International Society for Optics and Photonics. 2015. V. 9875. P. 98750L. https://doi.org/10.1117/12.2228594
Shepp L.A., Logan B.F. The Fourier reconstruction of a head section. IEEE Transactions on nuclear science. 1974. V. 21 (3). P. 21–43. https://doi.org/10.1109/TNS.1974.6499235
Van Aarle W., Palenstijn W.J., Cant J. Fast and flexible X-ray tomography using the ASTRA toolbox. Optics express. 2016. V. 24 (22). P. 25129–25147. https://doi.org/10.1364/OE.24.025129
Wiegert J., Bertram M., Wulff J. 3D ROI imaging for cone-beam computed tomography. International Congress Series. Elsevier. 2004. V. 1268. P. 7–12. https://doi.org/10.1016/j.ics.2004.03.233
Дополнительные материалы отсутствуют.
Инструменты
Сенсорные системы