本发明涉及图像数据处理，特别涉及一种ct图像重建方法、系统、计算机设备及存储介质。
背景技术：
1、显微ct(micro computed tomography,micro-ct)技术是一种高分辨率无损检测技术，通过该技术获得的ct图像可以精确地呈现被测物体内部的微米级结构，这也使micro-ct成像技术在电子、材料、现代医学等领域得到了飞速发展和广泛应用，因此对于ct图像的要求也越来越严格。
2、对于复杂的影像要求，一般方法得到的ct图像可能难以达到，所以对ct图像进行重建的相关技术也发展迅速，但是目前对于ct图像重建的方法大多都是基于深度神经网络训练而获取的，基于深度学习的算法虽然在ct图像降噪领域已取得成功，但是该类算法的可解释性低、训练时间长且对数据集要求较高，因此采用高效的ct图像重建方法对现代医学影像发展具有十分重要的意义。
技术实现思路
1、本发明针对现有技术中存在的技术问题，提供一种ct图像重建方法、系统、计算机设备及存储介质。
2、本发明解决上述技术问题的技术方案如下：一种ct图像重建方法，包括：
3、根据待重建图像的投影数据，通过pwls-tv2算法对所述投影数据进行预处理，获取目标投影数据；
4、根据所述目标投影数据，获取所述目标投影数据的像素序号，基于所述像素序号，通过sart迭代算法对所述目标投影数据进行迭代重建，得到初始重建图像；
5、根据所述初始重建图像，计算ts-nlm算法和gd-nlm算法的权值函数，通过所述权值函数对所述初始重建图像进行降噪处理，获取目标重建图像。
6、优选的，所述根据待重建图像的投影数据，通过pwls-tv2算法对所述投影数据进行预处理，获取目标投影数据，包括：
7、根据待重建图像的投影数据，确定所述投影数据的据泊松分布分量和增益常量，根据所述泊松分布分量和增益常量对所述投影数据进行广义anscombe变换，获取变换投影数据；
8、根据所述变换投影数据，计算所述变换投影数据中每个数据的对角矩阵；
9、根据待重建图像的投影数据和所述投影数据中每个像素的邻域权重，计算所述投影数据的惩罚项；
10、根据平滑参数、所述对角矩阵和惩罚项，构建投影数据降噪目标函数，根据所述投影数据降噪目标函数，计算得到投影降噪数据；
11、通过分布公式对所述投影降噪数据进行编码，获取编码数据，根据所述编码数据和固定参数，计算所述投影降噪数据的先验分布值；
12、基于所述先验分布值，pwls-tv2算法计算所述投影降噪数据的二阶导数；
13、根据所述先验分布值和二阶导数，对所述投影降噪数据进行逆变换，获取目标投影数据。
14、优选的，所述投影数据降噪目标函数的计算式如下：
15、
16、式中，m(χ)表示投影降噪数据；χ0表示理想投影数据；χ表示变换投影数据；χi表示待重建图像中第i个投影数据；μ表示投影数据的理想因子；σ表示平滑参数；ζ(χ)表示惩罚项；|τ|表示对角矩阵；n表示投影数据总数；i表示投影数据个数；ω表示降噪参数。
17、优选的，根据所述目标投影数据，获取所述目标投影数据的像素序号，基于所述像素序号，通过sart迭代算法对所述目标投影数据进行迭代重建，得到初始重建图像，包括：
18、根据所述目标投影数据，获取待重建图像在二维空间中的坐标数据和所述坐标数据对应的像素值；
19、基于所述坐标数据对应的像素值，按照像素获取顺序确定所述待重建图像的像素序号；
20、根据所述像素序号将所述目标投影数据划分为预设数目的目标投影数据集合，根据预设迭代次数、松弛因子和射线序号，通过sart迭代算法对所述目标投影数据集合进行迭代，得到初始重建图像。
21、优选的，所述sart迭代算法表达式如下：
22、
23、式中，表示第k+1次射线源序号m对应的重建图像；表示第k次射线源序号m对应的重建图像；k表示迭代次数；λ表示松弛因子；αi表示第i个目标投影数据；αli表示第l个像素序号对应的第i个目标投影数据；；m表示ct系统的射线源序号；表示射线源序号总数；∈lm表示像素序号l和射线源序号m对应的系统矩阵；l表示像素序号；l表示像素序号总数。
24、优选的，根据所述初始重建图像，计算ts-nlm算法和gd-nlm算法的权值函数，通过所述权值函数对所述初始重建图像进行降噪处理，获取目标重建图像，包括：
25、根据所述初始重建图像，通过ts-nlm算法进行初始化，确定搜索框和相似框的第一尺寸，基于所述搜索框和相似框的第一尺寸，计算第一噪声标准差估计值；
26、通过局部结构张量计算所述局部结构张量的迹，根据第一噪声标准差估计值、滤波系数和所述局部结构张量的迹，计算自适应滤波系数，通过所述自适应滤波系数确定所述ts-nlm算法的权值函数；
27、根据所述ts-nlm算法的权值函数计算得到第一滤波权值，根据所述第一滤波权值进行加权平均处理，获取滤波后的中间图像；
28、基于所述中间图像，对所述搜索框和相似框进行二次初始化，获取所述搜索框和相似框的第二尺寸，基于所述搜索框和相似框的第二尺寸，计算第二噪声标准差估计值；
29、根据中间图像中像素点邻域之间的平均梯度方向差，计算平均梯度方向差的相似性度量函数值，根据所述相似性度量函数值、第二噪声标准差估计值和控制滤波系数，确定gd-nlm算法的权值函数；
30、根据所述gd-nlm算法的权值函数计算得到第二滤波权值，根据所述第二滤波权值进行加权平均处理，获取目标重建图像。
31、优选的，所述ts-nlm算法的权值函数计算式如下：
32、
33、式中，ωts(i，j)表示第一滤波权值；d(i，j)表示像素点i和j之间的高斯加权欧式距离；z表示归一化系数；hh表示自适应滤波系数；exp表示指数函数；
34、所述gd-nlm算法的权值函数计算式如下：
35、
36、式中，ωgd(i，j)表示第二滤波权值；z表示归一化系数；h表示控制滤波系数；g(i，j)表示像素点i和j之间的平均梯度方向差的相似值；d(i，j)表示像素点i和j之间的高斯加权欧式距离；exp表示指数函数。
37、基于同一发明构思，本发明还提供一种ct图像重建系统，包括：
38、数据获取模块，用于根据待重建图像的投影数据，通过pwls-tv2算法对所述投影数据进行预处理，获取目标投影数据；
39、图像重建模块，用于根据所述目标投影数据，获取所述目标投影数据的像素序号，基于所述像素序号，通过sart迭代算法对所述目标投影数据进行迭代重建，得到初始重建图像；
40、图像降噪模块，用于根据所述初始重建图像，计算ts-nlm算法和gd-nlm算法的权值函数，通过所述权值函数对所述初始重建图像进行降噪处理，获取目标重建图像。
41、优选的，所述数据获取模块具体用于：
42、根据待重建图像的投影数据，确定所述投影数据的据泊松分布分量和增益常量，根据所述泊松分布分量和增益常量对所述投影数据进行广义anscombe变换，获取变换投影数据；
43、根据所述变换投影数据，计算所述变换投影数据中每个数据的对角矩阵；
44、根据待重建图像的投影数据和所述投影数据中每个像素的邻域权重，计算所述投影数据的惩罚项；
45、根据平滑参数、所述对角矩阵和惩罚项，构建投影数据降噪目标函数，根据所述投影数据降噪目标函数，计算得到投影降噪数据；
46、通过分布公式对所述投影降噪数据进行编码，获取编码数据，根据所述编码数据和固定参数，计算所述投影降噪数据的先验分布值；
47、基于所述先验分布值，pwls-tv2算法计算所述投影降噪数据的二阶导数；
48、根据所述先验分布值和二阶导数，对所述投影降噪数据进行逆变换，获取目标投影数据。
49、优选的，所述数据获取模块中投影数据降噪目标函数的计算式如下：
50、
51、式中，m(χ)表示投影降噪数据；χ0表示理想投影数据；χ表示变换投影数据；χi表示待重建图像中第i个投影数据；μ表示投影数据的理想因子；σ表示平滑参数；ζ(χ)表示惩罚项；|τ|表示对角矩阵；n表示投影数据总数；i表示投影数据个数；ω表示降噪参数。
52、优选的，所述图像重建模块具体用于：
53、根据所述目标投影数据，获取待重建图像在二维空间中的坐标数据和所述坐标数据对应的像素值；
54、基于所述坐标数据对应的像素值，按照像素获取顺序确定所述待重建图像的像素序号；
55、根据所述像素序号将所述目标投影数据划分为预设数目的目标投影数据集合，根据预设迭代次数、松弛因子和射线序号，通过sart迭代算法对所述目标投影数据集合进行迭代，得到初始重建图像。
56、优选的，所述图像重建模块中sart迭代算法表达式如下：
57、
58、式中，表示第k+1次射线源序号m对应的重建图像；表示第k次射线源序号m对应的重建图像；k表示迭代次数；λ表示松弛因子；αi表示第i个目标投影数据；αli表示第1个像素序号对应的第i个目标投影数据；；m表示ct系统的射线源序号；表示射线源序号总数；∈lm表示像素序号l和射线源序号m对应的系统矩阵；l表示像素序号；l表示像素序号总数。
59、优选的，所述图像降噪模块具体用于：
60、根据所述初始重建图像，通过ts-nlm算法进行初始化，确定搜索框和相似框的第一尺寸，基于所述搜索框和相似框的第一尺寸，计算第一噪声标准差估计值；
61、通过局部结构张量计算所述局部结构张量的迹，根据第一噪声标准差估计值、滤波系数和所述局部结构张量的迹，计算自适应滤波系数，通过所述自适应滤波系数确定所述ts-nlm算法的权值函数；
62、根据所述ts-nlm算法的权值函数计算得到第一滤波权值，根据所述第一滤波权值进行加权平均处理，获取滤波后的中间图像；
63、基于所述中间图像，对所述搜索框和相似框进行二次初始化，获取所述搜索框和相似框的第二尺寸，基于所述搜索框和相似框的第二尺寸，计算第二噪声标准差估计值；
64、根据中间图像中像素点邻域之间的平均梯度方向差，计算平均梯度方向差的相似性度量函数值，根据所述相似性度量函数值、第二噪声标准差估计值和控制滤波系数，确定gd-nlm算法的权值函数；
65、根据所述gd-nlm算法的权值函数计算得到第二滤波权值，根据所述第二滤波权值进行加权平均处理，获取目标重建图像。
66、优选的，所述图像降噪模块中ts-nlm算法的权值函数计算式如下：
67、
68、式中，ωts(i，j)表示第一滤波权值；d(i，j)表示像素点i和j之间的高斯加权欧式距离；z表示归一化系数；hh表示自适应滤波系数；exp表示指数函数；
69、所述gd-nlm算法的权值函数计算式如下：
70、
71、式中，ωgd(i，j)表示第二滤波权值；z表示归一化系数；h表示控制滤波系数；g(i，j)表示像素点i和j之间的平均梯度方向差的相似值；d(i，j)表示像素点i和j之间的高斯加权欧式距离；exp表示指数函数。
72、基于同一发明构思，本发明还提供一种电子设备，包括：
73、存储器，用于存储计算机软件程序；
74、处理器，用于读取并执行所述计算机软件程序，进而实现所述的一种ct图像重建方法。
75、基于同一发明构思，本发明还提供一种非暂态计算机可读存储介质，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现所述的一种ct图像重建方法。
76、本发明的有益效果是：本发明根据待重建图像的投影数据，通过pwls-tv2算法对所述投影数据进行预处理，获取目标投影数据，可以尽可能消除投影数据的噪声，确保投影数据的稳定，然后通过的sart迭代算法对获取的目标投影数据进行迭代重建，重建出的ct图像更加清晰，且由于sart算法增强了抗干扰能力，因此图像重建速度更快，最后采用ts-nlm算法和gd-nlm算法对图像进行后处理以降低残余噪声，可以使得重建后的ct图像更加清晰。
1.一种ct图像重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据待重建图像的投影数据，通过pwls-tv2算法对所述投影数据进行预处理，获取目标投影数据，包括：
3.根据权利要求2所述方法，其特征在于，所述投影数据降噪目标函数的计算式如下：
4.根据权利要求1所述的方法，其特征在于，根据所述目标投影数据，获取所述目标投影数据的像素序号，基于所述像素序号，通过sart迭代算法对所述目标投影数据进行迭代重建，得到初始重建图像，包括：
5.根据权利要求4所述的方法，其特征在于，所述sart迭代算法表达式如下：
6.根据权利要求1所述的方法，其特征在于，根据所述初始重建图像，计算ts-nlm算法和gd-nlm算法的权值函数，通过所述权值函数对所述初始重建图像进行降噪处理，获取目标重建图像，包括：
7.根据权利要求6所述的方法，其特征在于，所述ts-nlm算法的权值函数计算式如下：
8.一种ct图像重建系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如权利要求1-7任一项所述的一种ct图像重建方法。
