Multiskalen Bildverarbeitungsmethoden zur Rauschunterdr¨uckung an industriellen Computer-Tomographie Daten

Michael Reiter

Research output: Types of ThesesMaster's Thesis / Diploma Thesis

Abstract

Mit 3-dimensionaler R¨ontgen-Computertomographie ist es m¨oglich zerst¨orungsfrei und ber¨uhrungslos sowohl den ¨außeren als auch den inneren Aufbau von Pr¨ufobjekten in digitalen 3-dimensionalen Grauwert-Datens¨atzen darzustellen. In diesen k¨onnen Abmessungen ¨uberpr¨uft oder Fehlstellen beziehungsweise Risse detektiert werden, um nur einige Anwendungen anzuf¨uhren. Diese Daten unterliegen immer einem Grauwert-Rauschen, zum Teil tritt dieses sehr stark auf und behindert weiterverarbeitende Anwendungen. Diese Diplomarbeit befasst sich im ersten Abschnitt mit der genauen Charakterisierung dieses Systemrauschen. Die zu erwartenden gauß- und poissonverteilten Rauschkomponenten eines solchen Aufnahmesystems werden in diesem Abschnitt detailiert betrachtet. Weiters wurden bildverarbeitende rauschreduzierende Filteralgorithmen realisiert und an k¨unstlichen sowie realen Computertomographie Daten erprobt, um diesem Rauschen entgegenzuwirken. Dabei handelt es sich um einen auf linearer Faltung basierenden Gauß- Filter, einen Filter basierend auf der Wavelet-Transformation, einen weiteren basierend auf der Curvelet-Transformation und um eine Platelet-Ann¨aherung. Diese 2-dimensional realisierten Filter werden genau erl¨autert und sind sowohl an Projektionsbildern als auch an axialen Schnittbildern der bereits rekonstruierten Daten anwendbar. Die Untersuchungen bez¨uglich des Systemrauschens ergaben wie erwartet eine Kombination aus gauß- und poissonverteiltem Rauschen, dass heißt die Rauschst¨arke - gemessen in einer Standardabweichung - h¨angt vom lokalen Grauwert im Bild ab. Bei den get¨atigten Untersuchungen bez¨uglich Rauschreduktion konnten Wavelet- beziehungsweise Curvelet-Filter den Erwartungen gegen¨uber einem Gauß-Filter nicht gerecht werden, da sie nur auf einem gaußschen Rauschmodell basieren. Curvelet-Filter lohnen zus¨atzlich auf Grund ihres enormen Berechnungsaufwandes kaum. Die Platelet-Ann¨aherung hingegen basierend auf einem realit¨atsnahen Rauschmodell und erzielt deshalb durchwegs die besten Filterergebnisse. Das Signal-Rausch-Verh¨altnis (PSNR) kann bei 16Bit Daten mittels Platelet-Ann¨aherung um bis zu 12dB verbessert werden. F¨ur Datens¨atze die sowohl in den Projektionsbildern als auch in den rekonstruierten Daten f¨ur Pr¨uflingsmaterial und Luft nur einen Grauwert-Peak im Histogramm aufweisen ist eine Platelet-Ann¨aherung in den Projektionsbildern am erfolgversprechendsten, wenn die durch die Rekonstruktion verursachten Artefakte in Grenzen gehalten werden können. Für die meisten anderen Anwendungen empfiehlt sich eine Platelet-Ann¨aherung in den rekonstruierten Daten, da die Parametrierung des Filters ohne den Umweg über die Rekonstruktion einfach zu optimieren ist und die Ergebnisse besser sind.
Translated title of the contributionMultiskalen Bildverarbeitungsmethoden zur Rauschunterdr¨uckung an industriellen Computer-Tomographie Daten
Original languageGerman
Publication statusPublished - 2006

Cite this