特許 6865884 Ｘ線画像における散乱補正のための装置及びＸ線画像における散乱補正のための方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6865884

(24)【登録日】2021年4月8日

(45)【発行日】2021年4月28日

(54)【発明の名称】Ｘ線画像における散乱補正のための装置及びＸ線画像における散乱補正のための方法

(51)【国際特許分類】

   A61B 6/00 20060101AFI20210419BHJP

【ＦＩ】

   A61B6/00 350M

   A61B6/00 300J

   A61B6/00ZDM

【請求項の数】13

【全頁数】24

(21)【出願番号】特願2020-500704(P2020-500704)

(86)(22)【出願日】2018年7月9日

(65)【公表番号】特表2020-526311(P2020-526311A)

(43)【公表日】2020年8月31日

(86)【国際出願番号】EP2018068490

(87)【国際公開番号】WO2019011832

(87)【国際公開日】20190117

【審査請求日】2021年1月8日

(31)【優先権主張番号】17181182.1

(32)【優先日】2017年7月13日

(33)【優先権主張国】EP

【早期審査対象出願】

(73)【特許権者】

【識別番号】590000248

【氏名又は名称】コーニンクレッカ フィリップス エヌ ヴェ

【氏名又は名称原語表記】ＫＯＮＩＮＫＬＩＪＫＥ ＰＨＩＬＩＰＳ Ｎ．Ｖ．

(74)【代理人】

【識別番号】110001690

【氏名又は名称】特許業務法人Ｍ＆Ｓパートナーズ

(72)【発明者】

【氏名】マーク ハンス‐インゴ

【審査官】 伊知地 和之

(56)【参考文献】

【文献】 特開２００３−１５０９５４（ＪＰ，Ａ）

【文献】 特許第５２１２３７６（ＪＰ，Ｂ１）

【文献】 米国特許出願公開第２０１６／０３１４５８４（ＵＳ，Ａ１）

【文献】 米国特許出願公開第２０１３／０１４８７８６（ＵＳ，Ａ１）

【文献】 独国特許発明第１０２０１６２０６５５９（ＤＥ，Ｂ３）

【文献】 特開２０１５−２０８６３８（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ａ６１Ｂ ６／００ − ６／１４

(57)【特許請求の範囲】

【請求項1】

Ｘ線画像における散乱補正のための装置であって、当該装置は、
複数の命令を記憶するメモリと、
前記メモリに結合するプロセッサであって、前記命令を実行して、
Ｘ線画像を受信し、受信した前記Ｘ線画像は、重畳された構造化パターン及び物体を有し、
前記受信したＸ線画像から前記重畳された構造化パターンを除去して、パターン補正されたＸ線画像を生じさせ、
前記受信したＸ線画像から前記パターン補正されたＸ線画像を減算して、構造化パターン画像を生じさせ、
前記構造化パターン画像に局部構造コントラスト測定関数を適用して、構造コントラスト画像を生じさせ、前記構造コントラスト画像は、前記物体のコントラストデータと、前記重畳された構造化パターンとを含む、
プロセッサと、を有し、
前記Ｘ線画像における前記散乱補正は、部分的に前記局部構造コントラスト測定関数の前記適用に基づく、
装置。

【請求項2】

前記プロセッサ回路は更に、フィルタされた構造コントラスト画像を供給するために前記構造コントラスト画像をフィルタ処理する、請求項１に記載の装置。

【請求項3】

前記プロセッサ回路は更に、前記フィルタされた構造コントラスト画像に基づいて、前記Ｘ線画像の一次部分を推定する、請求項２に記載の装置。

【請求項4】

前記プロセッサ回路は更に、
前記一次部分から決定される散乱部分又は該散乱部分から導出される値に基づいて、フィルタされた散乱信号を供給し、
前記パターン補正されたＸ線画像から前記フィルタされた散乱信号の少なくとも一部を減算して、散乱補正されたＸ線画像を生じさせる、
請求項３に記載の装置。

【請求項5】

前記プロセッサ回路は、前記散乱部分又は該散乱部分から導出された前記値にフィルタを適用する、請求項４に記載の装置。

【請求項6】

Ｘ線画像における散乱補正のためのシステムであって、当該システムは、
重畳された構造化パターンを有するＸ線画像を供給するための構造パターンエレメントを有するＸ線画像取得装置、並びに
複数の命令を記憶するメモリと、
前記メモリに結合するプロセッサであって、前記命令を実行して、
Ｘ線画像を受信し、受信した前記Ｘ線画像は、重畳された構造化パターン及び物体を有し、
前記受信したＸ線画像から前記重畳された構造化パターンを除去して、パターン補正されたＸ線画像を生じさせ、
前記受信したＸ線画像から前記パターン補正されたＸ線画像を減算して、構造化パターン画像を生じさせ、
前記構造化パターン画像に局部構造コントラスト測定関数を適用して、構造コントラスト画像を生じさせ、前記構造コントラスト画像は、前記物体のコントラストデータと、前記重畳された構造化パターンとを含む、
プロセッサと、を有する装置であって、
前記Ｘ線画像における前記散乱補正は、部分的に前記局部構造コントラスト測定関数の前記適用に基づく、装置
を有する、システム。

【請求項7】

Ｘ線画像における散乱補正のための方法であって、当該方法が、
Ｘ線画像を受信するステップであって、受信した前記Ｘ線画像は、重畳された構造化パターン及び物体を有する、受信するステップと、
前記受信したＸ線画像から前記重畳された構造化パターンを除去して、パターン補正されたＸ線画像を生じさせるステップと、
前記受信したＸ線画像から前記パターン補正されたＸ線画像を減算して、構造化パターン画像を生じさせるステップと、
前記構造化パターン画像に局部構造コントラスト測定関数を適用して、構造コントラスト画像を生じさせ、前記構造コントラスト画像は、前記物体のコントラストデータと、前記重畳された構造化パターンとを含む、ステップと、
を有し、
前記Ｘ線画像における前記散乱補正は、部分的に前記局部構造コントラスト測定関数の前記適用に基づく、
方法。

【請求項8】

前記Ｘ線画像の一次部分を前記構造コントラスト画像に基づいて推定するステップを更に有する、請求項７に記載の方法。

【請求項9】

前記一次部分又は該一次部分から導出される値から、フィルタされた散乱信号を決定するステップ、及び
前記パターン補正されたＸ線画像から前記フィルタされた散乱信号の少なくとも一部を減算して、散乱補正されたＸ線画像を生じさせるステップ、
を更に有する、請求項８に記載の方法。

【請求項10】

前記フィルタされた散乱信号を供給するために、散乱部分又は該散乱部分から導出された値にフィルタを適用する副ステップ、
を有する、請求項９に記載の方法。

【請求項11】

プロセッサによって実行されると、前記プロセッサに、Ｘ線画像における散乱補正のための方法であって、
Ｘ線画像を受信するステップであって、受信した前記Ｘ線画像は、重畳された構造化パターン及び物体を有する、受信するステップと、
前記受信したＸ線画像から前記重畳された構造化パターンを除去して、パターン補正されたＸ線画像を生じさせるステップと、
前記受信したＸ線画像から前記パターン補正されたＸ線画像を減算して、構造化パターン画像を生じさせるステップと、
前記構造化パターン画像に局部構造コントラスト測定関数を適用して、構造コントラスト画像を生じさせ、前記構造コントラスト画像は、前記物体のコントラストデータと、前記重畳された構造化パターンとを含む、ステップと、
を有し、
前記Ｘ線画像における前記散乱補正は、部分的に前記局部構造コントラスト測定関数の前記適用に基づく、
方法を実行させる１以上の実行可能な命令を記憶する、
非一時的コンピュータ読取可能媒体。

【請求項12】

前記構造化パターン画像に前記局部構造コントラスト測定関数を適用して、前記構造コントラスト画像を生じさせることは、前記構造化パターン画像に、振幅に対する、絶対値関数、最小関数、最大関数、標準偏差関数、平均関数、中央値関数、及び局部高速フーリエ変換（ＦＦＴ）関数のうちの少なくとも１つを適用することを含む、請求項１に記載の装置。

【請求項13】

前記構造コントラスト画像において、前記重畳された構造化パターンは前記物体の前記コントラストデータと重なる、請求項１に記載の装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、重畳された構造化パターンを持つＸ線画像における散乱補正のための装置及び重畳された構造化パターンを持つＸ線画像における散乱補正のための方法に関する。

【背景技術】

【0002】

Ｘ線画像は、人体の内部構造の見通し（洞察）を提供する。例えば、骨の構造を身体のＸ線画像で検査することができる。Ｘ線画像取得過程において、取得装置におけるＸ線放射線は、生成されているＸ線画像が散乱されてぼけたものとなる。

【0003】

散乱される放射線は、当該取得装置にグリッド（格子）を使用することにより低減することができる。Ｘ線画像においてグリッドにより発生される構造をパターン除去処理により除去することは既知である。

【0004】

例えば、ヨーロッパ特許出願公開第EP2196148号の技術は散乱放射線を低減するためのグリッドを使用している。放射線医学画像処理装置は、周波数分析及び帯域通過フィルタ処理を用いて当該放射線医学画像をグリッド形状の要素を含むグリッド画像及び他の要素を含む非グリッド画像に分離するための分離装置を有する。更に、除去装置は、輝度調整された非グリッド画像を非グリッド画像から減算して、グリッドの影響のない補正された画像を発生する。しかしながら、処理されたＸ線画像は依然として散乱構造を有する。

【0005】

更に、米国特許出願公開第2003/0091243号は、画像信号における周期パターン抑圧のための方法及び装置を提示している。画像信号に含まれる周期パターンに対応する空間周波数成分が、該画像信号に当該周期パターンのものと同一の方向の一次元フィルタ処理及びグリッド画像のものに対して垂直な方向の一次元フィルタ処理を施すことにより、該画像信号から抽出される。抽出された空間周波数成分を画像信号から減算することにより、当該画像信号において生じる空間周波数成分が抑圧される。

【発明の概要】

【発明が解決しようとする課題】

【0006】

このように、Ｘ線画像の散乱補正を更に改善する装置及び方法に対する必要性が存在する。

【課題を解決するための手段】

【0007】

本発明の上記目的は、独立請求項の主題により解決され、更なる実施態様は従属請求項に含まれる。本発明の以下に記載される態様は本発明のシステムにも当てはまることに注意すべきである。

【0008】

本発明によれば、重畳された構造化パターンを有するＸ線画像における散乱補正のための装置は、Ｘ線画像受信要素、パターン除去部、及び第１減算モジュールを有し、前記Ｘ線画像受信要素は、重畳された構造化パターンを有するＸ線画像を受信するように構成され、前記パターン除去部は、前記Ｘ線画像から前記構造化パターンを除去して、パターン補正されたＸ線画像を生じさせるように構成され、前記第１減算モジュールは、前記Ｘ線画像から前記パターン補正されたＸ線画像を減算して、構造化パターン画像を生じさせるように構成される。

【0009】

前記パターン補正されたＸ線画像は、前記構造化パターンのないＸ線画像を示す。当該Ｘ線画像が物体（被写体）を有する場合、前記パターン補正されたＸ線画像は該物体を示す。当該Ｘ線画像が物体を有さない場合、前記パターン補正されたＸ線画像はパターン補正された基準画像、即ちフラット（単調）なパターン補正された画像を示す。

【0010】

本発明は、Ｘ線画像取得システムの散乱を低減するために使用される格子（グリッド）に起因する重畳された構造化パターンを有するＸ線画像のコントラストを改善するために使用される。この場合、格子はＸ線画像取得の間における当該Ｘ線画像取得装置からの散乱を低減する。しかしながら、斯かる格子は、Ｘ線画像上にパターン構造を重畳させ、当該画像における全ての散乱を除去することはない。

【0011】

斯かるパターン構造は前記パターン除去部により除去される。補正されたＸ線画像における散乱を更に低減するために、構造化パターン画像においてパターン構造自体が分離される。次いで、該構造化パターン画像における分離されたパターン構造を、パターン補正されたＸ線画像における散乱を更に低減するために使用することができる。構造化パターン画像を解析することにより、当該画像における残存する散乱を決定することができる。このように、構造化パターン画像の助けにより、格子ラインコントラストに起因する散乱を定量化することができる。構造化パターンに起因する散乱の決定の後、構造化パターン画像から決定された散乱を用いて、補正されたＸ線画像を処理することができる。該処理の後、当該補正されたＸ線画像において格子に起因する散乱は低減されるであろう。従って、該更に処理される補正されたＸ線画像のコントラストは改善されるであろう。

【0012】

一例において、当該装置は処理ユニットを有することができ、該処理ユニットは該装置の各要素を制御する。

【0013】

一例において、前記パターン除去部は格子ライン除去ソフトウェアを使用することができる。

【0014】

当該構造化パターンが散乱放射を測定及び補正する目的で導入されるだけでない場合、本発明は、構造化パターンを有するＸ線画像の純粋なソフトウェア補正を改善することができる。

【0015】

更に、当該装置はコントラスト測定ユニットを更に有し、該コントラスト測定ユニットは、前記構造化パターン画像に局部構造コントラスト測定関数を適用して、構造コントラスト画像を生じさせるよう構成される。

【0016】

一例において、前記局部構造コントラスト測定関数は、振幅に対する、絶対値関数、最小関数、最大関数、標準偏差関数、平均関数、中央値関数、又は局部ＦＦＴ関数等を有することができる。上記例の一実施態様において、該局部構造コントラスト測定関数は、例えば１mm²の局部カーネル環境に対して、１mmのカーネル及び構造化パターン画像の絶対値を用いる平均関数としてか、１mmのカーネル及び構造化パターン画像の絶対値を用いる中央値関数としてか、１mmのカーネル内の標準偏差関数としてか、１mmのカーネルを用いる最大と１mmのカーネルを用いる最小との間の差分を提供する差分関数としてか、又は局部高速フーリエ変換（ＦＦＴ）から得られる振幅関数として、実行することができる。

【0017】

他の例において、当該装置はフィルタ要素を更に有し、該フィルタ要素は、フィルタされた構造コントラスト画像を供給する前記構造コントラスト画像のためのローパスフィルタである。

【0018】

他の例において、当該装置は推定ユニットを更に有し、該推定ユニットは前記Ｘ線画像の一次部分（primary fraction）を推定し、該推定は前記フィルタされた構造コントラスト画像に基づくものである。

【0019】

一例において、前記推定ユニットは前記一次部分を、前記フィルタされた構造コントラスト画像とフィルタされた基準構造化パターン画像との間の比に基づいて推定し、該基準構造化パターン画像は、構造化パターンは有するが物体は存在しない基準Ｘ線画像に基づくものである。該基準Ｘ線画像は前記Ｘ線画像と同一の焦点位置を有する。

【0020】

他の例において、当該装置は線形化モジュールを有し、該線形化モジュールは線形化されたパターン補正されたＸ線画像ＸをＸ＝１０^PRE_Gcから決定し、ここでPRE_Gcはパターン補正された画像である。

【0021】

第１実施態様において、散乱補正されたＸ線画像Ｐは、前記一次部分を前記線形化されたパターン補正されたＸ線画像により乗算することにより決定することができる。

【0022】

散乱補正されたＸ線画像を低減されたノイズで供給する第２実施態様において、当該装置は、例えば、当該装置が、決定モジュール及び第２減算モジュールを更に有し、前記決定モジュールは、前記一次部分から決定される散乱部分又は該散乱部分から導出される値に基づいて、フィルタされた散乱信号を供給するように構成され、前記第２減算モジュールが、前記パターン補正されたＸ線画像から前記フィルタされた散乱信号の少なくとも一部を減算して、散乱補正されたＸ線画像を生じさせるように構成されるように実施化される。

【0023】

一例において、前記決定モジュールは、先ず、散乱部分SFを前記一次部分PFからSF=1-PFを用いて決定することができる。次いで、散乱信号SをS=X*SFにより決定することができ、ここで、Xは線形化されたパターン補正されたＸ線画像である。

【0024】

一例において、第２フィルタ装置は相当に大きなフィルタカーネル（即ち、１cmより大きい）を有することができる（S’=LP[S]）。

【0025】

他の例において、第２減算モジュールは線形化されたパターン補正されたＸ線画像から前記散乱信号を減算する（P=X-S’）。

【0026】

他の例において、当該装置は対数ユニットを有し、該対数ユニットは前記散乱補正されたＸ線画像の対数を決定して、出力Ｘ線画像PRE_Gc_Sc=10^Pを得る。

【0027】

他の例において、前記フィルタされた散乱信号を供給するために、前記決定モジュールは前記散乱部分又は該散乱部分から導出された値にローパスフィルタを適用するように構成される。

【0028】

本発明によれば、重畳された構造化パターンを有するＸ線画像における散乱補正のためのシステムは：Ｘ線画像取得装置；及び前述した態様の何れか１つの例による装置；を有し；前記Ｘ線画像取得装置は：構造パターンエレメントを有し；前記Ｘ線画像取得装置は構造化パターン画像成分を有するＸ線画像を供給する。

【0029】

一例において、前記Ｘ線画像取得装置は暗視野Ｘ線画像取得装置である。

【0030】

一例において、前記構造パターンエレメントは、前記Ｘ線画像取得装置のＧ２格子と検出器との間に配置される構造パターン格子とすることができる。

【0031】

他の例において、前記Ｘ線画像取得装置のＧ２格子は散乱線除去エレメントを有することができる。この場合、該散乱線除去エレメントは当該Ｘ線画像取得装置の検出器のナイキスト周波数に近い空間周波数で重ね合わされた条片を有することができる。該重ね合わされた条片は、例えば、Ｇ２格子の幾つかの襞（ラメラ）の高さを増加させることにより実施化することができる。この場合、これらの襞は、増加された高さの襞が結果的Ｘ線画像上に構造化パターンを形成するように選択されねばならない。例えば、１４４μｍなる距離を持つ襞は、高さを５０μｍ増加させることができる。

【0032】

他の例においては、Ｇ２格子のデューティサイクルを変調することができる。１０μｍの周期、５μｍの金属及び５μｍの間隙を持つ格子は、５０％のデューティサイクルを有する。該デューティサイクルは、当該Ｇ２格子が１５０μｍの５０％の第１デューティサイクル及び１５０μｍの６０％の第２デューティサイクル（該第２デューティサイクルは、６μｍの金属及び４μｍの間隙を有する）を交互に有するように変調することができる。この例も、Ｘ線画像上に構造パターンをもたらすことができる。

【0033】

更なる例において、前記構造パターンエレメントは、条片を備えたプレートとすることができる。該プレートは、散乱の定量化のためにＧ２格子と検出器との間に配置することができる。該プレートは、ＰＯＭ又はＰＭＭＡから形成することができ、ピクセル寸法で分離された溝を有することができる。

【0034】

他の例において、前記構造パターンエレメントは振動格子とすることができる。該振動格子は、通常の散乱線除去格子に対して９０度回転された向きを有し、これらを振動格子として使用することができる。構造化パターンは振動にも拘わらず可視であり、従って、本発明は結果的Ｘ線画像からの散乱を低減することができる。固定されたパターンは振動に対してぼかされ、従って、画像は更に改善される。当該システムは、取得処理が実行される態様で修正されることを要さない。

【0035】

他の例において、本発明による散乱補正は、当該システムにおけるソフトウェアオプションである。該システムは、格子認識要素を更に有することができ、該認識要素は、例えばバーコードリーダ等の識別ユニットにより当該格子を識別するように構成される。この場合、本発明による散乱補正は、重畳された構造化パターンを有する画像に自動的に適用することができる。

【0036】

本発明によれば、重畳された構造化パターンを有するＸ線画像における散乱補正のための方法は：ａ）重畳された構造化パターンを有するＸ線画像を受信するステップ；ｂ）パターン除去部により、前記Ｘ線画像から前記構造化パターンを除去して、パターン補正されたＸ線画像を生じさせるステップ；及びｃ）第１減算モジュールにより、前記Ｘ線画像から前記パターン補正されたＸ線画像を減算して、構造化パターン画像を生じさせるステップ；を有する。

【0037】

更に、当該方法は、ｄ）コントラスト測定ユニットにより、前記構造化パターン画像に局部構造コントラスト測定関数を適用して、構造コントラスト画像を生じさせる更なるステップを有する。

【0038】

他の例において、当該方法は、ｅ）推定ユニットにより、前記Ｘ線画像の一次部分を前記構造コントラスト画像に基づいて推定する更なるステップを有する。

【0039】

更に、一例において、当該方法は、ｆ）決定モジュールにより、前記一次部分又は該一次部分から導出される値から、フィルタされた散乱信号を決定するステップ、及びｇ）第２減算モジュールにより、前記パターン補正されたＸ線画像から前記フィルタされた散乱信号の少なくとも一部を減算して、散乱補正されたＸ線画像を生じさせるステップ、を更に有する。

【0040】

他の例において、前記ステップｆ）は、f1）前記フィルタされた信号を供給するために、前記一次部分又は該一次部分から導出された値にローパスフィルタを適用する副ステップを有する。

【0041】

本発明によれば、上述した装置を制御するためのコンピュータプログラム要素も提供され、該コンピュータプログラム要素は、処理ユニットにより実行された場合に、上記記載による方法を実行するように構成される。

【0042】

本発明によれば、コンピュータ読取可能な媒体も提供され、該コンピュータ読取可能な媒体は上述したプログラム要素を記憶している。

【0043】

本発明の上記及び他の態様は、後述される実施態様から明らかとなり、斯かる実施態様に関連して解説されるであろう。

【0044】

以下、添付図面を参照して、本発明の例示的実施態様を説明する。

【図面の簡単な説明】

【0045】

【図1】図１は、本方法の一実施態様の概略フローチャートを示す。

【図2】図２は、重畳された構造化パターンを持つＸ線画像における散乱補正のための装置の概略図を示す。

【図3a】図３ａは、重畳された構造化パターンを持つＸ線画像における散乱補正のためのシステムの一実施態様の概略図を示す。

【図3b】図３ｂは、重畳された構造化パターンを持つＸ線画像における散乱補正のためのシステムの他の実施態様の概略図を示す。

【図4a】図４ａは、構造化パターンエレメントの一実施態様の概略図を示す。

【図4b】図４ｂは、構造化パターンエレメントの他の実施態様の概略図を示す。

【図4c】図４ｃは、構造化パターンエレメントの他の実施態様の概略図を示す。

【図5】図５のａ〜ｄは、フラットＸ線画像（ａ）、物体を有するＸ線画像（ｂ）、パターン補正されたフラットＸ線画像（ｃ）及びパターン補正されたＸ線画像（ｄ）の概略図を示す。

【図6】図６のａ及びｂは、図５のａのフラットＸ線画像からパターン補正されたフラット画像を減算したもの（ａ）及び図５のｂの物体を有するＸ線画像から図５のｄのパターン補正されたＸ線画像を減算したもの（ｂ）の概略図を示す。

【図7】図７のａ及びｂは、図６のａの構造コントラスト画像（ａ）及び図６のｂの構造コントラスト画像（ｂ）の概略図を示す。

【図8】図８のａ及びｂは、図７のａのフィルタされた構造コントラスト画像（ａ）及び図７のｂのフィルタされた構造コントラスト画像（ｂ）の概略図を示す。

【図9】図９は、図８のｂ及び図８のａの商により決定される物体を有するＸ線画像の一次部分の概略図を示す。

【図10】図１０は、図９の１００％からの差分により決定される物体を有するＸ線画像の散乱部分の概略図を示す。

【図11】図１１は、フィルタ処理された図１０の散乱部分の概略図を示す。

【図12】図１２は、図１１のフィルタ処理された散乱部分から導出される散乱信号の概略図を示す。

【図13】図１３は、図１２の散乱信号により決定される散乱補正されたＸ線画像の概略図を示す。

【図14】図１４は、コンピュータ読取可能な媒体上のコンピュータプログラム要素の概略図を示す。

【発明を実施するための形態】

【0046】

当該撮像システム及び装置を更に説明する前に、図１を参照して方法の例を更に詳細に説明する。

【0047】

図１は、本発明の方法１００の一実施態様の概略フローチャートを示す。該フローチャートは、ステップ１０１で及びステップ１１５で開始する２つの枝路を示す。これら枝路はステップ１０６においてつながる。ステップ１０１で開始する枝路は物体を有する重畳された構造化パターンを持つＸ線画像を入力として有する一方、ステップ１１５で開始する枝路は重畳された構造化パターンを持つフラット較正画像を入力として有する。これら入力画像の例が、図５のａ及び図５のｂに示されている。

【0048】

ステップ１０１において、重畳された構造化パターンを有するＸ線画像が受信される。第１実施態様において、該重畳された構造化パターンを有するＸ線画像は、検出器信号の対数に比例する画像データとすることができる。指数関数的吸収により、対数データは検査される物体の形状及び厚さに比例する。斯かる対数画像データは、検出器システムのデフォルト出力である。第２実施態様において、重畳された構造化パターンを有するＸ線画像は、Ｘ線放射に比例する画像データとすることができる。従って、第２実施態様において、該画像データは第１実施態様の線形化された対数データである。

【0049】

ステップ１０２において、重畳された構造化パターンを有するＸ線画像から該重畳された構造化パターンが除去される。該除去は、例えばソフトウェア等のアルゴリズムにより実行することができる。グリッド線（格子ライン）の除去は、当該入力データが第１実施態様からのものであるか又は第２実施態様からのものであるかとは無関係である。当該結果は、パターン補正されたＸ線画像である。該パターン補正されたＸ線画像は、前に除去されなかった幾らかの散乱を有する。パターン補正されたＸ線画像の一例が、図５のｄに示されている。

【0050】

ステップ１０３は、前記重畳された構造化パターンを有するＸ線画像からの前記パターン補正されたＸ線画像の減算を提供する。該減算は、第１減算モジュールにより実行することができる。当該結果は、構造化パターン画像である。該構造化パターン画像は、前記重畳された構造化パターン及び幾らかの散乱された物体データを有する。一例が図６のｂに示されている。

【0051】

ステップ１０４において、上記構造化パターン画像に局部構造コントラスト測定関数が適用される。該局部構造コントラスト測定は、コントラスト測定ユニットにより実行することができる。該局部構造コントラスト測定関数は、絶対値関数、最小関数、最大関数、標準偏差関数、平均関数、中央値関数、又は振幅に対する局部ＦＦＴ関数等とすることができ、記載される実施態様において、該局部構造コントラスト測定関数は絶対値関数である。従って、当該構造化パターン画像の絶対値が局部構造コントラスト測定関数により決定される。当該結果は構造コントラスト画像である。構造コントラスト画像の一例が、図７のｂに示されている。

【0052】

ステップ１０５において、上記構造コントラスト画像にフィルタ要素によりフィルタが適用される。該フィルタ要素はローパスフィルタとすることができる。該ローパスフィルタは、小さなカーネルのローパスフィルタとすることができる。従って、当該構造コントラスト画像から該構造コントラスト画像内の高周波数変動がフィルタ除去される。当該結果は、フィルタされた構造コントラスト画像である。該フィルタされた構造コントラスト画像は、コンプトン散乱の無い最大の構造化パターンコントラストを示す画像となる。該フィルタされた構造コントラスト画像の一例が図８のｂに示されている。

【0053】

ステップ１１５において、重畳された構造化パターンを伴うフラット較正画像が受信される。第１実施態様において、該重畳された構造化パターンを有するフラット較正画像は、検出器信号の対数に比例する画像データとすることができる。該対数画像データは、検出器システムのデフォルト出力である。第２実施態様において、重畳された構造化パターンを有するフラット較正画像は、Ｘ線放射に比例する画像データとすることができる。従って、第２実施態様において、該画像データは第１実施態様の線形化された対数データである。

【0054】

ステップ１１６において、重畳された構造化パターンを有する上記フラット較正画像から該重畳された構造化パターンが除去される。該除去は、例えばソフトウェア等のアルゴリズムにより実行することができる。該構造化パターンの除去は、当該入力データが第１実施態様からのものであるか又は第２実施態様からのものであるかとは無関係である。当該結果は、パターン補正されたフラット画像である。該パターン補正されたフラット画像は、前に除去されなかった幾らかの散乱を有する。パターン補正されたフラット画像の一例が、図５のｃに示されている。

【0055】

ステップ１１７は、前記重畳された構造化パターンを有するフラット較正画像からの上記パターン補正されたフラット画像の減算を提供する。該減算は、第１減算モジュールにより実行することができる。当該結果は、フラットな構造化パターン画像である。該フラットな構造化パターン画像は、前記重畳された構造化パターンを有する。一例が図６のａに示されている。

【0056】

ステップ１１８において、上記フラットな構造化パターン画像に局部構造コントラスト測定関数が適用される。該局部構造コントラスト測定は、コントラスト測定ユニットにより実行することができる。該局部構造コントラスト測定関数は、絶対値関数、最小関数、最大関数、標準偏差関数、平均関数、中央値関数、又は振幅に対する局部ＦＦＴ関数等とすることができ、記載される実施態様において、該局部構造コントラスト測定関数は絶対値関数である。従って、当該フラット構造化パターン画像の絶対値が局部構造コントラスト測定関数により決定される。当該結果はフラット構造コントラスト画像である。フラット構造コントラスト画像の一例が、図７のａに示されている。

【0057】

ステップ１１９において、上記フラット構造コントラスト画像にフィルタ要素によりフィルタが適用される。該フィルタ要素はローパスフィルタとすることができる。該ローパスフィルタは、小さなカーネルの（即ち、１mm以下の）ローパスフィルタとすることができる。従って、当該フラット構造コントラスト画像から該フラット構造コントラスト画像内の高周波数変動がフィルタ除去される。当該結果は、フィルタされたフラット構造コントラスト画像である。該フィルタされたフラット構造コントラスト画像は、コンプトン散乱の無い最大の構造化パターンコントラストを示す画像となる。フィルタされたフラット構造コントラスト画像の一例が図８のａに示されている。

【0058】

ステップ１０５のフィルタされた構造コントラスト画像及びステップ１１９のフィルタされたフラット構造コントラスト画像はステップ１０６の入力となり、該ステップは、推定ユニットにより、重畳された構造化パターンを有するＸ線画像の一次（原始）部分を推定する。該一次部分の推定は、前記フィルタされた構造コントラスト画像及び前記フィルタされたフラット構造コントラスト画像の商を決定することにより実行される。フィルタされた構造コントラスト画像が、フィルタされたフラット構造コントラスト画像により除算される。一次部分の一例が、図９に示されている。該一次部分は、如何なる散乱も有さないＸ線放射である一次放射及び重畳された構造を持つＸ線画像の全信号の商である。更に、該一次放射は可視画像に貢献するＸ線放射である。このように、該一次部分は、全画像における一次放射の割合、即ち重畳された構造化パターンを有するＸ線画像の線形バージョンである。全画像のうちの他の部分は、散乱放射である。該散乱放射及び一次放射の和が、全画像となる。

【0059】

ステップ１０７において、全画像における散乱放射の割合を決定する散乱部分が、前記一次部分により決定される。該決定は、当該一次部分を１００％、即ち１から減算することにより実行することができる。散乱部分の一例が図１０に示されている。

【0060】

ステップ１０８において、上記散乱部分は、大きなカーネル、即ち少なくとも１cmを有するローパスフィルタによりフィルタされる。フィルタされた散乱部分の一例が図１１に示されている。

【0061】

ステップ１１４は、パターン補正されたＸ線画像の線形バージョンを供給する。

【0062】

ステップ１０９においては、前記フィルタされた散乱部分を上記パターン補正されたＸ線画像の線形バージョンに乗算することにより、該フィルタされた散乱部分から散乱信号が導出される。該散乱信号の一例が図１２に示されている。

【0063】

ステップ１１０において、１より小さい係数が上記散乱信号に乗算される。このことは、結果的な補正された画像に幾らかの散乱を残存させる。このことは、通常は幾らかの散乱を示す普通のＸ線画像に外観が類似するような結果的補正画像を提供するために実行することができる。従って、散乱信号の一部のみが、当該パターン補正されたＸ線画像から散乱を除去するために使用される。ステップ１１０はオプションである。散乱信号の一部を決定するために、更なる関数、例えばSF’=SF-beta*SF²（ここで、betaは０.１〜０.５の範囲内、好ましくは０.３であり、SFは前記散乱部分である）を用いることができる。

【0064】

ステップ１１１において、ステップ１１０の散乱信号及びステップ１１４からのパターン補正されたＸ線画像の線形バージョンから、補正された一次信号が決定される。

【0065】

ステップ１１２において、該補正された一次信号の対数が決定され、結果として、散乱補正されたＸ線画像が得られる。散乱補正されたＸ線画像の一例が図１３に示されている。

【0066】

ステップ１１３において、上記散乱補正されたＸ線画像はディスプレイにより操作者に提供することができる。

【0067】

図２は、Ｘ線画像における散乱補正のための装置１を示し、該Ｘ線画像は重畳された構造化パターンを有している。該装置は、Ｘ線受信要素１０、パターン除去部１１、第１減算モジュール１２、コントラスト測定ユニット１３、フィルタ要素１４、推定ユニット１５、決定モジュール１６、線形化モジュール１６１、第２減算モジュール１７、出力ユニット１８及び処理ユニット１９を有する。

【0068】

Ｘ線受信要素１０は、Ｘ線取得装置から画像データを受信することができるインターフェースであり得る。このことは、該Ｘ線受信要素１０が当該画像データをデータ記憶部から受信し、又はＸ線取得装置から直接受信することができることを意味する。Ｘ線受信要素１０はＸ線取得装置により発生される生データを、又は処理された生データである前処理されたデータを受信することができる。更に、Ｘ線受信要素１０は重畳された構造化パターンを有する画像データを受信することができる。重畳された構造化パターン３１は、Ｘ線画像取得装置における構造パターンエレメント又はＸ線画像取得装置における散乱除去エレメントの影響であり得る。供給されるＸ線画像３０，４０は、如何なる物体データも有する必要はない。該画像は、フラット（単調）なＸ線画像３０又は物体データを有するＸ線画像４０とすることができる。

【0069】

パターン除去部１１は、Ｘ線受信要素１０から受信されたＸ線画像３０，４０を処理する。該パターン除去部１１は、重畳された構造化パターン３１を有するＸ線画像３０，４０から、重畳された構造化パターン３１を除去する。該パターン除去部１１は、パターン補正されたＸ線画像３３，４３を供給する。

【0070】

第１減算モジュール１２は、パターン補正されたＸ線画像３３，４３をＸ線画像４０から減算して、構造化パターン画像３２，４２を供給する。該構造化パターン画像３２，４２は、Ｘ線画像３０，４０から構造化パターン３１が除去されたものを有する。更に、該構造化パターン画像３２，４２は、パターン除去部１１により除去されなかった散乱データを有する。散乱データは、撮像されるべき物体から又は前記Ｘ線画像取得装置の散乱除去エレメントから生じ得る。

【0071】

コントラスト測定ユニット１３は、上記構造化パターン画像３２，４２に局部構造コントラスト測定関数を適用する。該局部構造コントラスト測定関数は、絶対値関数、最小関数、最大関数、標準偏差関数、平均関数、中央値関数、又は振幅に対する局部ＦＦＴ関数等とすることができる。この実施態様において、該局部構造コントラスト測定関数は絶対値関数であり得る。構造化パターン画像３２，４２からの絶対値を供給する局部構造コントラスト測定関数の結果、構造コントラスト画像３４，４４が得られる。

【0072】

フィルタ要素１４は、小さなカーネルを有するローパスフィルタである。該フィルタ要素１４は、構造コントラスト画像３４，４４をフィルタする。このことは、当該コントラストの高周波数変化がフィルタ除去され、当該画像には低周波数コントラスト変化のみが残ることを意味する。このことは、当該画像データが平滑化されることを意味する。当該結果は、フィルタされた構造コントラスト画像３６，４６である。

【0073】

推定ユニット１５は、Ｘ線画像４０の一次部分４８を、上記フィルタされた構造コントラスト画像３６，４６に基づいて推定する。該一次部分の推定は、物体を有する第１のフィルタされた構造コントラスト画像４６及び物体を有さない基準画像である第２のフィルタされた構造コントラスト画像３６でもって実行される。

【0074】

決定モジュール１６は、上記一次部分４８に基づいて、フィルタされた散乱信号５４を供給する。一次部分４８から開始して、散乱部分５０を前記パターン補正された画像の全信号と一次部分４８との間の差から導出することができる。例示的な第１実施態様において、該散乱部分５０は大きなカーネルを持つローパスフィルタによりフィルタされ、次いで、散乱信号５２が該散乱部分５０及び線形化されたパターン補正されたＸ線画像から導出され、ここで、該線形化されたパターン補正されたＸ線画像は線形化モジュール１６１により供給することができる。例示的な第２実施態様において、前記散乱部分５０は上記線形化されたパターン補正されたＸ線画像により乗算されて、散乱信号５２を生じる。次いで、該散乱信号５２は大きなカーネルを有するローパスフィルタによりフィルタされる。

【0075】

第２減算モジュール１７は、前記パターン補正されたＸ線画像４３から、フィルタされた散乱信号５４の少なくとも一部を減算する。当該結果は、散乱補正されたＸ線画像５６である。該散乱補正されたＸ線画像５６は、前記パターン補正されたＸ線画像４３より高いコントラストを有する。何故なら、前記散乱部分又は散乱信号における散乱データの当該処理は、該散乱部分又は散乱信号における散乱のコントラストを、フィルタされた散乱信号の如何なるノイズも加えることなく向上させるからである。従って、パターン補正されたＸ線画像４３からのフィルタされた散乱信号の減算は、散乱を非常に効率的に除去する。

【0076】

出力ユニット１８は、上記散乱補正されたＸ線画像５６を出力することができる。該出力ユニット１８は、ディスプレイ又は該散乱補正されたＸ線画像５６のデータを供給するインターフェースとすることができる。

【0077】

処理ユニット１９は、Ｘ線受信要素１０、パターン除去部１１、第１減算モジュール１２、コントラスト測定ユニット１３、フィルタ要素１４、推定ユニット１５、決定モジュール１６、第２減算モジュール１７及び出力ユニット１８を制御することができる。

【0078】

図３ａは、重畳された構造化パターンを持つＸ線画像における散乱補正のためのシステム２を示す。該システムは、Ｘ線画像取得装置２０及び上記記載による装置１を有する。Ｘ線画像取得装置２０は、Ｘ線放射源２６及びＸ線検出器２３を有する。Ｘ線放射源２６により放出されるＸ線放射はＧ０格子２５を介して伝搬する。次いで、該Ｘ線放射は、更に、Ｇ１格子２４を介して、次いで、Ｇ２格子２２を介して伝搬する。この実施態様において、Ｇ２格子２２は構造パターンエレメント２１を有することができる。該構造パターンエレメント２１は、Ｘ線検出器２３により検出される画像に構造パターンを重畳する。該Ｘ線検出器２３により検出される画像データは装置１に供給される。

【0079】

図３ｂによる他の実施態様において、構造パターンエレメント２１はＧ２格子２２とＸ線検出器２３との間に位置される。

【0080】

更なる実施態様（図示略）において、当該システムは振動格子（oscillating grid）を有することができる。ソフトウェア格子モデルのパラメータは、本発明によれば測定を用いて調整される。多数の生データが記憶され得る。オフライン評価において、散乱モデルの所謂カーネルパラメータが、測定された散乱の結果に合致するように調整されるであろう。これらの改善されたパラメータは、通常の振動格子により取得される画像に適用することができる。

【0081】

図４ａは、構造パターンエレメント２１の例示的第１実施態様を示す。該構造パターンエレメント２１は、襞（ラメラ）２１０を有するプレートとすることができる。これら襞２１０は、互いに同一の距離を有する。更に、襞２１０は、取得されるＸ線画像上に重畳された構造化パターンをもたらすのに十分な幅を有する。

【0082】

図４ｂによる他の例示的実施態様において、襞２１０の高さは変調させることができる。このことは、例えば、４つ置きの襞２１１が、これら襞２１０の残りのものより高いことを意味する。４番目の襞２１１の間の距離は、約１５０μｍとすることができる。襞２１０に対する襞２１１の高さの増分は、約５０μｍとすることができる。

【0083】

図４ｃによる他の例示的実施態様においては、襞２１０のデューティサイクルを変調することができる。このことは、構造パターンエレメント２１が、印刷された襞２１０を有する領域及び斯かる襞２１０より広い襞２１２を有する領域を有することを意味する。更に、襞２１２の間の空き空間は、襞２１０の間の空間より小さい。襞２１０の領域及び襞２１２の領域は、襞２１２の領域が襞２１０の各領域に後続し又はその逆となるように交互に位置し得る。

【0084】

図５のａは、重畳された構造化パターン３１及びフラットな散乱パターン３５を有するフラットなＸ線画像３０を示す。該フラットＸ線画像３０は、如何なる物体データも有さず、基準画像として用いることができる。該フラットＸ線画像３０は、回転対称関数Ｃ０を用いてパラメータ化することができる。この関数Ｃ０のパラメータは線源受像器間距離（ＳＩＤ）、最大値、半径及び中心位置であり得る。測定値を用いて、ＳＩＤを有する半径、基準としての最大電圧値、又は例えば４０°等の当該Ｘ線ビームのチルト値を記述する角形成によるパラメータとしての角形成を有する中心位置等の関数を得ることができる。これら関数の全ては当該システムとは独立のものであり、従って、Ｃ０に対する較正画像の数は約１に限定することができる。当該補正は実際のＣ０画像の代わりに関数Ｃ０を使用するであろう。関数Ｃ０を用いて、単一のフラットＸ線画像３０は、幾つかのＸ線画像４０の処理のための基準として機能することができる。

【0085】

例えば、フラット画像における最大格子コントラストを測定することができる。これによれば、Ｘ線画像におけるのと同一の電圧及びフィルタ処理を用いることができる。その結果は、基準構造コントラスト値である。該基準構造コントラスト値は、電圧に依存する。電圧が高いほど、コントラストは低くなる。このことは、電圧依存性を較正し、変換のためにルックアップテーブルを使用することを可能にする。

【0086】

格子コントラストは、時間に対して一定であるシステム変調伝達関数ＭＴＦに依存する。二次元画像を用いて、二次元最大格子コントラスト測定は、焦点までの距離が当該格子に対して指定された通りでない場合に該格子のエッジで発生する格子コントラストの偏差を考慮に入れることができる。

【0087】

一例において、二次元最大格子コントラスト測定は一定値により置換することができる。この実施態様は、残存する散乱が完全には、即ち１００％の係数では補正されないであろうが、１００％未満の係数による一層穏やかな補正として実施される故に、適用可能である。

【0088】

図５のｂは、物体４１及び重畳された構造化パターン３１を有するＸ線画像４０を示す。更に、該Ｘ線画像４０は散乱パターン４０１を有する。当該物体４１は、異なるコントラストを持つ幾つかの領域４１０、４１１及び４１２を有する。これら領域４１０、４１１及び４１２も、散乱パターン４０１の一部を有する。

【0089】

図５のｃは、図５のａのフラットＸ線画像３０から導出されたパターン補正されたフラットＸ線画像３３を示す。該パターン補正されたフラットＸ線画像３３は、フラットＸ線画像３０における重畳された構造化パターンを除去するソフトウェアアルゴリズムであり得るパターン除去部により処理することができる。パターン補正されたフラットＸ線画像３３は、依然として、フラット散乱パターン３５を有する。

【0090】

図５のｄは、図５のｂの物体を有するＸ線画像４０から導出されたパターン補正されたＸ線画像４３を示す。該パターン補正されたフラットＸ線画像４３は、Ｘ線画像４０における重畳された構造化パターンを除去するソフトウェアアルゴリズムであり得るパターン除去部により処理することができる。該パターン補正されたＸ線画像４３は、依然として、散乱パターン４０１を有する。更に、該パターン補正されたＸ線画像４３は、領域４１０、４１１及び４１２を伴う物体４１を有する。これら領域４１０、４１１及び４１２は、散乱パターン４０１の一部を有する。

【0091】

図６のａは、パターン除去部１１によりフラットＸ線画像３０から除去された重畳された構造化パターン３１を有するフラット構造パターン画像３２を示す。該フラット構造パターン画像３２は、第１減算モジュール１２により、フラットＸ線画像３０からフラットパターン補正Ｘ線画像３３を減算することにより取得される。該フラット構造パターン画像３２は、基準画像となる。

【0092】

図６のｂは、重畳された構造化パターン３１及びＸ線画像４０の物体４１からの幾らかの散乱データ４１３、４１４及び４１５を有する構造化パターン画像４２を示す。散乱データ４１３、４１４及び４１５は、各々、Ｘ線画像４０の領域４１０、４１１及び４１２からの散乱データである。該構造化パターン画像４２は、第２減算モジュール１２により、パターン補正されたＸ線画像４３をＸ線画像４０から減算することにより取得される。

【0093】

図７のａは、局部コントラスト測定ユニット１３により局部コントラスト測定関数を用いてフラット構造パターン画像３２から導出されたフラット構造コントラスト画像３４を示す。該構造パターン画像３２のモードは、パターン除去部１１のパターン除去アルゴリズムに依存する。幾つかの除去アルゴリズムは、平均でゼロとなる構造パターン画像３２を提供する。他の除去アルゴリズムは、平均で最大半量を有する構造パターン画像３２を提供する。局部コントラスト測定関数は、除去アルゴリズムに依存して選択される。説明される例において、除去アルゴリズムは平均でゼロとなる構造パターン画像３２を提供する。このように、該局部コントラスト測定関数は、構造パターン画像３２の絶対値を決定する絶対値関数とすることができる。

【0094】

図７のｂの構造コントラスト画像４４にも同様のことが当てはまる。従って、構造コントラスト画像４４は、フラット構造コントラスト画像３４と同じやり方で取得される。該構造コントラスト画像４４のソースは、局部コントラスト測定ユニット１３により上述したようなやり方で処理された構造化パターン画像４２である。該構造コントラスト画像４４は、重畳された構造化パターン３１並びにＸ線画像４０の領域４１０、４１１及び４１２からのコントラストデータ４１６、４１７及び４１８を有する。

【0095】

図８のａにおいて、フィルタ要素１４により図７のａのフラット構造コントラスト画像３４に対し、小さなカーネルを持つローパスフィルタが適用される。該ローパスフィルタの処理は、フラット構造コントラスト画像３４における高周波数状態をフィルタ除去する。その結果は、フィルタされたフラット構造コントラスト画像３６である。本例において、フラット構造コントラスト画像３４は、当該画像の角部に高周波数状態を有する。これらの変動はフラット構造コントラスト画像３６でフィルタ除去され、このことは該フラット構造コントラスト画像３６の空白の角領域で明らかとなっている。

【0096】

図８のｂは、フィルタ要素１４により小さいカーネルを持つローパスフィルタを用いて構造コントラスト画像４４をフィルタ処理することにより導出されたフィルタされた構造コントラスト画像４６を示す。本例において、当該画像データにおける高周波数変動の除去は、構造コントラスト画像４４のコントラストデータ４１６、４１７及び４１８の構造を強化することができ、これが、該フィルタされた構造コントラスト画像４６のフィルタされたコントラストデータ４１９、４２０及び４２１に見られる。更に、本例において、該フィルタされた構造コントラスト画像４６の角領域は空白であり、このことは、構造コントラスト画像４４が角領域に高周波数変動を有することを示す。

【0097】

図９は、Ｘ線画像４０の一次部分４８を示す。該一次部分４８は、前記フィルタされたフラット構造コントラスト画像３６による前記フィルタされた構造コントラスト画像４６の除算により得られる。当該一次部分４８内には、該一次部分４８におけるＸ線画像４０の前記物体の位置に一次部分領域４２２、４２３及び４２４が示されている。

【0098】

当該画像の一次部分ＰＦは、更に、鉛の背後には一次放射線は存在せず、従って、見える構造化パターンは存在せず、且つ、ＰＦ＝０であると定義することができる。如何なる物体もない直接放射において、構造化パターンの可視性は最大である。ピーク間コントラスト（peak-peak-contrast）は、当該システムの変調伝達関数ＭＴＦのみにより制限され、例えば、２５％である。対数画像において、このことは、露出に無関係な一定のピーク間差分（peak-peak-difference）となる。

【0099】

一次部分４８は、図１０に示されるような散乱部分５０を決定するために使用することができる。散乱部分５０は一次部分４８の言わば陰画である。一次部分４８の散乱部分による加算は、１となるからである。一次部分領域４２２、４２３及び４２４のコントラストは、散乱部分領域４２５、４２６及び４２７を示す散乱部分５０では反転されている。

【0100】

図１１は、散乱部分５０を大きなカーネルを有するローパスフィルタでフィルタ処理する結果から得られるフィルタされた散乱部分５２を示す。図１１に示されるように、前記散乱部分領域４２５、４２６及び４２７は、フィルタされた散乱部分領域４２８、４２９及び４３０へと不鮮明にされている。当該フィルタ処理により、フィルタされた散乱部分領域４２８、４２９及び４３０の間のコントラストは散乱部分領域４２５、４２６及び４２７の間のコントラストより高くなる一方、フィルタされた散乱部分５２におけるノイズは散乱部分５０におけるものと同一である。

【0101】

図１２は、フィルタされた散乱部分５２から導出された散乱信号５４を示す。散乱信号５４を決定するために、前記フィルタされた散乱部分５２は、線形化されたパターン補正Ｘ線画像４３に対して乗算される。散乱信号５４は、フィルタされた散乱領域４３１、４３２及び４３３により物体４１を示している。更に、散乱信号５４は、フィルタされた散乱パターン４０２を有している。

【0102】

図１３に示される散乱補正されたＸ線画像５６は、散乱信号５４を線形化パターン補正Ｘ線画像４３から減算すると共に、該結果に対数を適用することにより導出される。前記散乱データをフィルタ処理する（本例では、散乱部分５０のフィルタ処理）ことによる散乱信号５４の決定により、散乱信号５４は高いコントラストを有する。従って、高コントラストの散乱信号５４を線形化パターン補正Ｘ線画像４３から減算することにより、結果的画像のコントラストも高くなる。第１実施態様においては、決定された全散乱信号５４を線形化パターン補正Ｘ線画像４３から減算することができる。このことは、散乱信号５４により決定される全散乱がパターン補正Ｘ線画像４３から除去されることを意味する。このことは、金属物体の背後の全ての画像データの除去（即ち、画像データがゼロに等しい）につながり得る。減算された画像には対数が適用されるので、ゼロ値はエラーを生じ得る。従って、第２実施態様によれば、散乱信号５４の一部のみが、線形化パターン補正Ｘ線画像４３から減算される。かくして、当該散乱の殆どは除去されるが、結果的散乱補正Ｘ線画像５６には幾らかの散乱が残存する。このことは、金属物体の背後のゼロ値を、当該画像の対数が適切に補正された画像を示すようにして、回避する。限定散乱補正SF’を提供するための好ましい式は、SF’=SF-beta*SF²であり、ここで、betaは０.１〜０.５の範囲内、好ましくは０.３であり、SFは散乱部分５０である。他の例において、散乱部分５０は、該散乱部分５０が閾値を超えた場合に、一定値に制限することができる。該一定値は閾値と同一とすることができる。

【0103】

図１４による本発明の他の例示的実施態様においては、適切なシステム上で前記実施態様の１つによる方法１００のステップを実行するように適合化されることを特徴とするコンピュータプログラム又はコンピュータプログラム要素が提供される。

【0104】

従って、コンピュータプログラム要素１９１は、本発明の一実施態様の一部であり得るコンピュータユニット上に記憶され得る。このコンピュータユニットは、前記方法のステップを実行し又は実行を誘起するように構成することができる。更に、該コンピュータユニットは、前述した装置の構成要素を動作させるように構成することができる。該コンピュータユニットは、自動的に動作し及び／又はユーザの命令を実行するように構成することができる。コンピュータプログラムは、データプロセッサ１９の作業メモリにロードすることができる。該データプロセッサ１９は、このように、本発明の方法を実行するように装備することができる。

【0105】

本発明の該例示的実施態様は、最初から本発明を使用するコンピュータプログラム及び更新により既存のプログラムから本発明を使用するプログラムに変化するコンピュータプログラムの両方をカバーする。

【0106】

更に、上記コンピュータプログラム要素１９１は、前述した方法の例示的実施態様の手順を満たすために必要な全てのステップを提供することができる。

【0107】

本発明の他の例示的実施態様によれば、ＣＤ−ＲＯＭ等のコンピュータ読取可能な媒体が提供され、該コンピュータ読取可能な媒体は先の段落により説明されたコンピュータプログラム要素を記憶している。コンピュータプログラムは、光記憶媒体又は他のハードウェアと一緒に若しくは他のハードウェアの一部として供給される固体媒体等の適切な媒体により記憶及び／又は分配することができるのみならず、インターネット又は他の有線若しくは無線通信システムを介して等のように他の形態で分配することもできる。

【0108】

しかしながら、前記コンピュータプログラムは、ワールドワイドウェブ等のネットワークを介して提供することもできると共に、このようなネットワークからデータプロセッサの作業メモリにダウンロードすることができる。本発明の他の例示的実施態様によれば、コンピュータプログラム要素をダウンロードして利用可能にするための媒体が提供され、ここで、該コンピュータプログラム要素は本発明の前述した実施態様の１つによる方法を実行するように構成される。

【0109】

本発明の実施態様は異なる主題に関連して説明されていることに注意すべきである。特に、幾つかの実施態様は方法のタイプの請求項に関連して説明され、他の実施態様は装置のタイプの請求項に関連して説明されている。しかしながら、当業者であれば、上記及び以下の説明から、そうでないと言及しない限り、１つのタイプの主題に属するフィーチャの如何なる組み合わせにも加えて、異なる主題に関するフィーチャの間の如何なる組み合わせも本出願により開示されていると見なされることが分かるであろう。しかしながら、全てのフィーチャは、斯かるフィーチャの単なる寄せ集め以上の相乗効果を奏するように組み合わせることができる。

【0110】

以上、本発明は図面及び上記記載において詳細に図示及び説明されたが、このような図示及び説明は解説的又は例示的なもので、限定するものではないと見なされるべきである。即ち、本発明は開示された実施態様に限定されるものではない。開示された実施態様の他の変形例は、当業者によれば、請求項に記載された本発明を実施するに際して図面、当該開示及び従属請求項の精査から理解し、実行することができる。

【0111】

尚、請求項において、“有する”なる文言は他の要素又はステップを排除するものではなく、単数形は複数を排除するものではない。また、単一のプロセッサ又は他のユニットは、請求項に記載された幾つかの項目の機能を満たすことができる。また、特定の手段が互いに異なる従属請求項に記載されているという単なる事実は、これら手段の組み合わせを有利に使用することができないということを示すものではない。また、請求項内の如何なる符号も、当該範囲を限定するものと見なしてはならない。

【図1】

【図2】

【図3a】

【図3b】

【図4a】

【図4b】

【図4c】

【図5a)】

【図5b)】

【図5c)】

【図5d)】

【図6a)】

【図6b)】

【図7a)】

【図7b)】

【図8a)】

【図8b)】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】