状 态指示一起提供系统紧急停止137和重置功能，状态指示诸如指示系统处于自动模式还是 手动超越模式的指示器138以及可以指示是否发生故障的报警灯139。在一些实施例中，远 程控制面板93可以允许操作员运行系统的各方面的测试140,包括对报警灯功能测试X射 线以及测试当X射线接通时指定给信号的可听报警信号。
[0076] 图12示出了在货盘33以相对检测器阵列2a至2g的固定角度从系统的入口到出 口的单次平移过检（S4)之后使用图1至4中所示的实施例获取的X射线透射图像。图12 中的七个图像131至137中的每个表示来自单个检测器阵列2a至2g的数据，其中图像131 获取自检测器阵列2a处的信号，图像132获取自检测器阵列2b处的信号，图像133获取自 检测器阵列2c处的信号，等等。因而，每个图像按某一角度彼此偏移。获取自检测器阵列 2d处的信号的图像134以垂直于货盘33的平移方向的角度提供货盘33的竖直横截面。每 个图像131至137可以具有如所示出的彩色格式，使得颜色编码符合X射线透射图像显示 的工业标准惯例，其中给定像素的计算的有效原子序数被表示为特定颜色，有机材料被显 示为橙色，无机材料被显示为绿色，而金属被显示为蓝色。
[0077] 图13示出了使用图1至4中所示的实施例获取的重建体积X射线数据的图像渲 染。针对该3D信息提供与图12相似的观看角度141至147,并且如上文讨论的，从货盘33 以相对于检测器阵列2a至2g的四个离散角度的四次过检得到重建体积图像。
[0078] 为了能够从典型地以恒定数据线获取周期获取的线扫描数据重建表示货盘或容 器的三维体积图像，通过在平移期间使每个投影视图相对于平移和旋转台34到达固定参 考位置的相对定时在时间或位置上左移或右移，可以登记每个投影视图。在当前实施例中， 固定参考位置被限定为平移和旋转台34在与中心扇形波束3d对准时的旋转中心的位置。 可以使用其他适当的参考位置。参照图9和12,通过从可编程逻辑控制器（PLC)系统61向 数据获取PC中的ADC板提供准确性优于一个线扫描数据获取线的周期或位置位移的定时 或位置信号来完成该登记。如本领域已知的，PLC定时信号得自从平移系统伺服驱动器53 读出的定时或位置参考。投影图像中易见并且附加到平移和旋转台34的物理参考点，诸如 受信定位销，可以用于视觉校准和验证登记。可以在一个平移台时间或位置，诸如在台34 的旋转中心到达给定扇形波束3时，或者在平移台34的整个运动范围期间的包括与每个线 扫描周期对应的一个定时或位置信号的多个位置处，提供定时或位置信号。还注意，如果向 重建处理提供等同的定时或位置信息并且作为重建处理的一部分完成了空间登记，则在重 建之前不需要登记投影数据集。
[0079] 图1的实施例和以上描述的其他实施例的新型几何特征便利了货盘内容物的高 效X射线采样。图1的新型几何特征可以被称为线扫描采样圆锥波束投影几何特征（LSCB) 并且在源1的相对线性运动151期间，如图15中所示，通过货盘33的采样的X射线线积分 被聚合到从虚拟区域检测器150获取的p个n*m投影数据集中。在给定时刻获取来自扇形 波束3a(扇形波束3a用作该实施例中的示例，但是该扇形波束可以是扇形波束3a_3g中 的任何扇形波束）的线扫描数据，并且源的相对线性位移提供了整个2D投影数据集p的获 取。该采样几何特征中的虚拟区域检测器150的辐射圆锥孔隙约为40°，65°聚合所有视 图；然而通过与货盘体积和/或源的指定相对运动组合的、X射线圆锥通量的线扫描扇形波 束准直，实现了检测器传感器（即，检测器元件）的经济性。
[0080] 不同于传统的CT方法，LSCB假定货盘体积的不完整的径向采样，接受在这些实施 例中通过有序子集-可分离抛物面型替代（OSSPS)计算的数学不适定重建问题。在每次迭 代中，该方法找到代替的目标函数，在该目标函数被最大化时保证原始目标的最优化；这样 做是为了减小应对原始目标函数的复杂度。在图1和15的实施例中，物理上运动的货盘体 积被同时采样作为P个平面，每个线扫描检测器阵列（视图）一个平面。每个平面P或虚拟 区域检测器150是m行平行波束独立X射线通量估计系统，在相对运动期间对来自X射线 焦斑1的不均匀的但是归一化的发射采样。相似地，跨越每个检测器阵列2a至2g竖直地 获取多个η个线积分样本。额定20cm/s的有规律的相对货盘体积运动和额定166Hz的检 测器阵列线扫描数据速率使P个平面就位用于第m+1行样本，并且因而并行地获取对货盘 体积采样的P个n*m投影数据集，其中p如图1的实施例中假定的是7。166Hz的线扫描数 据获取速率可以为线扫描检测器阵列2a至2g的每个检测器元件提供2至3倍的过采样。
[0081] 图14示出了表示根据本发明的实施例的重建方法的流程图。在重建（S21)之前 的预处理步骤（S20)中，来自图1中描述的固有L形检测器几何特征空间的投影数据可以 被投影到平面虚拟检测器阵列160以简化重建方法实现并且为了重建的速度和计算效率， 如图16中所示的那样。测量的X射线通量在几何上被映射到计算平面160上的离散元素 (m'，η'，p'），使得物理检测器阵列的不均匀的线性检测器分布150被转换成均匀的线性检 测器分布160。完成这种重新分级（re-binning)以保留适当的采样并且提供计算结构。在 另一实施例中，给定投影到虚拟空间的固有检测器的坐标，可以构建表示数据的插值函数， 作为诸如三角或四角的二维的紧凑支持网格（compact support mesh)上限定的基函数的 组合。一旦数据已被插值到虚拟检测器元件160的均匀分布上，则可以进行重建。通过以 这种方式映射到虚拟检测器平面160，线积分放大、线积分入射角、线-线-积分散布和其他 几何因素的元素被优选地评估、跟踪并且并入到重建中。
[0082] 对于重建（S21)，实施例可以采用统计迭代重建方法，其同时更新立体像素。同时 更新方法由于它们的可缩放性和易于在图形处理单元（GPU)硬件中实现而是优选的；每个 立体像素可以通过单个GPU线程更新。即便收敛所需的迭代次数可以高于依次更新方法， 并行化实现可以仍极大地减少每次迭代的执行时间。由于重建方法的统计本质，假设关于 数据和检测器噪声的模型。可以使用的最一般的假设是关于观测到的X射线光子的泊松 (Poisson)统计。
[0083] 给定观测数据集，统计重建方法可以估计使条件密度最大的衰减系数（最大后验 或惩罚似然估计）。在均匀先验假设下，该估计问题可以缩减至最大似然（ML)，其中使似然 函数，即给定参数估值的获取测量结果的概率最大。这些类型的最优化问题不易于求解， 并且通常没有封闭形式的解。因此迭代方法是优选的，并且可以使用简化的有序凸子集 (OSC)或更易理解的有序子集-可分离抛物面型替代（OSSPS)方法。下面的式I(OSC)和式 2 (OSSPS)描述了重建方法，并且重建方法可以分成两步：前向投影（S22)和后向投影（S23) (更新步骤）。在重建（S21)期间，OSSPS或OSC通过分级比较来细化候选货盘体积衰减分 布。每个体积被前向投影（S22)以估计将生成其的投影子集。该子集与虚拟检测器数据集 中的每个给定投影位置的实际测量数据进行比较。差项被后向投影到图像空间（S23)并且 被适当地缩放以便更新当前估值。当确认收敛时可以使用停止标准来终止迭代。
[0084] 可以逐个射线实现前向投影（S22)，其中原点是源1并且目标是特定检测器元件 173,如图17中所示。给定射线在其从源1行进通过物体到达检测器板10中的给定检测器 元件173时被衰减。在一些实施例中，诸如图17中所示的距离驱动投影器，立体像素172投 影到给定检测器元件173上的占地面积或阴影171确定离散化线性模型中的贡献权重。这 种离散化是沿着射线的衰减系数分布的线积分的近似，并且积分的输出表示总吸收。这可 以用于计算特定检测器元件173检测到的预期光子数。在式1和2中，在差项（分子）和 比例项（分母）二者中使用前向投影值。
[0085] 后向投影步骤（S23)包括使用来自前向投影（S22)的测量数据和计算数据来更新 图像估值。找到与立体像素172相交的射线以便查找对特定立体像素172有贡献的检测器 元件。在图17的实施例的距离驱动投影器中，替代地使用检测器173在图像体积空间174 上的占地面积170。使用检测器对立体像素172的贡献作为后向投影权重对测量结果和计 算投影之间的差进行后向投影。在分母中进行同一后向投影步骤（S23)。随后通过归一化 因子对差图像进行缩放并且将其添加到当前估值。
[0086] 除了并行化实现之外，可以使用图1的实施例中的有序子集方法来加速重建处理 (S21)。通过有序子集，投影被分区成子集；因此，仅使用当前子集中的射线而非使用完整的 数据集来计算更新。存在可用于组装各分区的多种标准；例如，在这些实施例中，对于图1 的实施例的七个数据平面P，每个子集包括关于单次过检的数据，即货盘旋转角度。可以使 用其他子集标准用于图像质量优化。对于给定迭代，可以在数目等于子集数目的子迭代中 依次实现图像更新。将使用当前子集更新用作随后的子集的起始估值的图像估值。下一次 迭代将在已处理所有子集并且将所有子集包括在更新之后开始。来自最后子集的更新图像 将被用作下一次迭代的初始估值。该方法可以继续其迭代直至达到收敛为止。一个这样的 收敛标准可以是在两个连续的图像估值之间的均方误差落在阈值以下时停止。另一适当的 停止标准可以是在跨越连续图像估值的最大立体像素改变足够小以致在视觉上无法感知 时停止。
[0087] 还可以通过包括规律化步骤（S24)来改进成像和重建处理。规律化（S24)在现有 技术中用于加强图像估值的期望特性，包括减少噪声和从有限数据得到的人为产物。出于 贝叶斯观点，规律化可以被视为关于可以通过最大后验估计并入的图像的先验知识。从惩 罚似然目标得到OSSPS方法并且OSSPS方法允许使用二次以及非二次惩罚。二次惩罚用于 通过以丧失物体对比度为代价获得较小的噪声来使图像平滑。然而，边缘保留非二次惩罚 由于它们在减少噪声的同时保留边缘形式的高对比度的能力而是优选的。特别地，Huber先 验（Huber prior)可以作为惩罚项而被施加，尽管可以代以其他的函数。
[0089] 式1 :关于OSC的更新式
[0090] |：|f >离散化获取模型
[0091] 、、、、(K》预期光子数
[0092] Y