基于双域自适应网络的岩矿样工业CT图像金属伪影校正算法研究

摘要：

岩矿样中包含有大量高密度金属物质,致使其在工业CT图像上产生了金属伪影,严重影响岩矿样参数分析的准确性.为抑制岩矿样CT图像的金属伪影,本文提出一种基于双域自适应网络的岩矿样CT图像金属伪影校正算法(DDA-CNN-MAR),将含有金属伪影的CT图像分别通过投影域网络和图像域网络进行金属伪影的抑制,自适应融合双域处理结果,实现由含伪影图像到无伪影图像的端到端映射.该算法以残差编解码网络模型(RED-CNN)为基础,易于提取特征并恢复图像细节;双域结构可自适应调整投影域(伪影抑制)和图像域(细节修复)的权重,借以获得最优的校正结果.研究结果表明,较之于RED-CNN-MAR,经过DDA-CNN-MAR方法校正的图像,MSE减小2.570,而PSNR和SSIM则分别提高1.218dB和0.018,有效提升岩矿样CT成像的图像质量.

关键词：工业CT、深度学习、校正算法、金属岩矿样、金属伪影

所属期刊栏目：31

分类号：O242;TP391.41(计算数学)

资助基金：国家重点研发计划;重庆市科委基础研究与前沿探索专项自然科学基金;重庆市科委技术创新与应用发展专项

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：783-792