基于细节增强的多能DR图像融合网络

摘要：

针对单能X射线无法对复杂工件各部位同时曝光成像的问题,提出一种基于细节增强的多能DR融合网络?双编码巢式连接融合网络.该网络以Inception模块作为基础卷积层,在双编码器的辅支路设计了可训练的LOG卷积模块,用来提取多尺度边缘特征,并将其补充到主支路以增强全局特征.在训练阶段,提出一种基于图像块的局部能量一致性损失函数,以减少输入、输出的局部性误差.融合时,采用通道和空间注意力机制作为融合策略,对双编码提取的多尺度增强特征进行融合,并将融合后的多尺度特征输入嵌套连接的解码器进行重构.结果表明,该融合网络具有细节增强效果,能够完整清晰地再现复杂工件的内部结构及缺陷.

关键词：注意力机制融合策略、复杂工件、DR图像融合、Inception模块、LOG卷积模块、巢式连接

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省高等学校科技创新项目

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：379-389