基于投影误差优化网络的碳/碳材料CT稀疏角度重建方法

摘要：

在采用60Co作为射线源的碳/碳复合材料的计算机断层扫描(CT)中,降低采样角度数量可以显著缩短检测时间,提升检测效率.然而常规的解析重建算法,稀疏角度的重建图像中包含大量的噪声和伪影,干扰图像中缺陷的检出,影响检测系统在快速检测条件下对被检构件的质量评价.本研究提出了一种基于投影误差优化神经网络的稀疏角度CT图像重建方法,采用未训练的编码-解码卷积神经网络优化重建图像的投影误差,结合图像的总变分先验,采用自适应动量估计(ADAM)算法进行优化.与传统的深度学习重建算法相比,该方法无需训练样本集,具备更强的泛化能力和鲁棒性.CT检测实验结果表明,该方法相比于传统的解析和重建算法,重建图像质量大幅提升,在保留被检测构件细节信息的同时,显著抑制了重建图像中的伪影与噪声.

关键词：碳/碳复合材料、60Co CT检测、深度学习、稀疏角度重建

所属期刊栏目：37

分类号：TL99

在线出版日期：2024-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：332-340