基于Pix2Pix模型的康普顿相机图像重建优化研究

作     者：赵丽文 卢棚 金龙泉 宋耀洲 

作者机构：安徽理工大学计算机科学与工程学院 合肥综合性国家科学中心能源研究院(安徽省能源实验室) 

出 版 物：《齐齐哈尔大学学报(自然科学版)》 (Journal of Qiqihar University(Natural Science Edition))

年 卷 期：2025年

页      面：1-7页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(12105135) 安徽高校协同创新项目(GXXT-2022-004) 合肥综合性国家科学中心能源研究院(安徽省能源实验室)项目(21KZS202,21KZS208) 

主　　题：SimAM 康普顿相机 Pix2Pix 重建算法 

摘      要：为改善康普顿相机传统重建算法中重建质量差、重建速度慢的问题，使用基于Pix2Pix深度学习模型的康普顿相机重建算法优化重建图像质量。首先，通过蒙特卡罗方法模拟康普顿相机获取实验数据过程，制作部分数据集，并利用数据增强技术扩充模型所需数据集。其次，通过在生成器引入16层的U-Net模型，并结合SimAM模块，增强模型的特征提取能力，降低模型训练中模式崩塌的可能性。最后，在判别器中加入残差模块，使模型训练过程更稳定，提升模型性能。实验结果表明，在提升传统重建方法图像质量的基础上，峰值信噪比较原模型提升了3.05，结构相似性提升了1.83%。