检索结果-南通市图书馆

光学学报 2020年第21期40卷 87-98页

作者：降俊汝余海军龚长城刘丰林重庆大学机械传动国家重点实验室重庆400044 重庆大学光电技术及系统教育部重点实验室重庆400044 重庆大学工业CT无损检测教育部工程研究中心重庆400044 重庆工商大学数学与统计学院重庆400067

双能计算机断层扫描(DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗、安检、无损检测以及材料科学等领域。DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料。但当检测对象含有三种材料时,若对DEC... 详细信息

双能计算机断层扫描(DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗、安检、无损检测以及材料科学等领域。DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料。但当检测对象含有三种材料时,若对DECT图像直接求逆(DIMD)分解多材料,其基图像将含较多噪声和伪影。为此,提出了一种基于双能CT图像域的字典学习(DL)和相对总变分(RTV)的多材料分解算法,简称DL-RTV算法。通过直接求逆获得初始基图像,利用字典学习挖掘基图像的稀疏性,以提高材料分解的准确性;引进RTV进一步降低基图像的噪声和伪影,并保护图像细节;同时引入各基材料质量守恒和像素边界的约束项,提高材料分解精度。仿真和实验研究表明,DL-RTV算法能较准确地分解三种材料,较好抑制基图像噪声和伪影,提高了材料区分度,从而验证了此算法的有效性和实用性,这对DECT技术的发展和应用具有重要的意义。

关键词：成像系统双能计算机断层扫描技术多材料分解图像域字典学习相对总变分

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

应用卷积神经网络进行能谱CT多材料分解

应用卷积神经网络进行能谱CT多材料分解

引用

第十五届中国体视学与图像分析学术会议

作者：陈正扬李亮清华大学工程物理系

能谱CT可以对被测物体进行多能区的重建,因此可以被用于进行多材料分解,把重建得到的线衰减系数信息转变为物体内部基材料的分布。然而,传统的图像域材料分解算法受限于基材料线衰减系数过于接近,对重建图像的质量要求很高。因此,本文... 详细信息

能谱CT可以对被测物体进行多能区的重建,因此可以被用于进行多材料分解,把重建得到的线衰减系数信息转变为物体内部基材料的分布。然而,传统的图像域材料分解算法受限于基材料线衰减系数过于接近,对重建图像的质量要求很高。因此,本文设计了两个卷积神经网络,提出一种卷积材料分解算法,训练神经网络使其找到材料分解的模式。通过两组仿真实验和一组真实实验表明,神经网络在重建图像质量环状伪影严重,基材料线衰减系数十分接近的情况下,仍然能得到较好的分解结果。对比传统的直接逆变换法,卷积材料分解法将分解的均方误差减少了两个数量级。

关键词：能谱CT 多材料分解卷积神经网络深度学习

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

利用机器学习进行能谱CT多材料分解

利用机器学习进行能谱CT多材料分解

引用

第十五届中国体视学与图像分析学术会议

作者：陈正扬李亮清华大学工程物理系

能谱计算机断层成像可以对被测物体进行多能区的重建,因此可以被用于进行多材料分解,把重建得到的线衰减系数信息转变为物体内部基材料的分布。然而,传统的图像域材料分解算法只基于局部像素,对重建图像的质量要求很高。对此,本文提出... 详细信息

能谱计算机断层成像可以对被测物体进行多能区的重建,因此可以被用于进行多材料分解,把重建得到的线衰减系数信息转变为物体内部基材料的分布。然而,传统的图像域材料分解算法只基于局部像素,对重建图像的质量要求很高。对此,本文提出一种卷积材料分解算法,训练神经网络使其找到材料分解的模式。通过一组实验表明,神经网络在基材料线衰减系数十分接近,重建图像环状伪影严重的情况下,仍然能得到较好的分解结果。对比传统的直接逆变换法,卷积材料分解法将分解的均方误差减少了96.9%。

关键词：能谱CT 多材料分解卷积神经网络深度学习

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

层间约束下三维块匹配的双能CT多成分分解

引用

光谱学与光谱分析 2023年第3期43卷 774-780页

作者：孔霞潘晋孝赵晓杰陈平李毅红中北大学数学学院山西太原030051 信息探测与处理山西省重点实验室山西太原030051

双能CT利用两组不同能谱下的衰减信息,准确分割两种基材料。在实际应用中,物体内部材料结构复杂、组分多元化,想了解其内部结构信息往往需要获取三种及三种以上基材料图像。常规CT是连续混合谱束,获取的投影信息与单能重建算法不匹配,... 详细信息

双能CT利用两组不同能谱下的衰减信息,准确分割两种基材料。在实际应用中,物体内部材料结构复杂、组分多元化,想了解其内部结构信息往往需要获取三种及三种以上基材料图像。常规CT是连续混合谱束,获取的投影信息与单能重建算法不匹配,重建图像中各基材料的衰减系数存在误差。由于工业领域材料的密度普遍较大,所以重建图像中基材料的噪声更严重,影响各组分表征准确度,尤其对于衰减系数接近的材料区分难度更大。为实现双能数据分解得到多幅高质量基图像,除了重建图像本身存在的噪声影响外,材料分解模型中系数矩阵的选取也十分重要。然而重建图像中的衰减系数值与理论衰减系数值存在偏差,重建图像中密度接近的不同材料的衰减系数相近甚至相等,导致待分解像素的材料三元组选取错误,降低了材料分解精确度。因此,提出一种在层间约束下的三维块匹配多成分分解方法。该方法引入有质量体积守恒和每个像素至多包含三类材料约束的多材料分解模型,将三维结构相似性信息加入到像素材料成分选取中,利用三维结构信息进行约束求解达到降低噪声污染的目的,获取大致分解的初始基图像;再利用三维块匹配方法对初始基图像进行匹配,对各基材料图像进行三维特征约束分类,分类后选取含有该类基材料的最优材料成分三元组进行多材料分解,得到更准确的组分表征图。金属纯模体和花岗岩两组实验中,与已有方法的结果图进行对比,层间约束下三维块匹配分解方法对衰减系数接近的工业材料的识别更准确,各组分表征图结构更完整,图像质量更好,细节处理也更精确。金属纯模体实验中的定量分析表明,相比已有方法,该方法的PSNR值和SSIM值分别提高了5%~6%和31%~35%。验证了该算法的有效性和鲁棒性,在常规CT系统下实现了更精确的多成分分解。

关键词：双能CT 多材料分解三维块匹配材料三元组

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

层间约束下三维块匹配的双能CT多成分分解

层间约束下三维块匹配的双能CT多成分分解

引用

作者：孔霞中北大学

学位级别：硕士

双能CT根据物体在不同X射线下的衰减系数差异信息,可在无损条件下实现基材料组分表征,但实际常规CT系统获取的材料衰减系数值与衰减系数理论值存在误差,影响组分表征结果的准确性.现有研究利用块匹配方法将获取的结构相似性信息加入到... 详细信息

双能CT根据物体在不同X射线下的衰减系数差异信息,可在无损条件下实现基材料组分表征,但实际常规CT系统获取的材料衰减系数值与衰减系数理论值存在误差,影响组分表征结果的准确性.现有研究利用块匹配方法将获取的结构相似性信息加入到材料分解中,有效降低了图像噪声在材料分解中的污染,提升了材料分割精度,但对于三维空间内材料的分割精度仍有限.针对该问题,依据层间材料的连接性与一致性特征,本文基于层间约束思想将块匹配与层间约束思想相结合形成有层间约束的三维块匹配方法,获取像素的三维空间信息,引入更全面的结构相似性信息,有效降低重建图像中噪声对基材料分解的影响,提高材料分解精度.本文针对实际CT获取的高密度材料衰减系数有误差而导致的组分表征不准确问题,考虑层间材料连接性并引入层间约束思想,利用有层间约束的三维块匹配方法将三维结构相似性信息加入到像素的基材料选取中,引入多材料分解模型获取初始基图像,再利用三维块匹配方法对基图像进行三维特征约束分组后再进行多材料分解,通过实验证明该算法有效提高了衰减系数接近的材料识别能力.但对于衰减系数更相近甚至相等的材料区分度仍有限.为此,利用区域化三维块匹配获取更全面的结构信息,提高像素材料成分矩阵的准确度,引入有TV正则项的多材料分解模型获取初始基图像,再利用区域化块匹配进行基图像三维特征约束分组,后再进行TV最小化的多材料分解,得到更准确地组分表征图,且实验证明,该算法进一步提升了组分表征的完整性与准确性.

关键词：双能CT 多材料分解三维块匹配材料三元组

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：