买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明属于计算机断层图像重建领域，尤其涉及利用深度学习技术联合全局和局部单视角CT从单张X射线图像同时重建工件的三维全局外形和内在的局部缺陷结构，具体为缺陷检测中联合全局和局部的单视角CT重建方法。本发明所设计的CT重建网络，一方面能够有效地加快CT成像的速度，提高工业无损检测中大批量工件缺陷检测的效率；另一方面能够同时提供工件的3D外部结构和内部缺陷信息，从而提高缺陷检测和分析的准确性。

主权项：1.缺陷检测中联合全局和局部的单视角CT重建方法，其特征在于，步骤如下：步骤1、数据集的建立及预处理；数据集包含工件成对的X射线图像和相应的CT体积图像；每一对图像数据首先分别求取均值μ和方差σ，然后通过数据标准化x-μσ的方式进行处理，其中x表示待标准化的X射线图像或者CT体积图像；标准化后的数据集划分为训练集和测试集分别用于网络训练和测试；预处理过程采用二维梯度运算对X射线图像进行处理，提取包含目标边缘信息的梯度图像，作为网络训练的输入；步骤2、搭建从单张X射线图像重建CT体积图像的CT重建网络；所述的CT重建网络包括三个模块：全局CT生成模块、局部CT生成模块和图像优化模块；所述全局CT生成模块关注工件中大的几何结构和外形的生成；该模块包含特征编码网络、特征解码网络、特征转换网络和特征融合结构；所述特征编码网络利用多个卷积层对输入的单张X射线图像和其梯度图像进行特征提取，通过多次图像下采样及卷积运算将提取到的特征信息编码到隐层空间；所述特征解码网络利用多个卷积运算模块将隐层空间中的编码信息进行卷积上采样，最终恢复3DCT体积图像；所述特征转换网络连接着编解码网络中同级的特征，从而弥补编码过程中信息的损失；特征转换网络包含特征选择和特征转换两个部分；特征选择部分对编码的特征分配不同权重，对更高权重的特征给予更多关注；特征转换部分对经过权重分配的特征进行转换，使其更接近于CT体积图像的特征；所述特征融合结构将解码的特征和所述特征转换网络的输出特征进行融合，从而提高重建CT图像的质量；所述特征融合结构包含三步运算；第一步，计算解码特征的均值和方差；第二步，计算所述特征转换网络输出特征的均值和方差；第三步，根据第一步和第二步的均值方差将解码特征和所述特征转换网络的输出特征进行融合；所述局部CT生成模块关注工件内部微小缺陷的生成；该模块采用与所述全局CT生成模块同样的网络结构；不同在于，在特征编码过程中，特征编码网络通过减去所述全局CT生成模块的特征编码网络对应位置的编码特征，使得局部CT生成网络专注于对小尺度缺陷结构的学习；这些结构信息通过特征解码网络最终生成只包含微小缺陷的CT体积图像；所述图像优化模块将所述全局CT生成模块和局部CT生成模块联合的结果进行优化，使得最终CT结果更接近真实；所述图像优化模块包含编码网络和解码网络，对输入的全局CT生成模块和局部CT生成模块联合得到的3DCT立体图像进行编码，然后通过解码网络解码生成经过优化的CT立体图像；所述编码网络由多个卷积层和下采样层组成；所述解码网络由多个卷积层和上采样层组成；编码网络和解码网络之间通过跳跃连接将同级编码信息传递到解码网络；步骤3、对步骤2所述的CT重建网络进行训练所述网络训练是为了使网络从所述步骤1建立的数据集中学习单张2DX射线图像到3DCT体积的映射关系；所述网络训练包含三步；第一步，训练全局CT生成模块的网络，网络输入为单视角2DX射线图像和相应的梯度图像，输出为包含全局结构的3DCT体积图像；第二步，训练局部CT生成模块的网络，网络输入为单视角2DX射线图像和相应的梯度图像，输出为包含局部缺陷的3DCT体积图像；为了使局部CT生成模块的网络更多地关注缺陷，设计一个聚焦函数，作为训练局部CT生成模块的网络的损失函数；在网络训练过程中，所述聚焦函数对全图像进行分块，对其中包含缺陷的图像块赋予大的权重，而对不包含缺陷的图像块赋予小的权重，从而引导网络在训练时关注缺陷部分的生成；第三步，训练图像优化网络，对所述全局和局部CT生成网络的联合结果进行优化；所述图像优化网络的输入为联合的3DCT体积图像结果，输出为优化后的3DCT体积图像结果；所述的聚焦函数的定义如下： 公式1中，y为真实的CT图像，y*为预测的CT图像，M是全图像的分块的数量；对于真实图像y中的第j个图像块yj，对应的预测图像块为公式2为图像块权重分配函数，其中，表示的是图像块的均值，a和b为超参数；SSIMpatch是结构相似性函数；Wj为权值；步骤4、使用步骤3中训练好的CT重建网络在测试数据集上进行测试；通过向网络输入单张X射线图像可重建工件的CT体积图像。

全文数据：

权利要求：

百度查询： 大连理工大学 缺陷检测中联合全局和局部的单视角CT重建方法