X 射线递变能量成像是依次获取复杂结构件在递变能量下的局部有效信息，并通过多谱融合获取完整结构信息。但是目前的能量选择主要以人工设定管电压步进为主，无法匹配检测对象的有效厚度变化率，成像效率及射线利用率较低。基于递变能...X 射线递变能量成像是依次获取复杂结构件在递变能量下的局部有效信息，并通过多谱融合获取完整结构信息。但是目前的能量选择主要以人工设定管电压步进为主，无法匹配检测对象的有效厚度变化率，成像效率及射线利用率较低。基于递变能量成像规律，提出一种最佳 X 射线管电压预测算法。该方法通过对检测物体进行变能量预扫描，提取图像序列中有效厚度（高质量区域）和临近厚度（预测区域），建立有效厚度的图像灰度与管电压、X 射线光谱之间的物理模型，及临近厚度灰度差与电压的函数模型，进而得到临近厚度最佳成像时的能量预测模型。通过模型求解，实现了能量的自适应预测。以不同厚度钢块为对象，利用该算法逐一预测各个厚度钢块最佳成像时的管电压，并与实际值对比。实验结果显示，在低能时可跨3～4 mm 准确预测，高能时可跨7～10 mm 预测，精度可以达到95％以上。展开更多
文摘X 射线递变能量成像是依次获取复杂结构件在递变能量下的局部有效信息，并通过多谱融合获取完整结构信息。但是目前的能量选择主要以人工设定管电压步进为主，无法匹配检测对象的有效厚度变化率，成像效率及射线利用率较低。基于递变能量成像规律，提出一种最佳 X 射线管电压预测算法。该方法通过对检测物体进行变能量预扫描，提取图像序列中有效厚度（高质量区域）和临近厚度（预测区域），建立有效厚度的图像灰度与管电压、X 射线光谱之间的物理模型，及临近厚度灰度差与电压的函数模型，进而得到临近厚度最佳成像时的能量预测模型。通过模型求解，实现了能量的自适应预测。以不同厚度钢块为对象，利用该算法逐一预测各个厚度钢块最佳成像时的管电压，并与实际值对比。实验结果显示，在低能时可跨3～4 mm 准确预测，高能时可跨7～10 mm 预测，精度可以达到95％以上。
