基于密集连接的双能DR图像融合网络

针对单能X射线对复杂工件不同厚度的区域难以同时有效曝光的问题,提出了一种基于密集连接的双能数字射线成像技术图像融合网络(DR-Net)。具体的,DR-Net由过曝光和欠曝光两个子网络组成,分别以过曝光图像和欠曝光图像作为输入,每个子网络包括1个初始特征提取模型(FEB),1个细节特征增强模块(DFE)和3个级联组成的密集连接融合模块(DCF)。FEB对图像进行初步的特征提取,同时DFE提取出图像的更多细节特征,以增强最终融合图像的细节内容。DCF采用带有密集连接的上采样和下采样操作,利用两个子网络模块中学习到的特征,逐步细化和融合图像特征。最后将每个子网络生成的特征重建,并通过平均融合策略得到最终的融合图像。实验结果显示,相比于单一能量下的DR图像,DR-Net融合图像对比度高,能够更加清晰地再现复杂工件的内部结构。从定量分析结果看,DR-Net在NRSS和AG都是最优值,平均数值与对照实验中最优结果相比分别提升了7.06%和21.1%。