基于递变能量线性约束的X射线图像质量评价方法

X射线图像质量评价是射线检测正确与否的关键问题,传统的人工主观评价方法效率低,实时性差,常用的对比度、清晰度等考核指标,受成像过程的散射及噪声影响,存在一定的局限性.为此论文提出基于递变能量线性约束的X射线图像质量评价方法.文章首先通过分析递变能量成像过程中图像序列的灰度变化规律,提出序列间灰度增益分布图,并依据成像器件的线性最优成像,从分布图中提取线性散布度评价图像质量;进一步针对过曝光影响散布度评价失败问题,综合线性散布度和平均对比度,构建了新的图像质量综合评价标准,实现射线图像质量评价.最后通过实验验证了论文方法的可行性,能够有效避免传统单一评价指标的局限性.

基于主成分分析的递变能量X射线图像融合

为避免无损检测中递变能量的数字化X射线照相(DR)图像序列的融合对先验经验的依赖,本文提出了一种基于主成分分析(PCA)的方法。该方法首先按照PCA中方法对去噪后的序列图像求各主成分相应的正交单位化特征向量,然后舍掉特征向量中的负值,计算各主成分,最后依照次序从小到大原则选取适量的主成分求和得到融合后的图像。实验结果表明,在不利用先验经验的情形下,这种方法得到的融合图像较完整地表达了DR图像序列的信息,有效扩展了DR图像的动态范围。

递变能量成像中最佳X射线管电压预测算法

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。

递变能量X射线成像的物理表征算法研究

该项目针对传统融合方法无法正确表征物理信息的缺陷,建立了递变能量X射线成像的物理表征模型。该方法是鉴于神经网络可逼近任意非线性映射的特点,以标准楔形试块为对象,将不同电压下的融合图像作为输入数据,直接采集高动态成像图像作为输出数据,经神经网络训练,构建递变能量成像的物理表征模型。同时在不同种材料下,对物理表征模型进行了修正,实现了不同材质下的灰度校正。利用钢质与铜质阶梯块验证模型。结果表明:该项目提出的算法能逼真地反应直接高动态成像特性,可正确表征工件的物理信息。

递变能量X射线高动态融合图像的灰度表征算法研究

递变能量X射线成像,通过获取并融合图像序列实现动态范围扩展,完整再现了检测对象的结构信息.但是在融合过程中往往是以质量优化为目的,忽略了与实际高动态成像的灰度映射正确性,从而不能保证图像信息与实际物体信息的物理匹配性.因此,本文提出了递变能量X射线高动态融合图像的灰度表征算法.该算法首先以标钢质准楔形试块为对象,将不同电压下的融合图像作为输入数据,直接采集高动态成像图像作为输出数据,利用神经网络方法构建递变能量成像的灰度表征模型.同时针对不同于训练对象的材料,对灰度表征模型进行修正,实现了不同材质的灰度正确表征,进而实现了低动态图像序列融合图像的正确表征.以12和16 bit成像系统进行实验,结果表明,利用12 bit探测器通过变电压采集图像序列,经图像融合、灰度映射及灰度校正,达到了16 bit探测器的成像效果,且满足灰度对应关系,有效拓展了成像器件的动态范围.