[发明专利]一种基于三重卷积网络的岩矿样CT图像金属伪影校正方法

权利要求书

1.一种基于三重卷积网络的岩矿样CT图像金属伪影校正方法，包括如下步骤：

步骤1，构建三重卷积去噪网络模型，所述网络模型包括正弦图增强网络(SE-Net)、可变形卷积网络、反演层(RIL)和图像增强网络(IE-Net)；

步骤2，训练网络：

步骤2.1，准备数据集，将具有金属伪影的工业CT重建图裁剪为合适尺寸，设定损失函数阈值以及最大训练次数，并初始化训练参数；

步骤2.2，把金属伪影的正弦图Y和金属掩膜投影二值化M_t线性插值运算后的Y_L1和金属掩膜投影二值化M_t输入正弦图增强网络(SE-Net)，输出增强的金属伪影正弦图Y_out；

步骤2.3，将金属伪影正弦图Y_out输入可变形卷积网络，输出增强后金属伪影正弦图Z_out；

步骤2.4，将增强后金属伪影正弦图Z_out和Y_L1分别输入反演层(RIL)反投影成金属伪影图像X_L1以及X；

步骤2.5，将X_L1以及X同时输入图像增强网络(IE-Net)，输出增强的金属伪影的图像X_out；

步骤2.6，计算正弦图增强网络和图像增强网络求损失函数，损失函数为输入图像与干净图像的二范数，若两者的损失函数值大于初始设定的损失函数阈值或未达到最大训练次数，则重复步骤2.2至2.5；

步骤3，更新网络参数：

步骤4，向构建好的网络模型中输入含有金属伪影的工业CT成像Y，网络输出为金属伪影校正后的图像X_out。

2.根据权利要求1所述的金属伪影校正方法，其特征在于，所述正弦图增强网络(SE-Net)的输入层是由金属伪影的正弦图Y和金属掩膜投影二值化M_t线性插值运算后的Y_L1和金属掩膜投影二值化M_t组成；隐藏层使用U-net网络结构：输出层输出的是增强的金属伪影的正弦图Y_out。

3.根据权利要求1所述的金属伪影校正方法，其特征在于，所述可变形卷积网络具有输入层、隐藏层、输出层三个网络层，输入的是金属伪影增强图像Y_out，隐藏层分为可变形卷积训练层与卷积层；所述可变形卷积层使用一个具有当前变性卷积层相同的空间分辨率和扩张的卷积，激活函数为线性整流函数，输出的是金属伪影增强网络的偏移量卷积；所述卷积层使用的卷积是可变形卷积训练层计算出来的偏移量卷积；输出层是经过可变形卷积网络的金属伪影增强网络Z_out。

4.根据权利要求1所述的金属伪影校正方法，其特征在于，所述反演层是使用滤波反投影算法(FBP)构建，其将SE-Net的输出Y_out反投影到图像域成和将Y_LI反投影到图像域成金属伪影图像X_L1，重建CT图像。

5.根据权利要求1所述的金属伪影校正方法，其特征在于，所述图像增强网络(IE-Net)的输入层是由SE-Net的输出Y_out反投影到图像域的和Y_LI反投影到图像域的X_LI组成，隐藏层使用U-net网络结构，通过残差学习精炼CT图像，输出层输出的是增强的金属伪影的图像域图像的X_out。