[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

说明书

本发明提出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，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)，即在双域网络的基础上，通过添加一个可变形子网络，仅增加很少的模型复杂度和计算量，就显著提高识别精度，解决双域网络在对线性插值的正弦曲线和相应的重建CT进行对偶域增强过程经常导致不良的二次伪影的问题。

技术领域

本发明涉及金属伪影去除和CT无损检测技术，具体涉及CT重建像金属伪影去除技术。

背景技术

岩芯或地质样品的CT无损检测研究，对于地质学有着极其重要的意义。CT无损检测生成的三维切片成像，不仅可以形象、直观、清晰地显示岩矿样内部的、无损的、原位的二维或三维(立体)信息，而且还能刻画岩矿样内部的精细结构。但是岩矿样本内部的高密度金属物质对x射线的削弱作用极强，会在成像图里造成金属伪影的情况，因此，如何消除金属伪影成为一个需要去重点研究的课题。

传统的MAR(Metal Artifact Reduction)金属伪影去除算法会试图减少X射线投影域的金属伪影(sinogram)，以此来达到消除金属伪影的效果，(但是MAR的这种方法不可避免地会由于sinogram的不一致性导致二次伪影。深度学习的图像去除金属伪影的算法是最近新兴的一种方法。但是工业CT成像生成的三维切片种类繁多，产生的金属伪影分布随机性较大，并且MAR算法容易引发二次伪影，因此，如何解决常规深度学习的金属伪影去除方法是本论文研究的目的和意义。

目前方法采用的双域网络(Dual Domain Network,DuDoNet)对线性插值的正弦曲线和相应的重建CT进行了对偶域增强，这一过程经常导致不良的二次伪影。

中国专利文献CN112508808A一种基于生成对抗网络的CT双域联合金属伪影校正方法，包括如下步骤：S1、采集目标对象的CT图像；S2、根据数值仿真实验，创建金属伪影的数据集；S3、将步骤S2中获得的数据集分为训练集图像和测试集图像；S4、构建深度残差学习网络；S5、将步骤S3中的训练集图像送至步骤S4构建的深度残差学习网络中训练，直至训练结束，获得已训练好的残差模型；S6、将步骤S3中的测试集图像中的每张图像输入至步骤S5中获得的残差模型中，得到每张图像对应的残差图像；S7、将步骤S3中的测试集图像中的每张图像减去步骤S6得到的残差图像，获得去除金属伪影的结果图像。该方法直接在图像域进行，不需要原始数据就能有效的去除CT图像中的金属伪影且不需要后处理。但是这种方法在去除属伪影的同时，也会去除金属伪影部分覆盖的原有图像信息。

发明内容

为了解决现有技术的缺陷，改善常规深度学习方法无法有效去除金属伪影，导致工业CT重建图无法正确表示岩矿内部结构，本发明提出一种基于三重卷积网络的金属伪影校正方法，改进双域网络的不足，添加一个可变形子网络，增加识别精度，尽可能地保留图片信息的同时提高金属伪影的去除效果。

本发明的技术方案如下：

一种基于三重卷积网络的金属伪影校正方法，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重建图裁剪为合适的尺寸，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。