基于改进的KBNet的工业数字射线图像无色化

科学领域:

• 工业成像技术的产业成像技术
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 工业数字放射 (DR) 图像对于检查至关重要,但通常会因噪音,散射和交叉通话而退化.
• 消除噪声的挑战包括非零平均噪声和1D数组扫描中的邻近相关性损失.
• 现有的方法很难有效地解决工业DR图像中的低分辨率和噪声问题.

研究的目的:

• 为了提高工业DR图像的无色化性能.
• 解决工业应用中现有无雾化技术的局限性.
• 为工业DR图像开发一个计算效率高,有效的无色化模型.

主要方法:

• 提出了一个改进的KBNet (iKBNet),包含轻量化修改.
• 集成了卷积块注意模块 (CBAM) 来减少网络参数.
• 在复合损失函数中利用结构相似度指数 (SSIM) 损失,以改进无效化.

主要成果:

• 与BM3D,ResNet,DnCNN和原来的KBNet相比,iKBNet表现出了优异的无色化性能.
• 实现了更高的图像恢复质量指标.
• 在使用低分辨率传输图像的实际应用中产生了令人满意的结果.

结论:

• iKBNet有效地降低了计算成本,并提高了处理速度.
• 该模型实现了卓越的无色化效果,提高了工业DR图像的质量.
• iKBNet提供了一个有前途的解决方案,用于在工业环境中处理杂的数字放射图像.