论文部分内容阅读
对厚度差异大的结构件，常规变能量x射线图像融合方法不能正确地表征灰度与物理信息复杂的对应关系。为此，本文提出了基于神经网络的x射线融合图像灰度修正方法。首先，将常规变能量的融合图像作为神经网络的输入图像，将16位高动态的图像作为相应的输出图像，训练得到x射线成像的物理表征模型。然后，利用钢质阶梯块验证方法的正确性与可行性，并将输出结果与16位真实图像进行比较。实验结果表明，该方法很好地拟合了融合图像与真实图像灰度之间的非线性函数关系，扩展了低动态成像采集设备的使用范围。