一种基于二维正弦图的计算机断层扫描缺陷定位方法
计算机视觉与模式识别
2024-01-30 v1 图像与视频处理
摘要
深度学习的兴起在图像处理领域，特别是在计算机断层扫描（CT）的背景下，引入了一个变革性的时代。深度学习为工业计算机断层扫描领域做出了重大贡献。然而，许多缺陷检测算法直接应用于重建域，往往忽略了原始传感器数据。本文将焦点转向正弦图的使用。在此框架内，我们提出了一种全面的三步深度学习算法，旨在不借助图像重建的情况下识别和分析物体内部的缺陷。这三个步骤是缺陷分割、掩膜隔离和缺陷分析。我们使用基于U-Net的架构进行缺陷分割。我们的方法在模拟数据上实现了92.02%的交并比（IoU），在512像素宽的探测器上，缺陷检测的平均位置误差为1.3个像素。
引用
@article{arxiv.2401.16104,
title = {A 2D Sinogram-Based Approach to Defect Localization in Computed Tomography},
author = {Yuzhong Zhou and Linda-Sophie Schneider and Fuxin Fan and Andreas Maier},
journal= {arXiv preprint arXiv:2401.16104},
year = {2024}
}