基于机器学习实现的有限角度 x 射线纳米断层扫描
材料科学
2025-03-26 v1 计算机视觉与模式识别
摘要
断层扫描中的一个长期存在的挑战是'缺失楔'问题，这一问题是在由于几何约束导致获取特定角范围内的投影图像受限时出现的。这个不完整的数据集会导致重建图像中出现显著的伪影和较差的分辨率。为解决这一问题，我们提出了一种称为 Perception Fused Iterative Tomography Reconstruction Engine 的方法，将卷积神经网络 (CNN) 集成到迭代求解引擎中，作为智能正则化器。我们采用交替方向乘子法在物理域和图像域中优化解，从而实现物理上一致且视觉上改进的结果。我们使用各种实验数据集演示了该方法的有效性，这些数据集使用不同的 x 射线显微技术获取。所有数据显示即使在缺失楔超过 100 度的情况下（即传统方法失败的情况下）也能显著改善重建效果。值得注意的是，即使在稀疏投影的情况下也能改善重建效果，尽管该网络没有专门为此训练。这表明了我们方法在实际世界问题中解决 3D x 射线成像常见挑战的鲁棒性和通用性。
引用
@article{arxiv.2503.19248,
title = {Limited-angle x-ray nano-tomography with machine-learning enabled iterative reconstruction engine},
author = {Chonghang Zhao and Mingyuan Ge and Xiaogang Yang and Yong S. Chu and Hanfei Yan},
journal= {arXiv preprint arXiv:2503.19248},
year = {2025}
}