基于2.5D 信任前置的快速准确工业计算机断层扫描重建

锥形 X 射线计算机断层扫描 (XCT) 是一种生成内部结构三维重建的essential 成像技术，适用于从医学到工业成像的各种应用。高质量的重建通常需要大量 X 射线测量；这一过程在稀疏材料中可能较慢且昂贵。最近的工作将信任前置集成到插拔式 PnP (可插即用) 重建框架中，已在提高稀疏视图 XCT 扫描图像质量方面显示出有前景的效果，同时增强了深度学习方法的通用性。然而，该方法使用 2D 卷积神经网络 (CNN) 进行信任前置处理，仅捕获 3D 重建中与切片无关的信息，限制了性能。本文提出一种使用 2.5D 信任前置 CNN 的 PnP 重建方法。该方法利用相邻切片之间的信息，捕获更丰富的空间上下文，同时保持计算效率。我们表明，2.5D 前置不仅提高了重建质量，还使模型能够直接抑制常见的 XCT 信任（如束浑浊），无需信任校正前处理。实验在实验和合成锥形 XCT 数据上均表明，所提方法更好地保留了细节结构，如孔隙大小和形状，从而实现更准确的缺陷检测。特别是，我们在使用 2.5D 信任前置训练的模拟扫描数据上，实现了对实验 XCT 数据的强大性能，突显了所提方法在跨域泛化方面的潜力。