基于2.5D深度学习MBIR的增材制造零件X射线CT重建
计算机视觉与模式识别
2019-09-04 v2 图像与视频处理
摘要
本文中，我们提出一种深度学习算法，用于快速获取增材制造（AM）零件的高质量CT重建。具体地，我们提议使用待制造零件的CAD模型，引入典型缺陷并模拟XCT测量。这些模拟测量使用FBP（计算简单但产生噪声图像）和MBIR技术处理。随后我们在这些噪声与高质量3D体数据对上训练一个2.5D深度卷积神经网络[4]，称为2.5D深度学习MBIR（2.5D DL-MBIR），以学习快速的非线性映射函数。2.5D DL-MBIR以2.5D方案重建3D体：每片由FBP输入的多个输入切片重建。给定此训练系统，我们可对实际零件采集一小套测量，使用FBP接2.5D DL-MBIR的组合处理。两步均可利用GPU快速完成，得到一种实时算法，以标准技术般的速度实现MBIR的质量。直观上，由于待制造零件通常有CAD模型，这提供了可借以改进重建的强约束“先验”。
引用
@article{arxiv.1904.12585,
title = {X-Ray CT Reconstruction of Additively Manufactured Parts using 2.5D Deep Learning MBIR},
author = {Amirkoushyar Ziabari and Michael Kirka and Vincent Paquit and Philip Bingham and Singanallur Venkatakrishnan},
journal= {arXiv preprint arXiv:1904.12585},
year = {2019}
}