一种基于多域自适应的固体发动机工业CT稀疏重建方法

摘要: 本申请属于ct图像重建,具体涉及一种基于多域自适应的固体发动机工业ct稀疏重建方法。背景技术:1、大型固体发动机是运载火箭及航天飞行器等高端装备的核心动力装置,...
一种基于多域自适应的固体发动机工业CT稀疏重建方法

本申请属于ct图像重建,具体涉及一种基于多域自适应的固体发动机工业ct稀疏重建方法。

背景技术:

1、大型固体发动机是运载火箭及航天飞行器等高端装备的核心动力装置,其内部推进剂质量直接关系到飞行器安全与可靠性。工业计算机断层扫描(即ct)是检测固体发动机内部推进剂缺陷的有效手段。然而,大型固体发动机体积庞大,传统ct扫描需采集数百甚至上千个投影角度,检测时间冗长、设备损耗严重,检测成本高。稀疏角度扫描通过大幅减少投影数量能够显著提升检测效率,但投影数据的欠采样使重建问题转化为严重的欠定逆问题,传统滤波反投影算法在稀疏条件下重建图像中条状伪投影严重,缺陷细节模糊,无法满足工程缺陷识别要求。

2、现有稀疏重建方法主要包括基于压缩感知的总变分(tv)正则化方法和深度学习方法。tv方法利用图像梯度稀疏性可有效抑制条纹伪影,但对微小缺陷与纹理存在过度平滑风险;深度学习方法依赖大规模标注样本,而固体发动机真实缺陷样本稀缺、不同型号结构差异显著,模型泛化能力有限,工程化实现困难。此外,现有方法均未根据投影数据实际质量动态调整重建策略,难以在全局去伪影与局部细节保留之间实现最优平衡。

3、因此,亟需一种基于多域自适应的固体发动机工业ct稀疏重建方法。

技术实现思路

1、本申请实施例提供一种基于多域自适应的固体发动机工业ct稀疏重建方法,包括如下步骤:

2、s1.采用工业ct对待检测固体发动机进行稀疏角度扫描,得到稀疏角度投影数据;

3、s2.对稀疏角度投影数据分别采用基于梯度域稀疏性的第一重建算法和基于小波域稀疏性的第二重建算法进行图像重建,得到第一重建图像和第二重建图像;

4、s3.对稀疏角度投影数据执行质量评估,从角度覆盖密度、投影信噪比和投影数据一致性三个维度分别计算评分,并对各评分进行加权融合,得到综合质量评分;

5、s4.根据综合质量评分计算全局自适应融合权重,并使用全局自适应融合权重对第一重建图像和第二重建图像进行全局融合,得到全局融合图像;

6、s5.根据全局融合图像中每一像素点的梯度幅值,逐像素计算局部自适应融合权重,并使用局部自适应融合权重对第一重建图像和第二重建图像进行逐像素融合,得到最终重建图像。

7、从以上技术方案可以看出,本申请具有以下优点:

8、本申请提供的基于多域自适应的固体发动机工业ct稀疏重建方法中,通过构建梯度域全变分与小波域双重稀疏重建模型,结合三维度投影数据质量评估驱动的全局自适应融合与像素级梯度幅值驱动的局部自适应融合,在无需大规模标注样本的条件下,实现了稀疏角度采样时条状伪影的有效抑制与壳体/推进剂界面及缺陷边缘细节的同步保留,能够在32个稀疏投影角度下达到接近密集采样的重建质量,缩短大型固体发动机ct检测时间、降低设备损耗与运行成本,同时针对不同型号固体发动机及不同扫描条件下的投影数据质量波动具有良好的自适应性和鲁棒性。

1.一种基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s1具体步骤如下:

3.根据权利要求2所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s2中采用基于梯度域稀疏性的第一重建算法得到第一重建图像具体包括:

4.根据权利要求3所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s2中采用基于小波域稀疏性的第二重建算法得到第二重建图像具体包括:

5.根据权利要求4所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s3具体步骤如下:

6.根据权利要求5所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s31中,角度覆盖密度评分的具体计算步骤为:

7.根据权利要求5所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s4具体步骤如下:

8.根据权利要求7所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s41中,全局自适应融合权重的计算为:

9.根据权利要求6所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s5具体包括:

10.根据权利要求9所述的基于多域自适应的固体发动机工业ct稀疏重建方法,其特征在于,步骤s51中,梯度幅值的具体计算步骤为: