【摘 要】
：
对厚度差异大的结构件,常规变能量X射线图像融合方法不能正确地表征灰度与物理信息复杂的对应关系。为此,本文提出了基于神经网络的X射线融合图像灰度修正方法。首先,将常规变能量的融合图像作为神经网络的输入图像,将16位高动态的图像作为相应的输出图像,训练得到X射线成像的物理表征模型。然后,利用钢质阶梯块验证方法的正确性与可行性,并将输出结果与16位真实图像进行比较。实验结果表明,该方法很好地拟合了融合图
【出 处】
：
Journal of Measurement Science and Instrumentation
论文部分内容阅读
对厚度差异大的结构件,常规变能量X射线图像融合方法不能正确地表征灰度与物理信息复杂的对应关系。为此,本文提出了基于神经网络的X射线融合图像灰度修正方法。首先,将常规变能量的融合图像作为神经网络的输入图像,将16位高动态的图像作为相应的输出图像,训练得到X射线成像的物理表征模型。然后,利用钢质阶梯块验证方法的正确性与可行性,并将输出结果与16位真实图像进行比较。实验结果表明,该方法很好地拟合了融合图像与真实图像灰度之间的非线性函数关系,扩展了低动态成像采集设备的使用范围。
其他文献
AFM(Atomic Force Microscope)在生命科学等领域的应用日益广泛,然而,现有的AFM由于扫描范围较小,难以得到尺寸较大的样品的全貌,针对这个问题,文章考虑AFM连续扫描时图像间存在的平移,旋转,尺度变换等关系,提出了一种基于SURF特征的AFM图像自动拼接方法,可快速准确地获取尺寸较大的样品的全貌,并保留其细节信息,以满足生命科学等领域的实际要求,具体而言,文章分析了AFM在
能源危机的加剧促使人们不断的开发新能源,同时对于现有能源的使用也趋于高效化.民用和商业建筑物对于电能的消耗超过了70%,为了提高建筑物的能源利用效率,文章提出了一种基于校园微电网环境的蓄电池优化调度模型.由于基于RFID技术的校园ID卡的广泛使用,并提出利用ID卡的信息来构建校园内人的行为模型,同时利用光伏电池板的物理模型来刻画光伏建筑发电系统的输出,并采用场景树的方法对所建立的随机规划模型进行求
针对板料成形性能的两个关键指标:板料的塑性应变比和成形极限图FLD,基于数字图像相关方法,分别设计了相应的检测手段和实验流程,并介绍了涉及的关键技术。SPCC薄钢板、镁铝合金这两种材料的测试结果表明,所采用方法能够高效地得到被测试件表面的三维全场应变,为金属薄板成形性能的测试分析提供了一种有效的应变检测手段;所测定SPCC钢板的值不是定值,而是随着应变的增加而逐渐降低,表现出了各向异性;所测定的F
【本刊讯】日前,华为和支付宝宣布将合作发布指纹支付技术。该功能于9月4日正式发布。据悉,指纹支付是根据人体指纹特征确定个人身份,与其支付宝账户进行关联,在交易时通过指纹识
【本刊讯】美国联邦调查局(FBI)15日宣布,该局研发的"下一代识别系统"全面投入运作,其中包括面部识别系统,该系统能够通过闭路电视监控系统在拥挤人群中捕捉面部图像,提高犯罪调查效率。"下一代识别系统"将最终取代现有的指纹识别系统。
【本刊讯】近日,柳州发布了关于领取养老待遇人员开展"人脸识别"资格认证工作的通告(以下简称通告)。其认证时间为2014年9月1日至2014年11月30日,目前在柳州市按月领取企业职工基本养老待遇的离退休人员及领取养老保险供养待遇人员均在认证范围之类。
【本刊讯】近日,调查组织Frost&Sullivan发布关于生物识别在移动端的市场发展报告,报告认为全球移动支付的发展,都需要安全的认证系统,这将驱动生物识别的发展。不仅仅是移动支付,社交媒体和移动电子商
两只不同寻常的眼睛,一件看似普通的机器,不用任何接触,便可识别来者身份;挥手之间,来者信息尽在掌握。这正是李彬研发的非接触式掌纹掌脉识别系统,机器瞬间识人的背后,究竟隐藏着怎样的科学原理?
图像处理是尺寸检测算法的关键技术之一。本文主要讨论动态图像的处理与显示,完成运动物体的实时图像处理。首先,为使图像更接近实际物体,对运动物体的图像进行中值滤波、增益校正、图像分割与二值化、角点检测和边缘拟合处理,同时将处理完成的图像实时显示出来,便于图像分析、理解和识别并减少计算量。最后,利用VC++编制人机交互界面,实现数字逻辑变换以及物体图像处理与实时显示。实验证明,本文提出的算法和软件的设计
常规固定电压的CT重建,因成像系统动态范围受限,投影数据易出现过曝光和欠曝光共存现象,造成信息缺失多,成像质量差,为此提出变电压CT重建。通过变电压获得跟工件有效厚度相匹配的有效投影序列,在ART迭代图像的基础上,调整全变差使其最小化,从而优化重建。在重建过程中,依据灰度加权,把低电压的重建图像作为初值,应用在相邻高电压有效投影重建中,得到相邻高电压的重建图像,依次类推直至最高电压。至此,工件的全