基于深度学习的辐射图像超分辨率重建方法

• 作者: 丛鹏 向新程 孙跃文 李立涛 郭肖静
• 来源期刊: 原子能科学技术
• 关键词: 辐射图像 超分辨率重建 深度学习
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 技术及应用
• 页码范围: 890-895
• 页数: 6页
• 分类号: TL8|TP391.4
• 语种: 中文
• DOI: 10.7538/yzk.2017.51.05.0890

摘要

安全检查系统中,数字化X射线摄影技术获得的辐射图像空间分辨率较低,影响图像的视觉效果.为了对单幅低分辨率辐射图像的空间分辨率进行提升,提出一种基于深度学习的超分辨率重建方法.该方法利用引入残差网络结构的卷积神经网络模型,对训练集中的辐射图像样本进行了训练,拟合出低分辨率图像和高分辨率图像的映射关系.实验结果表明,与传统的超分辨率重建方法相比,本方法在量化指标和视觉效果上均有较大的改善,且具备较快的处理速度.研究结果表明,深度学习方法在辐射图像处理中有较大的潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向新程	清华大学核能与新能源技术研究院	24	57	4.0	6.0
3	丛鹏	清华大学核能与新能源技术研究院	39	180	7.0	12.0
5	李立涛	清华大学核能与新能源技术研究院	11	20	3.0	4.0
7	郭肖静	清华大学核能与新能源技术研究院	10	45	5.0	6.0
10	孙跃文	清华大学核能与新能源技术研究院	1	7	1.0	1.0