基于细节增强的多能DR图像融合网络

摘要

针对单能X射线无法对复杂工件各部位同时曝光成像的问题，提出一种基于细节增强的多能DR融合网络-双编码巢式连接融合网络。该网络以Inception模块作为基础卷积层，在双编码器的辅支路设计了可训练的LOG卷积模块，用来提取多尺度边缘特征，并将其补充到主支路以增强全局特征。在训练阶段，提出一种基于图像块的局部能量一致性损失函数，以减少输入、输出的局部性误差。融合时，采用通道和空间注意力机制作为融合策略，对双编码提取的多尺度增强特征进行融合，并将融合后的多尺度特征输入嵌套连接的解码器进行重构。结果表明，该融合网络具有细节增强效果，能够完整清晰地再现复杂工件的内部结构及缺陷。

关键词

注意力机制融合策略 / 复杂工件 / DR图像融合 / Inception模块 / LOG卷积模块 / 巢式连接

基金资助

国家自然科学基金(61801438); 山西省高等学校科技创新项目(2020L0282)