【技术实现步骤摘要】
基于深度学习的含高密度组元复合材料的CT图像三维可视化重建方法
[0001]本专利技术涉及工业CT图像处理
,具体涉及基于深度学习的含高密度组元复合材料的CT图像三维可视化重建方法。
技术介绍
[0002]X射线计算机断层扫描(Computed Tomography,CT)技术被广泛应用于工业领域以准确获取材料内外部三维结构特征,从而有效地对多类型材料内部进行无损检测。近年来,工业CT作为复合材料损伤演化、失效分析等方面研究的辅助手段,在复合材料分析表征中的应用逐渐成为研究热点。工业CT技术是目前能够实现复合材料内部微结构无损检测最直观可靠的手段之一。
[0003]高精度工业CT的检测精度最终直接由图像分割精度决定。高效准确的图像分割方法是实现材料精准可视化及定性或定量分析被检对象内部物理特征的重要前提。目前,基于阈值、边缘、区域等的图像分割虽然便捷高效,但受噪声、伪影的影响严重,存在分割精度不足、通用性差等问题,仅仅借助此类分割手段远远无法满足对复杂材料的表征需求。并且基于人工提取构建目标特征的分割方法成本高 ...
【技术保护点】
【技术特征摘要】
1.基于深度学习的含高密度组元复合材料的CT图像三维可视化重建方法,其特征在于,包括以下步骤:步骤1:对含高密度组元的SiC
f
/SiC复合材料进行CT扫描获取二维CT切片图像数据,输入获取的二维CT切片图像数据作为三维可视化重建的初始数据;高密度组元由钨粉末和硼化锆粉末组成,CT扫描了两种添加不同含量高密度组元的SiC
f
/SiC复合材料,其中试样I添加的高密度组元质量分数为3%
‑
5%,试样II添加的高密度组元质量分数为15%
‑
20%。步骤2:对步骤1中输入的初始数据进行预处理,得到预处理后的二维CT切片图像数据;步骤3:对步骤2中预处理后的二维CT切片图像数据先进行阈值分割,选定适配的灰度值范围,区分出预处理后的二维CT切片图像数据中高密度组元的区域,并将这个区域标记为一个感兴趣区域,命名这个感兴趣区域为金属;然后选取分割高密度组元灰度值范围的互补范围,再次建立一个感兴趣区域,命名为整体;接着在二维CT切片图像数据中均匀选取预设数量的二维CT切片图像,在选取的数张二维CT切片图像上通过人工标记对整体建立不同的感兴趣区域,命名为孔隙和SiC
f
/SiC,最后将建立的不同感兴趣区域合并为一个多重感兴趣区域;步骤4:以U
‑
net 3D模型为基础设定相应训练参数,对步骤3中得到的多重感兴趣区域进行深度学习,学习后得到已训练的U
‑
net 3D模型;步骤5:将步骤4中已训练的模型应用于二维CT切片图像数据,重建含高密度组元的SiC
f
/SiC复合材料三维可视化图像并对其定量分析。2.根据权利要求1所述的基于深度学习的含高密度组元复合材料的CT图像三维可视化重建方法,其特征在于,步骤1对含高密度组元的SiC
f
/SiC复合材料进行CT扫描,具体如下:扫描使用的分辨率为1.0047μm/像素,数据以tiff格式输入。3.根据权利要求1所述的基于深度学习的含高密度组元复合材料的CT图像三维可视化重建方法,其特征在于,步骤2的具体内容为:预处理包括首先对二...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。