MAFusNet运动伪影校正网络

多角度融合显著去模糊

利用邻近投影数据提升去模糊能力，并通过合成数据训练实现低成本部署。

Tong, Jia · Shi, Liu · 魏存峰 · Shi, Rongjian · 刘宝东

Journal of X-Ray Science and Technology 2023

技术优势

真实数据表现好

网络在合成数据上训练，但在真实数据上表现优异，证明其泛化能力强。

校正效果显著提升

与现有经典去模糊网络相比，多角度融合网络在校正CL运动伪影方面有显著改进。

训练成本大幅降低

采用合成训练数据集可以显著降低训练成本，提高工业无损检测中CL成像的质量和效率。

应用场景

• 工业无损检测：提升CL成像质量与效率，减少缺陷漏检。
• 板状物体检测：连续扫描板状物时去除运动伪影，加快检测速度。
• 层析成像质量提升：校正投影图像，改善层析重建质量。