基于扩散模型与低秩先验的工业CT图像金属伪影消除与去噪后处理算法设计.docxVIP

PAGE2

基于扩散模型与低秩先验的工业CT图像金属伪影消除与去噪后处理算法设计

摘要

工业计算机断层扫描（CT）在无损检测中应用广泛，但金属植入物或高密度构件常导致严重的条状伪影与噪声，极大降低图像诊断质量。传统插值或迭代重建算法易丢失结构细节，而单一深度学习方法缺乏物理约束，存在泛化风险。本课题旨在设计一种融合扩散模型与低秩先验的后处理算法，以精准消除金属伪影并恢复图像细节。

本论文遵循工程递进思路展开。首先，分析工业CT图像金属伪影的成因与消除需求，明确高保真、低伪影的设计目标。其次，进行总体架构设计，构建包含数据预处理、低秩伪影分离、扩散模型去噪重建与后融合的四层流水线架构。接着，在详细设计中推导低秩矩阵恢复的优化目标与扩散模型的条件采样公式，定义关键接口。然后，基于PyTorch框架实现算法，解决金属掩码膨胀与扩散采样加速等难点。最后，通过功能与精度测试验证系统有效性。

本设计的核心创新在于将低秩先验的物理可解释性与扩散模型的强大生成能力深度融合。低秩分解先剥离全局稀疏伪影，扩散模型再精细修复局部结构，两者协同实现了伪影消除与细节保留的平衡。

第一章绪论

1.1研究背景

工业CT技术作为先进的无损检测手段，能够直观呈现材料内部缺陷与结构状态，在航空航天、汽车制造等领域不可或缺。然而，当扫描对象内部存在金属植入物或高密度异质材料时，X射线的强烈衰减与硬化效应会导致