工业CT检测：特征重建与小波变换提高分辨率方法

"基于特征重建的工业CT算法 (2007年) - 王黎明, 严壮志, 韩焱" 本文主要探讨了在工业CT(Computed Tomography)检测系统中如何通过特征重建算法提升检测的分辨率和准确性。在工业CT中，由于散射噪声的影响，传统CT重建方法往往导致图像噪声大、分辨率低，无法有效地检测微小的缺陷。针对这一问题，作者提出了一种新的方法，该方法充分利用被检测对象内部结构的特征，并结合小波函数在Radon变换前后的特性。 首先，文章强调了散射噪声在工业CT检测中的负面影响，这使得传统的反投影算法如滤波反投影(FBP, Filtered Back Projection)在处理这些噪声时效果不佳，难以准确地检测到微小的疵病。为了克服这一挑战，研究者们引入了特征重建的概念，它旨在直接重建图像中具有重要意义的特征部位，而不是整个图像。 在该方法中，小波变换扮演了关键角色。小波函数因其良好的时频局部化特性，能够有效地分析和提取图像的不同频率成分。在Radon变换之前对投影数据进行预滤波，可以有针对性地去除噪声或降低其影响，同时保留图像的重要细节。Radon变换是CT重建的基础，它将图像转换到投影空间，然后可以通过逆变换恢复图像。预滤波后的小波域操作，使得在回投影过程中，特征部位的信息得以突出，而背景的分辨率损失相对较小。 通过这种方法，文章实现了在保持图像背景分辨率的同时，显著增强和凸显被检测对象内部的微小疵病特征，从而提高检测分辨率。这种特征重建技术对于工业CT领域具有重要意义，因为它能够提升检测的精度，尤其适用于检测那些对精度要求极高的应用，例如航空航天、精密制造和医疗设备的无损检测。 关键词包括：工业CT、特征重建、Radon变换、小波变换、检测分辨率。这篇文章的发表，为CT图像处理和分析提供了一个新的技术方向，对改善工业CT检测的性能和效果有着积极的推动作用。