技術(shù)特征：

1.基于顯式相關(guān)層的x射線數(shù)字成像深度學(xué)習(xí)變形監(jiān)測(cè)方法，其特征在于：包括以下步驟，

2.如權(quán)利要求1所述方法，其特征在于：步驟一的具體實(shí)現(xiàn)方法為，

3.如權(quán)利要求1所述方法，其特征在于：步驟二所述進(jìn)行圖像特征提取的方法為，

4.如權(quán)利要求1所述方法，其特征在于：步驟二所述圖像相關(guān)性計(jì)算層是將相關(guān)性準(zhǔn)則引入卷積神經(jīng)網(wǎng)絡(luò)中，位于特征提取層與動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)層之間，用于計(jì)算變形前后圖像特征的相關(guān)性；

5.如權(quán)利要求1所述方法，其特征在于：步驟二所述動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)層，根據(jù)相關(guān)性矩陣自動(dòng)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)；

技術(shù)總結(jié)
本發(fā)明公開(kāi)的基于顯式相關(guān)層的X射線數(shù)字成像深度學(xué)習(xí)變形監(jiān)測(cè)方法，屬于圖像變形測(cè)量領(lǐng)域。本發(fā)明實(shí)現(xiàn)方法為：基于X射線數(shù)字成像、連續(xù)性變形理論建立高噪聲自然紋理散斑特征圖像數(shù)據(jù)集；在卷積神經(jīng)網(wǎng)絡(luò)中引入圖像相關(guān)性計(jì)算的相關(guān)層，將高噪聲自然紋理散斑特征圖像數(shù)據(jù)集輸入到改進(jìn)神經(jīng)網(wǎng)絡(luò)中訓(xùn)練，得到訓(xùn)練好的基于顯示相關(guān)層的檢測(cè)模型；將待檢測(cè)的變形前后高噪聲自然紋理散斑特征圖像輸入訓(xùn)練好的改進(jìn)神經(jīng)網(wǎng)絡(luò)模型得到變形場(chǎng)，實(shí)現(xiàn)X射線數(shù)字成像變形監(jiān)測(cè)。本發(fā)明將顯式相關(guān)性計(jì)算引入到卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)中，獲得基于顯示相關(guān)層的深度學(xué)習(xí)網(wǎng)絡(luò)，顯著提高X射線數(shù)字成像的高噪聲自然紋理散斑特征圖像的變形監(jiān)測(cè)精度。

技術(shù)研發(fā)人員：楊恒,高家樂(lè),趙文浩,王潘丁,曲兆亮,方岱寧
受保護(hù)的技術(shù)使用者：北京理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30