基于并行可变形卷积网络的γ光子工业重建图像质量增强方法

本发明公开了一种基于并行可变形卷积网络的γ光子工业重建图像质量增强方法，包括以下步骤：将含有复杂噪声的γ光子工业检测图像输入构建的去噪模型中，去噪模型由卷积模块和自适应特征融合模块组成。其中，卷积模块分别为初始卷积块、扩张卷积块和可变形卷积块。将初始卷积块、扩张卷积块和可变形卷积块建立成并行网络，利用扩张卷积块和可变形卷积块感受野大小的不同，对γ光子工业图像的全局特征信息进行充分的捕捉，初始卷积块对局部特征信息进行捕捉。再通过自适应特征融合模块将局部特征和全局特征信息结合，有效处理γ光子工业图像中噪声和纹理细节的差异。输出高质量的重建图像，提高γ光子工业检测成像的能力。