一种基于深度学习的背光X射线图像多层噪声去除方法

本发明提出一种基于深度学习的背光X射线图像多层噪声去除方法，包括：采集背光X射线图像中的球壳轮廓，利用计算机建模得到无噪声图像数据集；模拟图像噪声，并添加到无噪声图像数据集中得到有噪声图像数据集；构建以FR‑Unet架构为核心的图像降噪模型，以有噪声图像数据集为输入，进行图像增强，输出降噪后的有噪声图像；再与无噪声图像对比计算均方差损失MSE，多次训练，得到最优图像降噪模型；将最优图像降噪模型应用于真实实验图像，验证模型的降噪效果，并确保图像质量和细节保留。本发明能有效去除多层噪声，在保持高图像保真度的同时实现高效噪声减少，避免重要信息的丢失，提高了惯性约束聚变实验数据分析的质量和准确性。