Publication:
Inpainting of Ring Artifacts on Microtomographic Images by 3D CNN

Дата
2020
Авторы
Yakimchuk, I.
Kornilov, A.
Safonov, I.
Journal Title
Journal ISSN
Volume Title
Издатель
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт общей профессиональной подготовки (ИОПП)
Миссией Института является: фундаментальная базовая подготовка студентов, необходимая для получения качественного образования на уровне требований международных стандартов; удовлетворение потребностей обучающихся в интеллектуальном, культурном, нравственном развитии и приобретении ими профессиональных знаний; формирование у студентов мотивации и умения учиться; профессиональная ориентация школьников и студентов в избранной области знаний, формирование способностей и навыков профессионального самоопределения и профессионального саморазвития. Основными целями и задачами Института являются: обеспечение высококачественной (фундаментальной) базовой подготовки студентов бакалавриата и специалитета; поддержка и развитие у студентов стремления к осознанному продолжению обучения в институтах (САЕ и др.) и на факультетах Университета; обеспечение преемственности образовательных программ общего среднего и высшего образования; обеспечение высокого качества довузовской подготовки учащихся Предуниверситария и школ-партнеров НИЯУ МИФИ за счет интеграции основного и дополнительного образования; учебно-методическое руководство общеобразовательными кафедрами Института, осуществляющими подготовку бакалавров и специалистов по социо-гуманитарным, общепрофессиональным и естественнонаучным дисциплинам, обеспечение единства требований к базовой подготовке студентов в рамках крупных научно-образовательных направлений (областей знаний).
Выпуск журнала
Аннотация
© 2020 FRUCT.Ring artifacts are inevitable in microtomographic images. In a Digital Rock workflow, such defects might affect the subsequent segmentation and flow simulation. We propose a correction of ring artifacts in reconstructed microtomographic images by inpainting. Our blind inpainting method uses a 3D convolutional network U-net. For the creation of training and validation datasets, we suggest an algorithm for transferring real ring artifacts to an arbitrary place in the undistorted slices of 8 big images of sandstones and sand. The parameters of the deep neural network and loss functions are analyzed. A loss function based on the multi-scale structural similarity index (MS-SSIM) allows to achieve the best performance. The developed solution corrects ring artifacts perfectly from a point of view of visual assessment and outperforms existing inpainting methods according to quality metrics based on MS-SSIM and mean absolute error (MAE).
Описание
Ключевые слова
Цитирование
Yakimchuk, I. Inpainting of Ring Artifacts on Microtomographic Images by 3D CNN / Yakimchuk, I., Kornilov, A., Safonov, I. // Conference of Open Innovation Association, FRUCT. - 2020. - 2020-April. - P. 200-206. - 10.23919/FRUCT48808.2020.9087422
URI
https://www.doi.org/10.23919/FRUCT48808.2020.9087422
 https://www.scopus.com/record/display.uri?eid=2-s2.0-85085017841&origin=resultslist
 http://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcAuth=Alerting&SrcApp=Alerting&DestApp=WOS_CPL&DestLinkType=FullRecord&UT=WOS:000590125300028
 https://openrepository.mephi.ru/handle/123456789/21814
Коллекции
Публикации