【技术实现步骤摘要】
一种X射线透射和背散射一体检测成像算法
[0001]本专利技术涉及安检
,具体为一种X射线透射和背散射一体检测成像算法。
技术介绍
[0002]目前,针对X射线透射检测和X射线背散射检测多是分别独立成像,多张图像融合技术,研究多为彩色图与彩色图融合,使用方法为等比例矩阵数据对位数值相加、线性以及非线性融合、差值类融合等。多为地理图层的融合。目前国内外类似设备均采用两套不同的检测成像算法,由于X射线透射系统为伪彩色,数据为RGB三原色的三维结构,但是X射线背散射多为灰度图,数据为黑白的一维数据结构,视觉效果具有一定的立体效果,维度不相同,在数据层面上基本的数学运算无法融合,其次就是损失图像信息量,转换成HSV、YUV、HSL等格式进行图像融合,效果较差,导致目前设备均采用分开独立成像。由于目前安检行业X射线能量不一样,探测器探测信号位置不一样,造成成像数据各异,但是图像数据分开保存,展示,对硬件成本要求较高,显示数量较多,传输成本较高,图像类型不同对安保人员甄别危险品造成一定的困难。为了克服以上所阐述的问题,本专利技术针 ...
【技术保护点】
【技术特征摘要】
1.一种X射线透射和背散射一体检测成像算法,其特征在于:具体按以下步骤执行:S1:进行数据采集,通过X光机发射光源扫描经过传送带上的物品,通过探测器接收信号,再通过采集卡将模拟信号转换成数字信号,数字成像并上传到图像融合数据服务器;S2:进行立体3D图像的合成,对接收到的X射线背散射图像和X射线透射图像使用加权平均算法和主成分分析算法,判别相关量分析,并基于相关量的位置区域融合,同时对源图像进行金字塔变换,对金字塔系数融合得到处理后的系数,逆过程重构得到处理图像,从而重构完整的3D图像;S3:进行特殊区域融合修正,对X射线背散射灰度图使用UNet神经网络,得到相同语义的区域的掩膜,使用数值特征质心定位,判断该区域的的质心,同时使用DeeplapV3+,使用深度可分离卷积,并添加一个带有可分离卷积的Xception模块,将空洞可分离卷积应用到ASPP和解码模块中,使用Pidnet算法通过差分卷积提升边缘检测性能,得到图像骨架特征以及标志物体质心特征,然后将两张图像以骨架特征融合为主,点位为辅助的方式匹配生成自适应图像结果;S4:由步骤S2与S3生成的特征数据,使用对抗神经网络GAN算法,通过创建两个不同的对立的网络,训练形成模型,使用这张图片映射到重构的立体图像上去,对映射图像区域位置修正;S5:最后使用对抗神经网络,将生成的3D立体图效果图,并利用判别式对生成的立体融合图像进行判别,是否为正确的3D立体图像,如果存在瑕疵,则重复步骤S1‑
S4,确立最佳立体融合成像。2.根据权利要求1所述的一种X射线透射和背散射一体检测成像算法,其特征在于,在步骤S2中,X射线透射成像有伪彩,灰度两种数据格式,X射线透射成像伪彩图和X射线灰度图使用传统算法,在空间域采用基于非多尺度变换的图像融合方法,选择像素灰度值选大或小的图像融合方法;假设参加融合的两幅原图像分别为A、B,图像大小分别为M*N,融合图像为F,则针对原图像A、B的像素灰度值选大或小图像融合方法如式(1):F(m,n)=max(ormin){A(m,n),B(m,n)}
ꢀꢀꢀ
式(1)其中:m、n分别为图像中像素的行号和列号。3.根据权利要求1所述的一种X射线透射和背散射一体检测成像算法,其特征在于,在步骤S2中,在变换域采用拉普拉斯金字塔融合算法,将Gl内插方法得到放大图像*Gl,使*Gl的尺寸与*Gl
‑
1的尺寸相同,即放大算子Expand,具体如式(2)和式(3)所示:1的尺寸相同,即放大算子Expand,具体如式(2)和式(3)所示:在式(2)和式(3)中,具体实现两个步骤,在偶数行和列插入0,然后使用下采样中的高斯核进行滤波处理,得到和l
‑
1层一样大小的图像;如式(4)和式(5)所示:
其中,N为拉普拉斯金字塔顶层的层号,LPl是拉普拉斯金字塔分解的第L层图像,由LP0,LP1、LP2
…
LPN构成...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。