System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及安检图像转换相关,尤其是涉及一种安检图像转换方法、系统、设备及存储介质。
技术介绍
1、目前,深度学习和目标检测技术在安检机x光图像检测物品的领域中应用逐渐广泛。训练出一个能够检测安检机x光图中的物品的模型需要大量的x光图才能保障较好的识别效果。但由于各个不同的型号安检机成像风格和颜色都不同,用单一型号安检机的图片训练出来的模型并不能很好的适配其他型号的安检机。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题。为此,本专利技术提出一种安检图像转换方法、系统、设备及存储介质,能够减小训练数据,实现不同型号的安检机的安检图像相互转换,提高颜色转换的精准度。
2、本专利技术的第一方面,提供了一种安检图像转换方法,包括如下步骤:
3、提取第一安检机的待转化x光图像中的像素点;
4、将所述待转化x光图像的像素点输入训练好的pix2pix模型,得到所述pix2pix模型输出的模拟第二安检机生成的对应预测像素点;重组所述预测像素点,得到转化后x光图像;其中,所述pix2pix模型的训练过程包括:
5、获取测试件通过第一安检机生成的第一x光图像集和所述测试件通过第二安检机生成的第二x光图像集;
6、根据所述第一x光图像集和所述第二x光图像集进行像素点匹配,得到像素点对,其中,所述像素点对由所述第一x光图像集的像素点和在第二x光图像集中与所述第一x光图像集的坐标相同的像素点组成;
7、根据所述像素
8、根据所述像素点对的rgb误差值和所述平均rgb误差值进行像素点过滤,得到像素点训练集;
9、构建初始pix2pix模型,将所述像素点训练集输入所述初始pix2pix模型进行训练,得到所述训练好的pix2pix模型。
10、根据本专利技术实施例的控制方法,至少具有如下有益效果:
11、本方法首先通过将待转化x光图像的像素点输入训练好的pix2pix模型,得到pix2pix模型输出的模拟第二安检机生成的对应预测像素点;然后重组预测像素点,得到转化后x光图像;将预测像素点进行重组,得到待转化x光图像在第二安检机对应的x光图像,实现了不同型号安检机的安检图像之间进行相互转换,训练过程为根据第一x光图像集和第二x光图像集进行像素点匹配,得到像素点对,根据像素点对进行rgb误差计算,得到像素点对的rgb误差值和平均rgb误差值;根据像素点对的rgb误差值和平均rgb误差值进行像素点过滤,得到像素点训练集;将像素点训练集输入初始pix2pix模型进行训练,得到训练好的pix2pix模型,通过rgb误差值作为数据清洗的方法,来筛选合适的像素点对作为pix2pix模型的像素点对训练数据,减小了训练数据,提高了颜色转换的精准度。
12、根据本专利技术的一些实施例,所述根据所述第一x光图像集和所述第二x光图像集进行像素点匹配,得到像素点对,包括:
13、获取所述第一x光图像集的像素点的hsv值、灰度值以及所述第二x光图像集的像素点的hsv值、灰度值;
14、根据所述第一x光图像集的像素点的hsv值、灰度值以及所述第二x光图像集的像素点的hsv值、灰度值进行色块筛选,得到第一对应色块组;
15、根据所述第一对应色块组进行像素点匹配,得到所述像素点对。
16、根据本专利技术的一些实施例,根据所述第一对应色块组进行像素点匹配,得到所述像素点对,包括:
17、将所述第一对应色块组进行resize操作,得到宽高相同的第二对应色块组;
18、将所述第二对应色块组进行高斯滤波,得到第三对应色块组;
19、将所述第三对应色块组的相同坐标的像素点进行像素点匹配,得到所述像素点对。
20、根据本专利技术的一些实施例,根据所述像素点对进行rgb误差计算,得到像素点对的rgb误差值,包括:
21、计算所述像素点对的rgb差值;
22、将所述像素点对的rgb差值作为所述像素点对的rgb误差值。
23、根据本专利技术的一些实施例,所述根据所述像素点对进行rgb误差计算,得到平均rgb误差值,包括:
24、根据所述第三对应色块组的所述像素点对的rgb误差值进行平均值计算,得到第三对应色块组的rgb误差;
25、将第三对应色块组的rgb误差作为所述平均rgb误差值。
26、根据本专利技术的一些实施例,所述根据所述像素点对的rgb误差值和所述平均rgb误差值进行像素点过滤,得到像素点训练集,包括:
27、将所述像素点对的rgb误差值大于所述平均rgb误差值的像素点对进行去除,得到筛选后像素点对;
28、根据所述筛选后像素点对构建所述像素点训练集。
29、根据本专利技术的一些实施例,所述获取测试件通过第一安检机生成的第一x光图像集和所述测试件通过第二安检机生成的第二x光图像集,包括:
30、将所述测试件过所述第一安检机,得到所述第一x光图像集;
31、获取所述测试件过所述第一安检机的过机角度;
32、将所述测试件以所述过机角度过所述第二安检机,得到所述第二x光图像集。
33、本专利技术的第二方面,提供一种安检图像转换系统,所述安检图像转换系统包括:
34、数据获取模块,用于提取第一安检机的待转化x光图像中的像素点;
35、x光图像转化模块,用于将所述待转化x光图像的像素点输入训练好的pix2pix模型,得到所述pix2pix模型输出的模拟第二安检机生成的对应预测像素点;重组所述预测像素点,得到转化后x光图像;其中,所述pix2pix模型的训练过程包括:
36、获取测试件通过第一安检机生成的第一x光图像集和所述测试件通过第二安检机生成的第二x光图像集;
37、根据所述第一x光图像集和所述第二x光图像集进行像素点匹配,得到像素点对,其中,所述像素点对由所述第一x光图像集的像素点和在第二x光图像集中与所述第一x光图像集的坐标相同的像素点组成;
38、根据所述像素点对进行rgb误差计算,得到像素点对的rgb误差值和平均rgb误差值;
39、根据所述像素点对的rgb误差值和所述平均rgb误差值进行像素点过滤,得到像素点训练集;
40、构建初始pix2pix模型,将所述像素点训练集输入所述初始pix2pix模型进行训练,得到所述训练好的pix2pix模型。
41、本系统首先通过将待转化x光图像的像素点输入训练好的pix2pix模型,得到pix2pix模型输出的模拟第二安检机生成的对应预测像素点;然后重组预测像素点,得到转化后x光图像;将预测像素点进行重组,得到待转化x光图像在第二安检机对应的x光图像,实现了不同型号安检机的安检图像之间进行相互转换,训练过程为根据第一x光图像本文档来自技高网...
【技术保护点】
1.一种安检图像转换方法,其特征在于,所述安检图像转换方法包括:
2.根据权利要求1所述的一种安检图像转换方法,其特征在于,所述根据所述第一X光图像集和所述第二X光图像集进行像素点匹配,得到像素点对,包括:
3.根据权利要求2所述的一种安检图像转换方法,其特征在于,所述根据所述第一对应色块组进行像素点匹配,得到所述像素点对,包括:
4.根据权利要求3所述的一种安检图像转换方法,其特征在于,根据所述像素点对进行RGB误差计算,得到平均RGB误差值,包括:
5.根据权利要求1所述的一种安检图像转换方法,其特征在于,根据所述像素点对进行RGB误差计算,得到像素点对的RGB误差值,包括:
6.根据权利要求1所述的一种安检图像转换方法,其特征在于,所述根据所述像素点对的RGB误差值和所述平均RGB误差值进行像素点过滤,得到像素点训练集,包括:
7.根据权利要求1所述的一种安检图像转换方法,其特征在于,所述获取测试件通过第一安检机生成的第一X光图像集和所述测试件通过第二安检机生成的第二X光图像集,包括:
8.
9.一种安检图像转换设备,其特征在于,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的一种安检图像转换方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的一种安检图像转换方法。
...【技术特征摘要】
1.一种安检图像转换方法,其特征在于,所述安检图像转换方法包括:
2.根据权利要求1所述的一种安检图像转换方法,其特征在于,所述根据所述第一x光图像集和所述第二x光图像集进行像素点匹配,得到像素点对,包括:
3.根据权利要求2所述的一种安检图像转换方法,其特征在于,所述根据所述第一对应色块组进行像素点匹配,得到所述像素点对,包括:
4.根据权利要求3所述的一种安检图像转换方法,其特征在于,根据所述像素点对进行rgb误差计算,得到平均rgb误差值,包括:
5.根据权利要求1所述的一种安检图像转换方法,其特征在于,根据所述像素点对进行rgb误差计算,得到像素点对的rgb误差值,包括:
6.根据权利要求1所述的一种安检图像转换方法,其特征在于,所述根据所述像素点对的rgb误差值和所述平均rgb误差值进行像素...
【专利技术属性】
技术研发人员:邓意麒,盛成功,
申请(专利权)人:湖南苏科智能科技有限公司,
类型:发明
国别省市:
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。