【技术实现步骤摘要】
本专利技术涉及ct图像识别，尤其涉及一种用于少量源探的ct安检方法。
技术介绍
1、近年来，随着安检技术的广泛应用和快速发展，在安全检查过程中，x射线成像技术已经成为一种非常重要的手段来识别可疑物品或危险物品。在安检领域，由于其快速、准确、无损伤性等优点，基于x射线成像技术的安检设备包括传统物品安检机、安检ct机等越来越受到重视，得到了迅速的发展，已经成为最为主流的安检设备。
2、在某些应用场景中，为了降低设备生产成本，通常采用较少的源探对去对目标进行图像采样，不能对目标进行全角度的采样，使得对目标的某些角度特征缺失，从而导致对目标的识别精确度变差。
3、因此，亟需一种用于少量源探的ct安检方法。
技术实现思路
1、鉴于上述的分析，本专利技术实施例旨在提供一种用于少量源探的ct安检方法，用以解决现有技术中由于源探数量较少导致对目标识别不准确的问题。
2、本专利技术实施例提供了一种用于少量源探的ct安检方法，所述ct安检方法包括：
3、将采集的多个稀疏视角图像输入至预先训练完成的新视角射线图像生成模型，得到待重建图像对应的三维隐式场总数据；对三维隐式场总数据进行体积渲染，得到多个新生成的视角图像；根据多个稀疏视角图像和多个新生成的视角图像，结合预设图像重建算法，得到ct重建图像；
4、获取ct重建图像中所包括的待识别目标；
5、基于每个待识别目标的三维体素获取第二预设视角下的每个待识别目标的多个渲染图像；依次将每
6、基于上述ct安检方法的进一步改进，所述获取ct重建图像中所包括的待识别目标，包括：
7、对ct重建图像进行第一预设视角的投影，得到多个二维投影图像；
8、将多个二维投影图像依次输入至预先训练完成的包围框确定模型，得到每个二维投影图像对应的二维包围框；
9、将每个二维投影图像对应的二维包围框按照第一预设视角反映射回ct重建图像中，得到ct重建图像中所包括的待识别目标。
10、基于上述ct安检方法的进一步改进，所述包围框确定模型包括特征提取骨干层、双层特征结合层和二维框输出层；
11、特征提取骨干层，用于接收二维投影图像，输出两个深度不同的特征图至双层特征结合层；
12、双层特征结合层，用于组合两个深度不同的特征图，融合得到三个不同的特征图，并且将三个特征图输入至二维框输出层；
13、二维框输出层，用于分别根据三个特征图进行预测，得到每个特征图中各个目标的二维包围框；计算三个特征图中各个目标的二维包围框的平均值，作为每个二维投影图像对应的二维包围框。
14、基于上述ct安检方法的进一步改进，所述特征提取骨干层包括卷积输入层、第一特征图提取层和第二特征图提取层；
15、卷积输入层，用于接收二维投影图像，并进行一次卷积操作，将卷积操作后的特征图输入至第一特征图提取层；
16、第一特征图提取层，用于对输入的特征图进行卷积操作和残差卷积操作，得到第一特征图，并输出至第二特征图提取层和双层特征结合层；
17、第二特征图提取层，用于对输入的第一特征图进行卷积操作和残差卷积操作，得到第二特征图，并输出至双层特征结合层。
18、基于上述ct安检方法的进一步改进，所述双层特征结合层包括第一特征图传输层、第二特征图传输层和特征图结合层；
19、第一特征图传输层，用于接收第一特征图，并将第一特征图传输至二维框输出层和特征图结合层；
20、第二特征图传输层，用于接收第二特征图，并将第二特征图传输至二维框输出层和特征图结合层；
21、特征图结合层，用于将第一特征图传输层接收的第一特征图和第二特征图传输层接收的第二特征图拼接，得到第三特征图，并将第三特征图输入至二维框输出层。
22、基于上述ct安检方法的进一步改进，所述预先训练完成的包围框确定模型的损失函数为：
23、
24、
25、
26、其中，表示二维包围框的损失函数，xt，xb，xl，xr分别表示预测包围框的二维坐标，分别表示实际包围框的二维坐标，i是交集面积，u是并集面积。
27、基于上述ct安检方法的进一步改进，所述基于每个待识别目标的三维体素获取第二预设视角下每个待识别目标的多个渲染图像，包括：
28、从ct重建图像中依次提取每个待识别目标的三维体素，并且对每个待识别目标的三维体素进行第二预设视角下的渲染，得到每个待识别目标的多个渲染图像。
29、基于上述ct安检方法的进一步改进，通过下述步骤对新视角射线图像生成模型进行训练：
30、搭建射线图像采集平台，通过改变源探对位置采集全视角图像；射线图像采集平台包括多个源探对、包裹放置台和环形旋转支架；包裹放置台，用于放置包裹；环形旋转支架，用于安装多个源探对；包裹放置台位于环形旋转支架的中间区域，通过旋转环形旋转支架可以改变多个源探对与包裹的视角。
31、从全视角图像中选择若干视角的图像作为稀疏视角图像；将全视角图像和对应的稀疏视角图像作为一个训练样本，构建训练集；
32、根据训练集中每一个训练样本对新视角射线图像生成模型进行训练，直至新视角射线图像生成模型的损失函数满足迭代终止条件，完成训练。
33、基于上述ct安检方法的进一步改进，所述预先训练完成的目标识别模型包括特征提取网络、特征融合网络和分类头网络；
34、特征提取网络，用于接收每个待识别目标的多个渲染图像，并分别提取每个渲染对象对应的特征图，并将每个渲染对象对应的特征图发送至特征融合网络；
35、特征融合网络，用于将多个渲染图像对应的多个特征图连接合并，得到每个待识别目标对应的特征矩阵，并将每个待识别目标对应的特征矩阵发送至分类头网络；
36、分类头网络，用于根据每个待识别目标对应的特征矩阵，识别出每个待识别目标对应的类别。
37、基于上述ct安检方法的进一步改进，所述特征提取网络包括多个特征提取层，特征提取层的数量和第二预设视角的数量相同，每个特征提取层用于提取每个第二预设视角对应的渲染图像的特征图；
38、每个特征提取层包括依次连接的输入层、多个卷积池化层和输出层，每个卷积池化层包括依次连接的2个卷积层和1个池化层。
39、与现有技术相比，本专利技术至少可实现如下有益效果之一：
40、1、通过少量源探采集的稀疏视角图像和新视角射线图像生成模型生成多个新视角图像，使得获取到目标更多角度的图像特征，提高了ct重建图像的精确度，使得进一步提高了目标识别的精确度；
41、2、通过提取ct重建图像中各个待识别目标的三维体素，通过渲染得到每个待识别目标的多个渲染图像，从而结合了每个待识别目标的三维形状本文档来自技高网...
【技术保护点】
1.一种用于少量源探的CT安检方法，其特征在于，所述CT安检方法包括：
2.根据权利要求1所述的CT安检方法，其特征在于，所述获取CT重建图像中所包括的待识别目标，包括：
3.根据权利要求2所述的CT安检方法，其特征在于，所述包围框确定模型包括特征提取骨干层、双层特征结合层和二维框输出层；
4.根据权利要求3所述的CT安检方法，其特征在于，所述特征提取骨干层包括卷积输入层、第一特征图提取层和第二特征图提取层；
5.根据权利要求4所述的CT安检方法，其特征在于，所述双层特征结合层包括第一特征图传输层、第二特征图传输层和特征图结合层；
6.根据权利要求2至5任一项所述的CT安检方法，其特征在于，所述预先训练完成的包围框确定模型的损失函数为：
7.根据权利要求2所述的CT安检方法，其特征在于，所述基于每个待识别目标的三维体素获取第二预设视角下的每个待识别目标的多个渲染图像，包括：
8.根据权利要求1所述的CT安检方法，其特征在于，通过下述步骤对新视角射线图像生成模型进行训练：
9.根据权利要
10.根据权利要求9所述的CT安检方法，其特征在于，所述特征提取网络包括多个特征提取层，特征提取层的数量和第二预设视角的数量相同，每个特征提取层用于提取每个第二预设视角对应的渲染图像的特征图；
...【技术特征摘要】
1.一种用于少量源探的ct安检方法，其特征在于，所述ct安检方法包括：
2.根据权利要求1所述的ct安检方法，其特征在于，所述获取ct重建图像中所包括的待识别目标，包括：
3.根据权利要求2所述的ct安检方法，其特征在于，所述包围框确定模型包括特征提取骨干层、双层特征结合层和二维框输出层；
4.根据权利要求3所述的ct安检方法，其特征在于，所述特征提取骨干层包括卷积输入层、第一特征图提取层和第二特征图提取层；
5.根据权利要求4所述的ct安检方法，其特征在于，所述双层特征结合层包括第一特征图传输层、第二特征图传输层和特征图结合层；
6.根据权利要求2至5任一项所述的ct安检方法，其特征在于...
【专利技术属性】
技术研发人员：乔建森，张文杰，郑维红，徐圆飞，李保磊，
申请(专利权)人：北京航星机器制造有限公司，
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。