一种物体检测方法、双能探测器、系统及存储介质与流程

本技术涉及物体检测，特别是涉及一种物体检测方法、双能探测器、系统及存储介质。

背景技术：

1、双能ct(computed tomography，即电子计算机断层扫描)检测系统通常包括x射线源、双能探测器和滑环。传统的双能探测器的结构中，通常上层为低能探测器单元，下层为高能探测器单元，两层探测器单元之间放置合适材料和厚度的滤波片，这样两层探测器单元分别获取低能投影图像和高能投影图像，以分别重建得到低能ct图像和高能ct图像。为了提升双能ct检测系统的空间分辨率，需要减小探测器单元的像素尺寸，这将增加探测器单元的像素数量，增加硬件成本。

2、目前，采用相同像素宽度的低能线阵探测器和高能线阵探测器相间排列，组成单层双能探测器，低能探测器和高能探测器分别获取非完备的低能投影图像和高能投影图像，然后采用插值算法生成完备的低能投影图像和高能投影图像，再分别重建得到低能ct图像和高能ct图像，进而采用双能分解算法对图像中被检物进行物质识别。

3、但是，基于采用插值算法得到低能ct图像和高能ct图像清晰度较低，导致采用双能分解算法对图像中被检物识别的准确率较低。

技术实现思路

1、本技术实施例的目的在于提供一种物体检测方法、双能探测器、系统及存储介质，以提高被检物识别的准确率。具体技术方案如下：

2、第一方面，本技术实施例提供了一种物体检测方法，应用于双能ct检测系统的处理器，所述检测系统还包括射线源以及双能探测器，所述双能探测器包括至少一个组件单元，每个组件单元包括至少一个低能探测器组件和一个高能探测器组件，所述每个组件单元包括的低能探测器组件和高能探测器组件的排列方式相同；所述方法包括：

3、获取所述双能探测器采集的被检物的多个初始投影图像；

4、针对每个初始投影图像，基于高能卷积核对该初始投影图像进行卷积，得到高能特征图像，并基于低能卷积核对该初始投影图像进行卷积，得到低能特征图像，其中，所述高能卷积核为预先基于所述双能探测器中所包括的高能探测器组件的排列方式确定的，所述低能卷积核为预先基于所述双能探测器中所包括的低能探测器组件的排列方式确定的；

5、将所述高能特征图像和所述低能特征图像进行融合得到初始特征图像，并将所述初始特征图像输入至预先训练的图像复原模型，得到低能投影图像和高能投影图像，其中，所述图像复原模型为基于双层探测器采集的原始低能投影图像以及原始高能投影图像训练得到的；

6、基于多个高能投影图像进行图像重建，得到高能重建图像，并基于多个低能投影图像进行图像重建，得到低能重建图像；

7、采用双能分解算法对所述高能重建图像和所述低能重建图像进行分析，得到所述被检物的检测结果。

8、可选的，所述高能卷积核包括多个元素，其中与所述低能探测器组件对应的元素为0，与所述高能探测器组件对应的元素为第一数值，所述低能卷积核包括多个元素，其中与所述高能探测器组件对应的元素为0，与所述低能探测器组件对应的元素为第二数值；

9、所述基于高能卷积核对该初始投影图像进行卷积，得到高能特征图像，并基于低能卷积核对该初始投影图像进行卷积，得到低能特征图像的步骤，包括：

10、按照预设步长，基于所述高能卷积核对该初始投影图像进行卷积处理，以使所述高能卷积核每次按照所述预设步长移动后，元素0均对应于所述低能探测器组件对应的像素，得到高能特征图像；

11、按照所述预设步长，基于所述低能卷积核对该初始投影图像进行卷积处理，以使所述低能卷积核每次按照所述预设步长移动后，元素0均对应于所述高能探测器组件对应的像素，得到低能特征图像。

12、可选的，所述图像复原模型包括解码器、编码器以及卷积网络；

13、所述将所述初始特征图像输入至预先训练的图像复原模型，得到低能投影图像和高能投影图像的步骤，包括：

14、将所述初始特征图像划分为预设数量个区域块；

15、将每个区域块输入至所述编码器，按照预设编码规则对该区域块中每个像素进行编码，得到所述初始特征图像对应的编码特征；

16、将所述编码特征输入至所述解码器，按照所述预设编码规则对应的解码规则对所述编码特征进行解码，得到所述初始特征图像对应的解码特征；

17、将所述解码器输出的解码特征，按照所述初始特征图像的高度和宽度进行拼接，得到多个解码特征图像；

18、将所述多个解码特征图像输入所述卷积网络，分别对所述多个解码特征图像中低能投影图像的特征和高能投影图像的特征进行提取，得到低能投影图像和高能投影图像。

19、可选的，所述编码器的数量和所述解码器的数量与所述区域块的数量相同，每个区域块对应一个编码器和一个解码器；

20、所述将每个区域块输入至所述编码器，按照预设编码规则对该区域块中每个像素进行编码，得到所述初始特征图像对应的编码特征的步骤，包括：

21、针对第一个区域块，将该第一个区域块输入对应的编码器进行特征编码，得到该第一个区域块对应的编码特征，并将该编码特征输入下一个区域块对应的编码器；

22、针对非第一个区域块，将该区域块以及其上一个区域块对应的编码特征，输入该区域块对应的编码器进行特征编码，得到所述初始特征图像对应的编码特征；

23、将所述编码特征输入至所述解码器，按照所述预设编码规则对应的解码规则对所述编码特征进行解码，得到所述初始特征图像对应的解码特征的步骤，包括：

24、将所述编码特征分别输入至每个解码器，以使所述第一个区域块对应的解码器按照所述预设编码规则对应的解码规则对所述编码特征进行解码，得到解码特征，并将该解码特征输入下一个区域块对应的解码器，所述非第一个区域块对应的解码器按照所述预设编码规则对应的解码规则，基于其上一个区域块对应的解码器输入的解码特征，对所述编码特征进行解码，得到所述初始特征图像对应的解码特征。

25、可选的，所述图像复原模型的训练方式，包括：

26、获取双层探测器所采集的原始低能投影图像以及原始高能投影图像，其中，所述双层探测器包括低能探测器和高能探测器，所述高能探测器和低能探测器的大小均与所述双能探测器大小相同；

27、按照所述双能探测器中低能探测器组件和高能探测器组件的排列方式，分别对所述原始低能投影图像和所述原始高能投影图像进行采样，得到与所述排列方式对应的低能投影样本图像和高能投影样本图像；

28、将样本图像输入至初始图像复原模型，得到所述初始图像复原模型输出的低能投影复原图像和高能投影复原图像，其中，所述样本图像为基于所述低能投影样本图像和所述高能投影样本图像拼接得到的高低能像素与所述排列方式对应的图像；

29、根据所述低能投影复原图像与所述低能投影样本图像之间的像素分布差异，以及所述高能投影复原图像与所述高能投影样本图像之间的像素分布差异，计算损失函数的损失值；

30、基于所述损失值调整所述初始图像复原模型的参数，直到所述初始图像复原模型满足收敛条件，得到所述图像复原模型。

31、可选的，所述根据所述低能投影复原图像与所述低能投影样本图像之间的像素分布差异，以及所述高能投影复原图像与所述高能投影样本图像之间的像素分布差异，计算损失函数的损失值的步骤，包括：

32、根据所述低能投影复原图像与所述低能投影样本图像之间的像素分布差异，以及所述高能投影复原图像与所述高能投影样本图像之间的像素分布差异，按照以下公式计算损失函数的损失值：

33、

34、其中，pr为所述低能投影复原图像时，pθ为所述低能投影样本图像，y9x，y)为调整所述低能投影复原图像的像素分布与所述低能投影样本图像的像素分布相同时所需移动的第一像素数量，d(x，y)为移动所述第一像素所需消耗的成本，inf为所述损失函数的下确界；

35、pr为所述高能投影复原图像时，pθ为所述高能投影样本图像，y(x，y)为调整所述高能投影复原图像的像素分布与所述高能投影样本图像的像素分布相同时所需移动的第二像素数量，d(x，y)为移动所述第二像素所需消耗的成本。

36、可选的，所述基于多个高能投影图进行图像重建，得到高能重建图像，并基于多个低能投影图进行图像重建，得到低能重建图像的步骤，包括：

37、针对每个目标投影图像的每个顶点的像素值，根据该顶点的预设范围内像素的像素值的分布情况对该顶点进行修正，得到修正后的目标投影图像，其中，所述目标投影图像为所述低能投影图像或所述高能投影图像；

38、基于多个修正后的高能投影图像进行图像重建，得到高能重建图像，并基于多个修正后的低能投影图像进行图像重建，得到低能重建图像。

39、可选的，所述针对每个目标投影图像的每个顶点的像素值，根据该顶点的预设范围内像素的像素值的分布情况对该顶点进行修正，得到修正后的目标投影图像的步骤，包括：

40、针对每个目标投影图像的每个顶点的像素值，将该顶点的预设范围内像素的像素值的均值作为该顶点的像素值，得到修正后的目标投影图像。

41、可选的，所述将所述高能特征图像和所述低能特征图像进行融合得到初始特征图像的步骤，包括：

42、采用大小为1x1的卷积核，对所述高能特征图像和所述低能特征图像进行通道融合，得到初始特征图像。

43、可选的，所述双能探测器包括多个组件单元，所述多个组件单元按照相同的排列方式在第一排列方向和第二排列方向上设置，所述第一排列方向与第二排列方向垂直。

44、第二方面，本技术实施例提供了一种双能探测器，所述双能探测器包括至少一个组件单元，每个组件单元包括至少一个低能探测器组件和一个高能探测器组件，所述每个组件单元包括的低能探测器组件和高能探测器组件的排列方式相同，每个组件单元包括的低能探测器组件的数量与高能探测器组件的数量不同。

45、可选的，所述双能探测器包括多个组件单元，所述多个组件单元按照相同的排列方式在第一排列方向和第二排列方向上设置，所述第一排列方向与第二排列方向垂直。

46、可选的，所述每个组件单元包括三个低能探测器组件和一个高能探测器组件，其中，所述一个高能探测器组件位于矩形的一个顶角，与所述三个低能探测器组件组成一个矩形的组件单元；或，

47、所述每个组件单元包括八个低能探测器组件和一个高能探测器组件，其中，所述一个高能探测器组件位于矩形中心，与所述八个低能探测器组件组成一个矩形的组件单元。

48、第三方面，本技术实施例提供了一种双能ct检测系统，所述系统包括处理器、射线源以及双能探测器，所述双能探测器至少包括一个组件单元，每个组件单元包括至少一个低能探测器组件和一个高能探测器组件，所述每个组件单元包括的低能探测器组件和高能探测器组件的排列方式相同；其中：

49、所述处理器，用于获取所述双能探测器采集的被检物的多个初始投影图像；针对每个初始投影图像，基于高能卷积核对该初始投影图像进行卷积，得到高能特征图像，并基于低能卷积核对该初始投影图像进行卷积，得到低能特征图像；将所述高能特征图像和所述低能特征图像进行融合得到初始特征图像，并将所述初始特征图像输入至预先训练的图像复原模型，得到低能投影图像和高能投影图像；基于多个高能投影图像进行图像重建，得到高能重建图像，并基于多个低能投影图像进行图像重建，得到低能重建图像；采用双能分解算法对所述高能重建图像和所述低能重建图像进行分析，得到所述被检物的检测结果，其中，所述高能卷积核为预先基于所述双能探测器中所包括的高能探测器组件的排列方式确定的，所述低能卷积核为预先基于所述双能探测器中所包括的低能探测器组件的排列方式确定的，所述图像复原模型为基于双层探测器采集的原始低能投影图像以及原始高能投影图像训练得到的；

50、所述射线源，用于发射x射线对所述被检物进行扫描；

51、所述双能探测器，用于采集所述被检物的初始投影图像。

52、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的方法。

53、本技术实施例有益效果：

54、本技术实施例提供的方案中，应用于双能ct检测系统的处理器，检测系统还包括射线源以及双能探测器，双能探测器包括至少一个组件单元，每个组件单元包括至少一个低能探测器组件和一个高能探测器组件，每个组件单元包括的低能探测器组件和高能探测器组件的排列方式相同，由于在处理器得到双能探测器采集的被检物的初始投影图像后，分别采用高能卷积核和低能卷积核对初始投影图像进行卷积，其中，高能卷积核为预先基于双能探测器中所包括的高能探测器组件的排列方式确定的，低能卷积核为预先基于双能探测器中所包括的低能探测器组件的排列方式确定的，这样卷积核覆盖的范围仅考虑低能像素或高能像素，使得到的高能特征图像与低能特征图像之间不存在高低能干扰，进而在将低能特征图像与高能特征图像进行融合得到初始特征图像，并将初始特征图像输入至预先训练的图像复原模型后，得到低能投影图像和高能投影图像以进行图像重建，使得到的高能重建图像和低能重建图像更加清晰准确，且保留了更丰富的图像信息，那么采用双能分解算法对高能重建图像和低能重建图像进行分析，使得对被检物的分析结果更加准确，这样在优化装置成本的同时，提高了被检测物识别的准确率。当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。