CN109975335A - 一种ct检测方法及装置 - Google Patents
一种ct检测方法及装置 Download PDFInfo
- Publication number
- CN109975335A CN109975335A CN201910173197.1A CN201910173197A CN109975335A CN 109975335 A CN109975335 A CN 109975335A CN 201910173197 A CN201910173197 A CN 201910173197A CN 109975335 A CN109975335 A CN 109975335A
- Authority
- CN
- China
- Prior art keywords
- image
- projection
- data
- detector
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000005422 blasting Methods 0.000 claims abstract description 42
- 239000000463 material Substances 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000006798 recombination Effects 0.000 claims abstract description 7
- 238000005215 recombination Methods 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 19
- 125000001153 fluoro group Chemical group F* 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000003325 tomography Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000009738 saturating Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012549 training Methods 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 description 60
- 238000010586 diagram Methods 0.000 description 11
- 230000008707 rearrangement Effects 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 239000002360 explosive Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002594 fluoroscopy Methods 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- -1 inorganic matter Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
- G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
- G01V5/226—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays using tomography
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种CT检测方法及装置，其中，该方法包括如下步骤：步骤一：基于物体的原始投影数据对物体进行三维重建得到物体的三维断层图像，根据三维断层图像判断物体中是否有燃爆物；步骤二：根据物体的二维投影图像或根据物体的原始投影数据得到重组的物体的二维投影图像或根据三维断层图像得到重组的物体的二维投影图像，根据智能图像识别算法对物体的二维投影图像或者重组的二维投影图像进行处理判断物体中是否有燃爆物之外的其他违禁品；步骤三：如果步骤一中有燃爆物，则给出燃爆物报警；如果步骤二中有燃爆物之外的其他违禁品，则给出违禁品报警。本发明简化了标定难度、数据量以及数据训练计算量。
Description
技术领域
本发明属于安检技术领域，尤其涉及一种CT检测方法及装置。
背景技术
X射线技术早期被应用于安检时，主要通过形状信息检查刀，枪等违禁品，后来双能透视成像技术被应用后，能够通过双能透视图像区别有机物、无机物、混合物，一定程度上具备了燃爆物的检查功能，但是精度还比较度。接着以多视角成像技术为代表的AT(advanced technology)技术可以获取物体的近似电子密度信息，提高了探测精度，但依然由于物体重叠等因素的影像，精度难以明显提高。
X射线安检CT技术由于其高检测精度，在安全检查领域发挥着越来越重要的作用，但一直以来X射线CT设备的主要任务是检查燃爆物，被称为explosive detection System，通常不被赋予检查刀，枪等违禁品的自动探测任务，而违禁品的识别通常依然有人工完成。近年来随着人工智能和深度神经网络的发展，解放人力，由机器自动探测刀，枪等违禁品已经变为设备用户强烈的需求。因此在CT技术探测燃爆物的基础上，增加违禁品自动探测的功能成为技术和设备的发展趋势。
深度神经网络技术已经图像识别领域快速发展，但对于三维CT图像直接应用三维图像进行识别，存在计算量大，标定工作量大，计算资源要求高等缺点，还不能满足实际应用需求。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种CT检测方法及装置，由三维断层图完成燃爆物的探测识别，而基于二维投影图像由智能图像识别系统完成燃爆物之外的其他违禁品(刀，枪等违禁品)的识别，简化了标定难度、数据量以及数据训练计算量。
本发明目的通过以下技术方案予以实现：根据本发明的一个方面，提供了一种CT检测方法，所述方法包括如下步骤：步骤一：对物体进行扫描得到物体的原始投影数据，基于物体的原始投影数据对物体进行三维重建得到物体的三维断层图像，根据三维断层图像判断物体中是否有燃爆物；步骤二：根据扫描生成的物体的二维投影图像或根据步骤一中扫描得到的物体的原始投影数据得到重组的物体的二维投影图像或根据步骤一中的三维断层图像得到重组的物体的二维投影图像，根据智能图像识别算法对物体的二维投影图像或者重组的二维投影图像进行处理判断物体中是否有燃爆物之外的其他违禁品；步骤三：如果步骤一中有燃爆物，则给出燃爆物报警；如果步骤二中有燃爆物之外的其他违禁品，则给出违禁品报警。
上述CT检测方法中，在步骤二中，根据步骤一中扫描得到物体的投影数据得到重组的物体的二维投影图像具体包括如下步骤：步骤S21：将螺旋锥束投影数据重排得到不同角度的倾斜平行束投影数据；步骤S22：根据步骤S21中的不同角度的倾斜平行束投影数据将相隔180度整数倍的倾斜平行束投影数据按照对应位置拼接起来，形成物体的多角度倾斜平行束投影图像；步骤S23:根据螺旋锥束投影数据重建三维断层数据；步骤S24:根据三维断层数据确定多个优选投影视角方向；步骤S25:根据步骤S24中的多个优选投影视角方向，从步骤S22中的多角度倾斜平行束投影图像中得到相对应的优选的倾斜平行束投影图像。
上述CT检测方法中，在步骤二中，根据步骤一中的三维断层图像得到重组的物体的二维投影图像包括：将三维断层图像通过整体分割投影方法或细化分割投影方法得到重组的物体的二维投影图像。
上述CT检测方法中，将三维断层图像通过整体分割投影方法得到重组的物体的二维投影图像具体包括如下步骤：步骤S31：根据螺旋锥束投影数据重建三维断层图像；步骤S32:根据三维断层图像确定多个优选投影视角方向；步骤S33:设定体素值阈值范围，将范围之外的三维断层图像的体素值设为0，形成分割图像；
步骤S34:根据步骤S32中的多个优选投影视角方向和步骤S33中的分割图像生成重组的分割图像的二维投影图像。
上述CT检测方法中，将三维断层图像通过细化分割投影方法得到物体的二维投影图像具体包括如下步骤：
步骤S41：根据螺旋锥束投影数据重建三维断层图像；
步骤S42:设定体素值阈值范围，将范围之外的三维断层图像的体素值设为0，形成分割图像；
步骤S43:对步骤S42中的分割图像做遍历式区域生长，通过区域生长将分割图像分成若干个区域；
步骤S44:对每个区域单独生成二维投影图像。
上述CT检测方法中，在步骤S24中，根据三维断层数据确定多个优选投影视角方向包括如下步骤：
步骤S53:将三维断层数据分成N段，每段Z向叠加生成N个二维断层累加图像；其中，Z向为检测过程中的物体行进方向；
步骤S54:将N个二维断层累加图像360度正投影，得到N个正弦图；
步骤S55:对每个正弦图设定阈值范围，将阈值范围之外的像素值设为0，阈值范围内区域的像素值设为1；
步骤S56:对步骤S55中的正弦图的每行的非0位置求左边界坐标和右边界坐标，左边界坐标和右边界坐标相减得到每行的物体投影覆盖的宽度值；
步骤S57:宽度值最大的行对应的视角方向为对应该正弦图的优选的投影视角方向，共得到N个优选投影视角方向。
上述CT检测方法中，在步骤二中，所述智能图像识别算法是指基于深度神经网络技术的智能识别算法。
根据本发明的另一方面，还提供了一种CT检测装置，包括：CT射线源、CT滑环、CT探测器、第一探测器、第二探测器、第一射线源、第二射线源、被检查物体、传送带、综合数据处理计算机、CT数据处理计算机、透视数据处理计算机、传送带电机、滑环电机和运动控制计算机；其中，CT射线源和CT探测器均设置于所述滑环上，第一探测器和第二探测器均与透视数据处理计算机连接，CT探测器与CT数据处理计算机连接，CT数据处理计算机和透视数据处理计算机均与综合数据处理计算机连接，传送带电机和滑环电机均与运动控制计算机连接；运动控制计算机控制传送带电机带动传送带匀速运动，运动控制计算机控制滑环电机匀速转动。被检测物体放置在传动带上，传送带带动检测物体进入检测通道，滑环围绕传送带匀速转动；CT射线源发射射线，CT探测器接收来自于CT射线源的射线光子信号，由CT数据处理计算机完成CT投影数据的采集、存储和处理。第一探测器接收来自于第一射线源的射线光子信号，第二探测器接收来自于第二射线源的射线光子信号，由透视数据处理计算机完成第一探测器和第二探测器产生的透视数据的采集、存储和处理；CT数据处理计算机完成燃爆物的识别，透视数据处理计算机完成燃爆物之外的违禁品的识别；最后由综合处理计算机给出最终的被检查物体报警信息。
上述CT检测装置中，所述第一探测器为L型探测器。
上述CT检测装置中，所述第二探测器为L型探测器。
上述CT检测装置中，所述CT探测器为弧形。
上述CT检测装置中，所述CT探测器包括N个探测板；每个探测板的成像区域中心点与CT射线源的射线源焦点的连线垂直于每个探测板的成像区域中心点所在的外表面；其中，以中心探测板为基准，其余的探测板沿中心探测板的成像区域中心点与射线源焦点的连线对称分布，中心探测板的成像区域中心点与其余每个探测板的成像区域中心点的连线与相对应的其余每个探测板的成像区域中心与射线源焦点的连线垂直。
上述CT检测装置中，中心探测板的成像区域中心点与射线源焦点的连线和左侧第k个探测板的成像区域中心点与射线源焦点的连线的夹角γk通过以下公式得到：
其中，βk为左侧第k块探测器左边界点与射线源焦点的连线与中心探测板的成像区域中心点与射线源焦点的连线的夹角，
根据本发明的又一发明，还提供了一种CT检测装置，包括：CT射线源、CT滑环、CT探测器、传送带、数据处理计算机、传送带电机、滑环电机和运动控制计算机；其中，CT射线源和CT探测器设置于滑环上，CT探测器与数据处理计算机连接，传送带电机和滑环电机均与运动控制计算机连接；运动控制计算机控制传送带电机带动传送带匀速运动，运动控制计算机控制滑环电机匀速转动；被检测物体放置在传动带上，传送带带动被检测物体进入检测通道，滑环围绕传送带匀速转动；CT射线源发射射线，CT探测器接收来自于CT射线源的射线光子信号，由数据处理计算机完成CT投影数据的采集、存储和所有的数据处理工作。
上述CT检测装置中，所述CT探测器包括N个探测板；每个探测板的成像区域中心点与CT射线源的射线源焦点的连线垂直于每个探测板的成像区域中心点所在的外表面；其中，以中心探测板为基准，其余的探测板沿中心探测板的成像区域中心点与射线源焦点的连线对称分布，中心探测板的成像区域中心点与其余每个探测板的成像区域中心点的连线与相对应的其余每个探测板的成像区域中心与射线源焦点的连线垂直。
上述CT检测装置中，中心探测板的成像区域中心点与射线源焦点的连线和左侧第k个探测板的成像区域中心点与射线源焦点的连线的夹角γk通过以下公式得到：
其中，βk为左侧第k块探测器左边界点与射线源焦点的连线与中心探测板的成像区域中心点与射线源焦点的连线的夹角，
本发明与现有技术相比具有如下有益效果：
本发明将燃爆物识别和燃爆物之外的违禁品识别分开来做，由CT断层数据完成燃爆物识别，而由二维投影图像完成燃爆物之外的违禁品识别。鉴于三维断层数据数据量大，数据标定工作量大，数据训练计算量大，这种思路简化了燃爆物之外的违禁品识别的标定难度、数据量以及数据训练计算量。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例提供的CT检测装置的结构示意图；
图2是本发明实施例提供的CT检测装置的另一结构示意图；
图3是本发明实施例提供的CT检测方法的流程图；
图4是本发明实施例提供的根据CT投影图得到二维投影图的流程图；
图5是本发明实施例提供的根据三维断层图像通过整体分割投影方法得到二维投影图的流程图；
图6是本发明实施例提供的根据三维断层图像通过细化分割投影方法得到二维投影图的流程图；
图7是本发明实施例提供的根据三维断层数据确定多个优选投影视角方向的流程图；
图8是本发明实施例提供的CT探测器的结构示意图；
图9是本发明实施例提供的N个探测板和射线源焦点的位置关系示意图；
图10是本发明实施例提供的扇束重排示意图；
图11是本发明实施例提供的Cone-parallel重排示意图；
图12是本发明实施例提供的重排几何的俯视图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图3是本发明实施例提供的CT检测方法的流程图。如图3所示，该方法包括如下步骤：
步骤一：对物体进行扫描得到物体的原始投影数据，基于物体的原始投影数据对物体进行三维重建得到物体的三维断层图像，根据三维断层图像判断物体中是否有燃爆物；
步骤二：根据扫描生成的物体的二维投影图像或根据步骤一中扫描得到的物体的原始投影数据得到重组的物体的二维投影图像或根据步骤一中的三维断层图像得到重组的物体的二维投影图像，根据智能图像识别算法对物体的二维投影图像或者重组的二维投影图像进行处理判断物体中是否有燃爆物之外的其他违禁品；具体的，智能图像识别算法是指基于深度神经网络技术的智能识别算法；
步骤三：如果步骤一中有燃爆物，则给出燃爆物报警；如果步骤二中有燃爆物之外的其他违禁品，则给出违禁品报警。
如图4所示，在步骤二中，根据步骤一中扫描得到物体的投影数据得到重组的物体的二维投影图像具体包括如下步骤：
步骤S21：将螺旋锥束投影数据重排得到不同角度的倾斜平行束投影数据；
步骤S22：根据步骤S21中的不同角度的倾斜平行束投影数据将相隔180度整数倍的倾斜平行束投影数据按照对应位置拼接起来，形成物体的多角度倾斜平行束投影图像；
步骤S23:根据螺旋锥束投影数据重建三维断层数据；
步骤S24:根据三维断层数据确定多个优选投影视角方向；
步骤S25:根据步骤S24中的多个优选投影视角方向，从步骤S22中的多角度倾斜平行束投影图像中得到相对应的优选的倾斜平行束投影图像。
具体的，步骤S21将螺旋锥束投影数据重排为不同角度的倾斜平行束投影数据。步骤S22中根据给定的重排数据后的平行束投影视角，将相隔180度整数倍的投影按照对应位置拼接起来，形成一幅被检测包裹的投影图像。步骤S25根据螺旋投影数据实现三维断层数据的重建，步骤S26根据三维断层数据确定多个优选的投影方向，步骤S23根据选取优选的重排数据后的平行束投影视角，将相隔180度整数倍的投影按照对应位置拼接起来，形成多幅被检测包裹的投影图像。步骤S24基于步骤S23生成的投影图像进行智能违禁品判读。步骤S27根据三维断层图像对燃爆物进行判读识别。步骤S28根据步骤S24和步骤S27中的判读结果给出行李的综合判读结果。
在步骤二中，根据步骤一中的三维断层图像得到重组的物体的二维投影图像包括：将三维断层图像通过整体分割投影方法或细化分割投影方法得到重组的物体的二维投影图像。
如图5所示，将三维断层图像通过整体分割投影方法得到重组的物体的二维投影图像具体包括如下步骤：
S31：根据螺旋锥束投影数据重建三维断层图像；
S32:根据三维断层图像确定多个优选投影视角方向；
S33:设定体素值阈值范围，将范围之外的三维断层图像的体素值设为0，形成分割图像；其中，体素值阈值范围为(a+∞),a为低体素值阈值，也可以称为低密度阈值；
S34:根据步骤S32中的多个优选投影视角方向和步骤S33中的分割图像生成重组的分割图像的二维投影图像。
具体的，步骤S31根据螺旋投影生成三维断层数据。步骤S32根据步骤S31生成的断层数据确定多个优选投影方向。步骤S33在三维断层数据中设置阈值范围，将范围之外的断层图像像素值设为0，形成分割图像。步骤S34根据三维断层图像对燃爆物进行判读识别。步骤S35选取优选的投影视角，生成分割图像的投影图像，步骤S36基于投影图像进行违禁品智能判读。步骤37根据步骤S34和步骤S36的判读结果给出综合判读结果。
如图6所示，将三维断层图像通过细化分割投影方法得到物体的二维投影图像具体包括如下步骤：
S41：根据螺旋锥束投影数据重建三维断层图像；
S42:设定体素值阈值范围，将范围之外的三维断层图像的体素值设为0，形成分割图像；其中，体素值阈值范围(a+∞),a为低体素值阈值，也可以称为低密度阈值；
S43:对步骤S42中的分割图像做遍历式区域生长，通过区域生长将分割图像分成若干个区域；
S44:对每个区域单独生成二维投影图像。
具体的，步骤S41根据螺旋投影数据重建三维断层数据。步骤S42设定阈值范围，将范围之外的断层图像像素值设为0，形成分割图像。步骤S43对分割后的图像做遍历式区域生长，通过区域生长将图像分成若干个区域。步骤S44选取投影视角，对每个区域单独生成投影图像。步骤S45基于投影图像进行智能违禁品判读。步骤S46根据三维断层图像进行燃爆物识别判读。步骤S47根据S45和S46的判读结果给出综合判读结果。
如图7所示，在步骤S24中，根据三维断层数据确定多个优选投影视角方向包括如下步骤：
S53:将三维断层数据分成N段，每段Z向叠加生成N个二维断层累加图像；其中，Z向为检测过程中的物体行进方向；
S54:将N个二维断层累加图像360度正投影，得到N个正弦图；
S55:对每个正弦图设定阈值范围，将阈值范围之外的像素值设为0，阈值范围内区域的像素值设为1；其中，阈值范围为(0，b),b为高像素值阈值；
S56:对步骤S55中正弦图的每行的非0位置求左边界坐标和右边界坐标，左边界坐标和右边界坐标相减得到每行的物体投影覆盖的宽度值；
S57:宽度值最大的行对应的视角方向为对应该正弦图的优选的投影视角方向，共得到N个优选投影视角方向。
图1是本发明实施例提供的CT检测装置的结构示意图。该CT检测装置由综合数据处理计算机10，传送带9，CT检查装置，双视角X射线检查装置组合而成，其中，CT检查装置包括CT射线源1、CT滑环2、CT探测器3、CT数据处理计算机11；双视角X射线检查装置包括透视数据处理计算机12、侧照视角模块、和中底照视角模块；所述侧照视角模块包括侧照X射线源7(即第二射线源)和侧照探测器5(即第二探测器)；所述中底照视角模块包括中底照X射线源6(第一射线源)和中底照探测器4(第一探测器)。装置还包括传送带电机13，滑环电机14，运动控制计算机15。所述探测器5为L型探测器、所述探测器4为L型探测器。
CT射线源1和CT探测器3均设置于滑环2上，滑环2套设于传送带9，第一探测器4和第二探测器5均与透视数据处理计算机12连接，CT探测器3与CT数据处理计算机11连接，CT数据处理计算机11和透视数据处理计算机12均与综合数据处理计算机10连接，传送带电机13和滑环电机14均与运动控制计算机15连接。第一探测器4与传送带9相连接，第二探测器5与传送带9相连接，第一射线源6与第一探测器4相连接，第一射线源6设置于传送带9的底部，第二射线源7与第二探测器5相连接，第二射线源7设置于传送带9的侧部。
在应用时，首先将被检查行李8放置在传送带9上，当安全检查装置启动后，传送带9匀速行进，将被检查行李8运送至检查通道中，当被检查行李8进入多视角X射线检查装置后，被检查行李8分别触发侧照X射线源7、中底照X射线源6，各个射线源先后发出X射线束，X射线束经过位于射线源前方的准直器后成为薄扇形射束，透射被检查行李8，L型第三探测器5和U型第四探测器4、接收对应的透射过被检查行李8的衰减信号，并将其传送至透视数据数据处理计算机12中，并进行后续数据处理分析和智能判读工作。随后物体进入CT扫描区，CT滑环2匀速转动，被检查行李8触发CT射线源1，CT射线源1发出X射线束透射被检查行李8，弧形CT探测器3接收对应的透射过被检查行李8的衰减信号，在此过程中，CT滑环2不断转动，被检查行李8也随传送带9同步匀速运动，在此过程中，CT探测器3持续接收不同角度X射线束透射过被检查行李8的衰减信号数据，并不断将接收到的信号传入CT处理计算机11中，CT数据处理计算机11中进行数据重建和判读分析工作，当被检查行李8离开CT装置、随后，CT数据处理计算机11与透视数据处理计算机12中的数据处理结果传入综合数据处理计算机10中，经过综合数据处理计算机10的数据分析处理，显示最终的综合判读结果。
上述实施例为物品首先进入透视成像区域，然后进入CT成像区域。本领域技术人员应该能够理解，改变物品的CT和透视的检测顺序，也依然在本发明的发明内容之内。
对应图1，图3描述了检测识别过程，检测识别过程共分为6步，步骤S11完成透视图像的采集，可以是单视角、双视角或多视角的图像。步骤S12为根据透视图像进行违禁品的智能判读，步骤S13为基于多个视角的智能判读结果，给出综合判读结果，步骤S14为根据螺旋投影数据重建三维断层数据，步骤S15为根据三维断层数据进行燃爆物识别判读，步骤S16为综合S14和S15的判读结果给出被检查行李的最终判读结果。
图2为CT检测装置另一个示意图，该装置由传送带电机13，滑环电机14，运动控制计算机15，传送带9，CT射线源1、CT滑环2、CT探测器3、数据处理计算机90组成；
在应用时，首先将被检查行李40放置在传送带9上，当安全检查装置启动后，传送带9匀速行进，将被检查行李40运送至检查通道中，当被检查行李40进入CT扫描区，CT滑环2匀速转动，被检查行李40触发CT射线源1，CT射线源1发出X射线束透射被检查行李40，弧形CT探测器3接收对应的透射过被检查行李4的衰减信号，在此过程中，CT滑环2不断转动，被检查行李40也随传送带9同步匀速运动，在此过程中，CT探测器3持续接收不同角度X射线束透射过被检查行李40的衰减信号数据，并不断将接收到的信号传入数据处理计算机90中，数据处理计算机90中进行数据重建和燃爆物和违禁品判读分析工作，并给出最终的判读结果。
图8是本发明实施例提供的CT探测装置的结构示意图；图9是本发明实施例提供的N个探测板和射线源焦点的位置关系示意图。如图8和图9所示，该CT探测装置包括：射线源1、滑环2和CT探测器3；其中，
CT探测器3包括N个探测板；每个探测板都有自己相对应的成像区域中心点500。
射线源1设置于滑环2的一端。旋转盘2包括旋转中心400。
N个探测板设置于滑环2的另一端，并且每个探测板的成像区域中心点与射线源1的射线源焦点700的连线垂直于每个探测板的成像区域中心点所在的外表面；其中，以中心探测板800为基准，其余的探测板沿中心探测板800的成像区域中心点与射线源焦点700的连线对称分布。具体的，N个探测板包括中心探测板800和其余的探测板，位于中心探测板800左侧的探测板的个数为位于中心探测板800右侧的探测板的个数为
中心探测板800的成像区域中心点与其余每个探测板的成像区域中心点的连线与相对应的其余每个探测板的成像区域中心点与射线源焦点700的连线垂直。具体的，如图9所示，中心探测板800的成像区域中心点与左侧第二块探测板900的成像区域中心点的连线与左侧第二块探测板900的成像区域中心点与射线源焦点700的连线垂直。中心探测板800的成像区域中心点与左侧第三块探测板1000的成像区域中心点的连线与左侧第三块探测板1000的成像区域中心点与射线源焦点700的连线垂直。中心探测板800的成像区域中心点与左侧第k块探测板1100的成像区域中心点的连线与左侧第k块探测板1100的成像区域中心点与射线源焦点700的连线垂直。中心探测板800的成像区域中心点与右侧第二块探测板1200的成像区域中心点的连线与右侧第二块探测板1200的成像区域中心点与射线源焦点700的连线垂直。中心探测板800的成像区域中心点与右侧第三块探测板1300的成像区域中心点的连线与右侧第三块探测板1300的成像区域中心点与射线源焦点700的连线垂直。中心探测板800的成像区域中心点与右侧第k块探测板1400的成像区域中心点的连线与右侧第k块探测板1400的成像区域中心点与射线源焦点700的连线垂直。
每个探测器板成像区域中心点到射线源焦点700的距离与该探测器板成像区域中心点和射线源焦点700的连线与中心探测板800的成像区域中心点与射线源焦点700的连线的夹角的余弦值成正比。
如图9所示，中心探测板800的成像区域中心点与射线源焦点700的连线和左侧第二块探测板900的成像区域中心点与射线源焦点700的连线的夹角γ1通过以下公式得到：
其中，β1为中心探测器左边界点与射线源焦点700的连线与中心探测板800的成像区域中心点与射线源焦点700的连线的夹角，L为探测板的宽度尺寸，与中心探测板800相邻的左侧探测板定义为左侧第二块探测板900。
中心探测板800的成像区域中心点与射线源焦点700的连线和左侧第k个探测板1100的成像区域中心点与射线源焦点700的连线的夹角γk通过以下公式得到：
其中，βk为左侧第k块探测器左边界点与射线源焦点700的连线与中心探测板800的成像区域中心点与射线源焦点700的连线的夹角，
βk和βk-1的关系如下公式：
βk＝2*γk-1-βk-1，
其中，βk-1为左侧第k-1块探测器左边界点与射线源焦点700的连线与中心探测板800的成像区域中心点与射线源焦点700的连线的夹角，γk-1为中心探测板800的成像区域中心点与射线源焦点700的连线和左侧第k-1个探测板的成像区域中心点与射线源焦点700的连线的夹角，
螺旋锥束扫描是当前商用安检CT中最常用的扫描方式，而重建算法目前最常用的依然是解析近似重建算法。这其中比较有代表性的算法是螺旋FDK算法以及基于FDK算法的改进算法，可以统称为FDK-based算法。圆轨道扫描条件下,T-FDK是FDK算法中的一个经典的改进算法,T-FDK算法步骤是首先进行锥束到倾斜平行束投影数据的重排，如图10、11所示。重排后的数据投影到旋转中心虚拟探测器上，如同一个帐篷的形状。图12为重排几何的俯视图。
锥束重排过程同扇束重排为平行束类似，见图10、11，重排公式为：
(θ,t)为平行束几何下的坐标，(β,γ)为扇束和锥束几何下的坐标。设定射线源、探测器围绕物体逆时针旋转，对于扇束的投影，重排前后的投影关系如下：
而对于锥束重排过程，重排公式如下：
可以发现“帐篷”两侧的高度和中间高度的关系是：
其中γ为重排后的平行射线束与重排前中心射束的夹角。如上文所述，重排后的数据投影到旋转中心位置的虚拟探测器上，如同一个帐篷的形状。采用滤波反投影算法进行重建时，滤波方向为水平方向，部分数据需要舍去，这样不利于重建图像质量的提高和图像信噪比的提高，为了充分利用探测上的投影数据。本专利设计探测器的光路布局不在标准弧形上面，而每个探测板成像区域中心点到射线源焦点的距离与该探测器板成像区域中心点和射线源焦点连线与中心射束夹角的余弦值成正比。这是本专利设计思路所在。
优选地，见图9，沿传送装置运动方向的侧视角图。设中心探测板的左边界与中心射束夹角为β1，相邻左侧第二块探测板的左边界与和中心射束的夹角为β2，依次类推，相邻左侧第三块探测版的左边界与和中心射束的夹角为β3，相邻左侧第k块探测版的左边界与和中心射线束的夹角为βk。700为射线源焦点，800为中心探测板(这里约定为第一块探测板)，900为左侧第二块探测板，1000为左侧第三块探测板，1100为左侧第k块探测板，1200为右侧第二块探测板，1300为右侧第三块探测板，1400为右侧第k块探测板。
本实施例的燃爆物指的是炸药、汽油等易燃易爆物品。燃爆物之外的违禁品指的是刀，枪，武器等管制物品。前者通常没有固定的形状，而后者通常形状特征明显。根据两者不同的特性，采用不同的技术手段来完成识别。
本实施例将燃爆物识别和燃爆物之外的违禁品识别分开来做，由CT断层数据完成燃爆物识别，而由二维投影图像完成燃爆物之外的违禁品识别。鉴于三维断层数据数据量大，数据标定工作量大，数据训练计算量大，这种思路简化了燃爆物之外的违禁品识别的标定难度、数据量以及数据训练计算量。
以上所述的实施例只是本发明较优选的具体实施方式，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (10)
1.一种CT检测方法，其特征在于，所述方法包括如下步骤：
步骤一：对物体进行扫描得到物体的原始投影数据，基于物体的原始投影数据对物体进行三维重建得到物体的三维断层图像，根据三维断层图像判断物体中是否有燃爆物；
步骤二：根据扫描生成的物体的二维投影图像或根据步骤一中扫描得到的物体的原始投影数据得到重组的物体的二维投影图像或根据步骤一中的三维断层图像得到重组的物体的二维投影图像，根据智能图像识别算法对物体的二维投影图像或者重组的二维投影图像进行处理判断物体中是否有燃爆物之外的其他违禁品；
步骤三：如果步骤一中有燃爆物，则给出燃爆物报警；如果步骤二中有燃爆物之外的其他违禁品，则给出违禁品报警。
2.根据权利要求1所述的CT检测方法，其特征在于：在步骤二中，根据步骤一中扫描得到物体的投影数据得到重组的物体的二维投影图像具体包括如下步骤：
步骤S21：将螺旋锥束投影数据重排得到不同角度的倾斜平行束投影数据；
步骤S22：根据步骤S21中的不同角度的倾斜平行束投影数据将相隔180度整数倍的倾斜平行束投影数据按照对应位置拼接起来，形成物体的多角度倾斜平行束投影图像；
步骤S23:根据螺旋锥束投影数据重建三维断层数据；
步骤S24:根据三维断层数据确定多个优选投影视角方向；
步骤S25:根据步骤S24中的多个优选投影视角方向，从步骤S22中的多角度倾斜平行束投影图像中得到相对应的优选的倾斜平行束投影图像。
3.根据权利要求1所述的CT检测方法，其特征在于：在步骤二中，根据步骤一中的三维断层图像得到重组的物体的二维投影图像包括：将三维断层图像通过整体分割投影方法或细化分割投影方法得到重组的物体的二维投影图像。
4.根据权利要求3所述的CT检测方法，其特征在于：将三维断层图像通过整体分割投影方法得到重组的物体的二维投影图像具体包括如下步骤：
步骤S31：根据螺旋锥束投影数据重建三维断层图像；
步骤S32:根据三维断层图像确定多个优选投影视角方向；
步骤S33:设定体素值阈值范围，将范围之外的三维断层图像的体素值设为0，形成分割图像；
步骤S34:根据步骤S32中的多个优选投影视角方向和步骤S33中的分割图像生成重组的分割图像的二维投影图像。
5.根据权利要求3所述的CT检测方法，其特征在于：将三维断层图像通过细化分割投影方法得到物体的二维投影图像具体包括如下步骤：
步骤S41：根据螺旋锥束投影数据重建三维断层图像；
步骤S42:设定体素值阈值范围，将范围之外的三维断层图像的体素值设为0，形成分割图像；
步骤S43:对步骤S42中的分割图像做遍历式区域生长，通过区域生长将分割图像分成若干个区域；
步骤S44:对每个区域单独生成二维投影图像。
6.根据权利要求2所述的CT检测方法，其特征在于：在步骤S24中，根据三维断层数据确定多个优选投影视角方向包括如下步骤：
步骤S53:将三维断层数据分成N段，每段Z向叠加生成N个二维断层累加图像；其中，Z向为检测过程中的物体行进方向；
步骤S54:将N个二维断层累加图像360度正投影，得到N个正弦图；
步骤S55:对每个正弦图设定阈值范围，将阈值范围之外的像素值设为0，阈值范围内区域的像素值设为1；
步骤S56:对步骤S55中的正弦图的每行的非0位置求左边界坐标和右边界坐标，左边界坐标和右边界坐标相减得到每行的物体投影覆盖的宽度值；
步骤S57:宽度值最大的行对应的视角方向为对应该正弦图的优选的投影视角方向，共得到N个优选投影视角方向。
7.根据权利要求1所述的CT检测方法，其特征在于：在步骤二中，所述智能图像识别算法是指基于深度神经网络技术的智能识别算法。
8.一种CT检测装置，其特征在于包括：CT射线源(1)、CT滑环(2)、CT探测器(3)、第一探测器(4)、第二探测器(5)、第一射线源(6)、第二射线源(7)、被检查物体(8)、传送带(9)、综合数据处理计算机(10)、CT数据处理计算机(11)、透视数据处理计算机(12)、传送带电机(13)、滑环电机(14)和运动控制计算机(15)；其中，
CT射线源(1)和CT探测器(3)均设置于所述滑环(2)上，第一探测器(4)和第二探测器(5)均与透视数据处理计算机(12)连接，CT探测器(3)与CT数据处理计算机(11)连接，CT数据处理计算机(11)和透视数据处理计算机(12)均与综合数据处理计算机(10)连接，传送带电机(13)和滑环电机(14)均与运动控制计算机(15)连接；
运动控制计算机(15)控制传送带电机(13)带动传送带匀速运动，运动控制计算机(15)控制滑环电机(14)匀速转动。被检测物体(8)放置在传动带(9)上，传送带(9)带动检测物体(8)进入检测通道，滑环(2)围绕传送带匀速转动；
CT射线源(1)发射射线，CT探测器(3)接收来自于CT射线源(1)的射线光子信号，由CT数据处理计算机(11)完成CT投影数据的采集、存储和处理。第一探测器(4)接收来自于第一射线源(6)的射线光子信号，第二探测器(5)接收来自于第二射线源(7)的射线光子信号，由透视数据处理计算机(12)完成第一探测器(4)和第二探测器(5)产生的透视数据的采集、存储和处理；
CT数据处理计算机(11)完成燃爆物的识别，透视数据处理计算机(12)完成燃爆物之外的违禁品的识别；
最后由综合处理计算机(10)给出最终的被检查物体报警信息。
9.根据权利要求8所述的CT检测装置，其特征在于：所述第一探测器(4)为L型探测器。
10.一种CT检测装置，其特征在于包括：CT射线源(1)、CT滑环(2)、CT探测器(3)、传送带(9)、数据处理计算机(90)、传送带电机(13)、滑环电机(14)和运动控制计算机(15)；其中，
CT射线源(1)和CT探测器(3)设置于滑环(2)上，CT探测器(3)与数据处理计算机(90)连接，传送带电机(13)和滑环电机(14)均与运动控制计算机(15)连接；
运动控制计算机(15)控制传送带电机(13)带动传送带匀速运动，运动控制计算机(15)控制滑环电机(14)匀速转动；
被检测物体(8)放置在传动带(9)上，传送带(9)带动被检测物体(8)进入检测通道，滑环(2)围绕传送带匀速转动；
CT射线源(1)发射射线，CT探测器(3)接收来自于CT射线源(1)的射线光子信号，由数据处理计算机(90)完成CT投影数据的采集、存储和所有的数据处理工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910173197.1A CN109975335B (zh) | 2019-03-07 | 2019-03-07 | 一种ct检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910173197.1A CN109975335B (zh) | 2019-03-07 | 2019-03-07 | 一种ct检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109975335A true CN109975335A (zh) | 2019-07-05 |
| CN109975335B CN109975335B (zh) | 2024-01-12 |
Family
ID=67078229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910173197.1A Active CN109975335B (zh) | 2019-03-07 | 2019-03-07 | 一种ct检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109975335B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781812A (zh) * | 2019-10-24 | 2020-02-11 | 谷琛 | 一种基于机器学习的安检仪自动识别目标物体的方法 |
| CN110850495A (zh) * | 2019-11-07 | 2020-02-28 | 武汉艾崴科技有限公司 | 一种静态x光立体断层扫描ct安检机 |
| CN111352170A (zh) * | 2020-03-09 | 2020-06-30 | 浙江云特森科技有限公司 | 一种分段式扫描方法 |
| CN112132002A (zh) * | 2020-08-18 | 2020-12-25 | 欧必翼太赫兹科技(北京)有限公司 | 用于对三维图像数据进行异物检测的方法及装置 |
| CN112330766A (zh) * | 2019-11-04 | 2021-02-05 | 上海联影医疗科技股份有限公司 | 一种断层成像的系统和方法 |
| CN112710683A (zh) * | 2020-12-17 | 2021-04-27 | 北京航星机器制造有限公司 | 一种ct检测装置及检测方法 |
| CN112710679A (zh) * | 2020-12-17 | 2021-04-27 | 北京航星机器制造有限公司 | 一种dr检测装置及检测方法 |
| CN112748134A (zh) * | 2020-12-25 | 2021-05-04 | 北京航星机器制造有限公司 | 一种ct检测装置的ct检测方法及检测装置 |
| CN112950664A (zh) * | 2021-03-31 | 2021-06-11 | 北京航星机器制造有限公司 | 一种基于滑动剖面的目标物定位和标注方法及装置 |
| CN113687434A (zh) * | 2021-09-29 | 2021-11-23 | 北京航星机器制造有限公司 | 一种安检ct图像重建的物体扫描位置确定方法及装置 |
| CN113885087A (zh) * | 2021-09-29 | 2022-01-04 | 北京航星机器制造有限公司 | 一种安检ct的图像重建方法 |
| CN114113172A (zh) * | 2021-12-23 | 2022-03-01 | 北京航星机器制造有限公司 | 一种ct安检方法 |
| WO2023024726A1 (zh) | 2021-08-27 | 2023-03-02 | 同方威视技术股份有限公司 | 安检ct目标物识别方法和装置 |
| CN113885087B (zh) * | 2021-09-29 | 2024-05-24 | 北京航星机器制造有限公司 | 一种安检ct的图像重建方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279929A (zh) * | 2013-05-25 | 2013-09-04 | 北京工业大学 | 一种基于余弦积分的ct图像金属轨迹预测和伪影去除方法 |
| CN103714578A (zh) * | 2014-01-24 | 2014-04-09 | 中国人民解放军信息工程大学 | 针对半覆盖螺旋锥束ct的单层重排滤波反投影重建方法 |
| US20140376686A1 (en) * | 2011-02-18 | 2014-12-25 | Smiths Heimann Gmbh | System and method for multi-scanner x-ray inspection |
| CN105759318A (zh) * | 2015-03-06 | 2016-07-13 | 公安部第研究所 | 一种安全检测装置及其检测方法 |
| CN106725565A (zh) * | 2016-11-18 | 2017-05-31 | 天津大学 | 一种稀疏投影下的锥束xct成像质量评估方法 |
| CN209841738U (zh) * | 2019-03-07 | 2019-12-24 | 北京航星机器制造有限公司 | 一种ct检测装置 |
-
2019
- 2019-03-07 CN CN201910173197.1A patent/CN109975335B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140376686A1 (en) * | 2011-02-18 | 2014-12-25 | Smiths Heimann Gmbh | System and method for multi-scanner x-ray inspection |
| CN103279929A (zh) * | 2013-05-25 | 2013-09-04 | 北京工业大学 | 一种基于余弦积分的ct图像金属轨迹预测和伪影去除方法 |
| CN103714578A (zh) * | 2014-01-24 | 2014-04-09 | 中国人民解放军信息工程大学 | 针对半覆盖螺旋锥束ct的单层重排滤波反投影重建方法 |
| CN105759318A (zh) * | 2015-03-06 | 2016-07-13 | 公安部第研究所 | 一种安全检测装置及其检测方法 |
| CN106725565A (zh) * | 2016-11-18 | 2017-05-31 | 天津大学 | 一种稀疏投影下的锥束xct成像质量评估方法 |
| CN209841738U (zh) * | 2019-03-07 | 2019-12-24 | 北京航星机器制造有限公司 | 一种ct检测装置 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781812A (zh) * | 2019-10-24 | 2020-02-11 | 谷琛 | 一种基于机器学习的安检仪自动识别目标物体的方法 |
| CN112330766A (zh) * | 2019-11-04 | 2021-02-05 | 上海联影医疗科技股份有限公司 | 一种断层成像的系统和方法 |
| CN112330766B (zh) * | 2019-11-04 | 2023-05-02 | 上海联影医疗科技股份有限公司 | 一种断层成像的系统和方法 |
| CN110850495A (zh) * | 2019-11-07 | 2020-02-28 | 武汉艾崴科技有限公司 | 一种静态x光立体断层扫描ct安检机 |
| CN111352170A (zh) * | 2020-03-09 | 2020-06-30 | 浙江云特森科技有限公司 | 一种分段式扫描方法 |
| CN112132002A (zh) * | 2020-08-18 | 2020-12-25 | 欧必翼太赫兹科技(北京)有限公司 | 用于对三维图像数据进行异物检测的方法及装置 |
| CN112132002B (zh) * | 2020-08-18 | 2021-07-06 | 欧必翼太赫兹科技(北京)有限公司 | 用于对三维图像数据进行异物检测的方法及装置 |
| CN112710679B (zh) * | 2020-12-17 | 2023-01-10 | 北京航星机器制造有限公司 | 一种dr检测装置及检测方法 |
| CN112710683A (zh) * | 2020-12-17 | 2021-04-27 | 北京航星机器制造有限公司 | 一种ct检测装置及检测方法 |
| CN112710679A (zh) * | 2020-12-17 | 2021-04-27 | 北京航星机器制造有限公司 | 一种dr检测装置及检测方法 |
| CN112748134A (zh) * | 2020-12-25 | 2021-05-04 | 北京航星机器制造有限公司 | 一种ct检测装置的ct检测方法及检测装置 |
| CN112748134B (zh) * | 2020-12-25 | 2023-04-11 | 北京航星机器制造有限公司 | 一种ct检测装置的ct检测方法及检测装置 |
| CN112950664B (zh) * | 2021-03-31 | 2023-04-07 | 北京航星机器制造有限公司 | 一种基于滑动剖面的目标物定位和标注方法及装置 |
| CN112950664A (zh) * | 2021-03-31 | 2021-06-11 | 北京航星机器制造有限公司 | 一种基于滑动剖面的目标物定位和标注方法及装置 |
| WO2023024726A1 (zh) | 2021-08-27 | 2023-03-02 | 同方威视技术股份有限公司 | 安检ct目标物识别方法和装置 |
| KR20240025683A (ko) | 2021-08-27 | 2024-02-27 | 눅테크 컴퍼니 리미티드 | 보안검사 ct 목표물 식별 방법 및 장치 |
| CN113885087A (zh) * | 2021-09-29 | 2022-01-04 | 北京航星机器制造有限公司 | 一种安检ct的图像重建方法 |
| CN113687434A (zh) * | 2021-09-29 | 2021-11-23 | 北京航星机器制造有限公司 | 一种安检ct图像重建的物体扫描位置确定方法及装置 |
| CN113687434B (zh) * | 2021-09-29 | 2024-04-09 | 北京航星机器制造有限公司 | 一种安检ct图像重建的物体扫描位置确定方法及装置 |
| CN113885087B (zh) * | 2021-09-29 | 2024-05-24 | 北京航星机器制造有限公司 | 一种安检ct的图像重建方法 |
| CN114113172A (zh) * | 2021-12-23 | 2022-03-01 | 北京航星机器制造有限公司 | 一种ct安检方法 |
| CN114113172B (zh) * | 2021-12-23 | 2024-01-09 | 北京航星机器制造有限公司 | 一种ct安检方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109975335B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109975335A (zh) | 一种ct检测方法及装置 | |
| CN209841738U (zh) | 一种ct检测装置 | |
| CN105806856B (zh) | 双能射线成像方法和系统 | |
| CN100592340C (zh) | 运动假影补偿 | |
| US8194953B2 (en) | Method and system of material identification using binocular steroscopic and multi-energy transmission images | |
| CN103315760B (zh) | 用于核医疗成像中基于发射数据进行衰减补偿的系统和方法 | |
| US6813374B1 (en) | Method and apparatus for automatic image quality assessment | |
| CN101313334B (zh) | 高对比度对象的运动补偿ct重建 | |
| CN105103193B (zh) | 分层的二维投影生成和显示 | |
| JP5385394B2 (ja) | ハイブリッド型の核／ｍｒ画像形成における透過データを使用したｍｒセグメンテーション | |
| US9390523B2 (en) | Determination of z-effective value for set of voxels using CT density image and sparse multi-energy data | |
| CN103384498B (zh) | 探测装置 | |
| CN106030293A (zh) | X射线检查装置以及x射线检查方法 | |
| US11127174B2 (en) | Medical imaging system with a fixed array of x-ray detectors and a fixed array of x-ray emitters for producing a digital 3-dimensional image | |
| CN102906783B (zh) | 用于处理图像的图像处理装置 | |
| US20050078861A1 (en) | Tomographic system and method for iteratively processing two-dimensional image data for reconstructing three-dimensional image data | |
| US8254656B2 (en) | Methods and system for selective resolution improvement in computed tomography | |
| CN106488744A (zh) | X射线拍摄装置以及图像重建方法 | |
| JP2000107167A (ja) | 円錐状放射線ビ―ムを使用するコンピュ―タ断層撮影方法 | |
| CN104567758B (zh) | 立体成像系统及其方法 | |
| CN106691487A (zh) | 成像方法和成像系统 | |
| US8670522B2 (en) | Stereo X-ray inspection apparatus and method for forming three-dimensional image through volume reconstruction of image acquired from the same | |
| CN109919868B (zh) | 一种锥束ct射束硬化曲线侦测及投影加权校正方法 | |
| CN107072626A (zh) | 谱投影扩展 | |
| EP2366103B1 (en) | Measurement of the position of the center detector for geometrically calibrating a ct scanner based on a complex phantom |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |