CN114708191A - 晶体边界检测方法、装置、探测器事例定位系统和介质 - Google Patents
晶体边界检测方法、装置、探测器事例定位系统和介质 Download PDFInfo
- Publication number
- CN114708191A CN114708191A CN202210227015.6A CN202210227015A CN114708191A CN 114708191 A CN114708191 A CN 114708191A CN 202210227015 A CN202210227015 A CN 202210227015A CN 114708191 A CN114708191 A CN 114708191A
- Authority
- CN
- China
- Prior art keywords
- crystal
- histogram
- histograms
- standard deviation
- determining
- 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.)
- Pending
Links
- 239000013078 crystal Substances 0.000 title claims abstract description 398
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 25
- 230000005855 radiation Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Measurement Of Radiation (AREA)
Abstract
本申请涉及一种晶体边界检测方法、晶体边界检测装置、探测器事例定位系统和介质。所述方法包括:获取辐射光源作用于晶体阵列后得到的二维分布直方图;确定二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着切剖夹角θ的第一标准差和第二标准差;根据第一标准差和第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。采用本方法能够更准确检测到晶体边界。
Description
技术领域
本申请涉及辐射探测领域,特别是涉及一种晶体边界检测方法、晶体边界检测装置、探测器事例定位系统和存储介质。
背景技术
PET探测器(正电子发射断层成像仪,Positron Emission Tomography,简称PET)通过射线与晶体作用产生的信号通过定位算法会得到关于晶体阵列的二维分布直方图,再通过直方图的特征将每个亮点进行区域划分即寻找晶体边界,最终完成对每一次事例的发生位置进行晶体定位。相关技术利用形态学对晶体二维分布直方图进行预处理,识别所有晶体直方图的顶点位置,将每相邻行列间的依次相邻的上、下、左、右的4个顶点的坐标分别进行中值计算,最后将所有中点坐标分别以行和列进行曲线拟合,完成对晶体边界的检测。
然而,相关技术的晶体边界检测方法存在检测不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够更准确检测到晶体边界的晶体边界检测方法、晶体边界检测装置、探测器事例定位系统和存储介质。
第一方面,本申请提供了一种晶体边界检测方法,应用于PET探测器,其特征在于,所述方法包括:
获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,所述二维分布直方图包括与各晶体位置相对应的晶体直方图;
确定所述二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;
根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差;
根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
在其中一个实施例中,确定所述二维分布直方图中各晶体直方图的峰值点包括:
获取所述二维分布直方图中各晶体直方图的像素点灰度值;
确定各晶体直方图的最大像素点灰度值,并以最大像素点灰度值所在位置作为各晶体直方图的峰值点。
在其中一个实施例中,获取辐射光源作用于晶体阵列后得到的二维分布直方图包括:
获取辐射光源作用于晶体阵列后得到的初始图像,采用预设窗口以预设步长对所述初始图像进行滑动,统计每一次滑动过程中所述预设窗口内的图像特征,得到多个候选晶体直方图;
对所述多个候选晶体直方图进行二维高斯曲线拟合,得到各候选晶体直方图的二维高斯曲线拟合度;
获取所述晶体阵列的晶体数量N,将所述多个候选晶体直方图的拟合度进行顺序排列,选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图。
在其中一个实施例中,获取所述晶体阵列的晶体数量N,将所述多个候选晶体直方图的拟合度进行顺序排列,选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图包括:
判断所选取的前N大拟合度是否均不小于预设拟合度阈值;
在判断到所选取的前N大拟合度存在小于所述预设拟合度阈值的情况下,调整所述预设窗口的尺寸和/或所述预设步长,直到在根据调整后的预设窗口和/或预设步长统计每一次滑动过程中所述预设窗口内的图像特征时,得到的多个晶体直方图中前N大拟合度均不小于所述预设拟合度阈值。
在其中一个实施例中,每相邻两个晶体直方图的切剖夹角θ包括每相邻两个晶体直方图中峰值点之间的连线与预设参考方向间的夹角。
在其中一个实施例中,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差包括:
根据各晶体直方图的二维高斯曲线确定每相邻两个晶体直方图中第一晶体直方图在x轴方向的第一横向标准差和在y轴方向的第一纵向标准差,以及第二晶体直方图在x轴方向的第二横向标准差和在y轴方向的第二纵向标准差;
根据所述第一横向标准差、所述第一纵向标准差和所述切剖夹角θ确定所述第一晶体直方图的一维高斯曲线沿着所述切剖夹角θ的第一标准差,以及根据所述第二横向标准差、所述第二纵向标准差和所述切剖夹角θ确定所述第二晶体直方图的一维高斯曲线沿着所述切剖夹角θ的第二标准差,其中,所述一维高斯曲线分别是沿着所述第一晶体直方图和所述第二晶体直方图的两峰值点连线所在方向的一维高斯曲线。
在其中一个实施例中,在根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界之后,所述方法还包括:
根据每相邻两个晶体直方图中峰值点之间的连线和分割边界确定分割点;
获取所述分割点的坐标,根据所述分割点的坐标生成所述晶体阵列的位置表。
第二方面,本申请还提供了一种晶体边界检测装置,所述晶体边界检测装置包括:
获取模块,用于获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,所述二维分布直方图包括与各晶体位置相对应的晶体直方图;
第一确定模块,用于确定所述二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;
第二确定模块,用于根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差;
划分模块,用于根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
第三方面,在本实施例中提供了一种探测器事例定位系统,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述第一个方面所述的晶体边界检测方法,并根据检测得到的晶体边界定位事例发生的晶体位置。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,所述二维分布直方图包括与各晶体位置相对应的晶体直方图;
确定所述二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;
根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差;
根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
与相关技术相比,在本实施例中提供的晶体边界检测方法、装置、探测器事例定位系统和存储介质,通过获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,所述二维分布直方图包括与各晶体位置相对应的晶体直方图;确定所述二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差;根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界,解决了相关技术中晶体边界检测的准确性较低的问题,实现了晶体边界的准确检测。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请一实施例的晶体边界检测方法的终端的硬件结构框图;
图2是本申请一实施例的晶体边界检测方法的流程图;
图3是本申请一实施例的晶体直方图确定方法的流程图;
图4是本申请一实施例的晶体的二维散点图;
图5是本申请一实施例的沿着切剖夹角θ的一维高斯曲线图;
图6是本申请一优选实施例的晶体边界检测方法流程图;
图7是本申请一实施例的晶体边界检测装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的晶体边界检测方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的晶体边界检测方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在根据晶体阵列直方图生成位置表时,直方图的质量对寻找晶体边界有着很明显的影响,而影响直方图的质量影响因素较多,例如:晶体阵列结构,晶体材料之间的差异,晶体阵列的封装工艺以及噪声叠加,都会导致晶体阵列直方图的“奇形怪状”,最常见的是相邻晶体直方图位置过近,致使晶体直方图重合过多而造成边界模糊,因此如果不能准确找到晶体直方图之间的边界位置,生成正确的位置表,就会导致事例定位错误。经研究发现,相关技术仅仅以晶体直方图中顶点坐标的中值来作为晶体边界的方法,没有考虑到晶体直方图自身的分布特点,当两个相邻晶体直方图中,一个分布较“胖”,一个分布较“瘦”,这样确定的晶体边界误差将被放大,准确性也将大大降低。
为解决上述问题,在本实施例中提供了一种晶体边界检测方法,应用于PET探测器,图2是本实施例的晶体边界检测方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,二维分布直方图包括与各晶体位置相对应的晶体直方图。
其中,二维分布直方图可以是PET探测器通过射线与晶体作用产生的信号通过定位算法获得的图像,二维分布直方图中包括像素点坐标和灰度值等图像特征,通过图像特征可定位到与各晶体位置相对应的晶体直方图。
步骤S202,确定二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距。
其中,各晶体直方图的峰值点可以通过像素点坐标和灰度值等图像特征来确定。峰值间距即为峰值点所在的像素点坐标之间的距离。
步骤S203,根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着切剖夹角θ的第一标准差和第二标准差。
其中,可以根据晶体直方图的峰值点坐标来确定相邻的两个晶体。切剖夹角θ是相邻两个晶体直方图的峰值点连成直线后与预设参考方向(例如坐标系的x轴)间的夹角。第一标准差为相邻两个晶体直方图中一个晶体直方图的一维高斯曲线沿着切剖夹角θ方向的标准差,第二标准差为相邻两个晶体直方图中另一个晶体直方图的一维高斯曲线沿着切剖夹角θ方向的标准差。
步骤S204,根据第一标准差和第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
其中,对相邻两个晶体直方图的峰值间距以第一标准差和第二标准差的比值等比例进行划分。例如,第一晶体直方图和第二晶体直方图的峰值间距为L,第一标准差为A,第二标准差为B,A:B=3:4,则对峰值间距L按照3:4的比例进行划分。
此步骤中,通过晶体直方图的标准差来确定分割边界考虑到了晶体直方图自身的分布特点,对于晶体直方图分布不一致的情况下,依然能够找到一个较为准确的分割边界对相邻两个晶体直方图进行分割。
在步骤S201至步骤S204中,通过获得二维分布直方图中与各晶体位置相对应的晶体直方图,然后确定晶体直方图的峰值点,最后根据相邻两个晶体直方图在峰值点连线方向上的高斯曲线的标准差比值对相邻两个晶体直方图的峰值间距进行划分,从而确定相邻两个晶体直方图之间的分割边界,充分考虑了晶体直方图自身的分布特点与性质,解决了相关技术中晶体边界检测不准确的问题,提高了晶体边界检测的准确性。
在其中的一些实施例中,确定二维分布直方图中各晶体直方图的峰值点包括:获取二维分布直方图中各晶体直方图的像素点灰度值;确定各晶体直方图的最大像素点灰度值,并以最大像素点灰度值所在位置作为各晶体直方图的峰值点。
在本实施例中,可以通过各晶体的灰度直方图作为晶体直方图来寻找灰度值最大的像素点坐标,从而确定峰值点。
在其中的一些实施例中,在获取辐射光源作用于晶体阵列后得到的二维分布直方图时,还提供了各晶体位置相对应的晶体直方图确定方法,如图3所示为该晶体直方图确定方法的流程图,包括以下几个步骤:
步骤S301,获取辐射光源作用于晶体阵列后得到的初始图像,采用预设窗口以预设步长对初始图像进行滑动,统计每一次滑动过程中预设窗口内的图像特征,得到多个候选晶体直方图。
如图4所示为辐射光源作用于晶体阵列后得到的初始图像,也称为晶体的二维散点图,图中每一个亮点表示的是一根晶体。在实际应用中,使用预设窗口在图4所示的二维散点图中行列逐次滑动并获取每次窗口滑动定位到的图像区域,并得到该区域内的晶体直方图作为候选晶体直方图。需要注意的是,通过本实施例的方法得到的候选晶体直方图的数量往往会大于实际的晶体数量。
其中,预设窗口的大小可以根据实际情况中对晶体直方图设置的像素大小来确定,预设窗口一般为正方形,比如当晶体直方图用256*256的像素大小来表示时,可以用256*256、128*128、64*64、32*32像素大小的窗口作为预设窗口。
步骤S302,对多个候选晶体直方图进行二维高斯曲线拟合,得到各候选晶体直方图的二维高斯曲线拟合度。
具体地,对步骤S301中得到的多个候选晶体直方图中的图像特征进行二维高斯函数拟合,通过拟合度计算方法确定二维高斯曲线的拟合度。
步骤S303,获取晶体阵列的晶体数量N,将多个候选晶体直方图的拟合度进行顺序排列,选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图。
具体地,对步骤S301中获得的多个候选晶体直方图所对应的拟合度进行升序或降序排列,将前N个较高拟合度值所对应的候选晶体直方图确定为与实际晶体位置相对应的晶体直方图。
在其中的一些实施例中,还提供了另一种晶体直方图确定方法,与上述晶体直方图确定方法的区别在于:在选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图之前,判断所选取的前N大拟合度是否均不小于预设拟合度阈值;在判断到所选取的前N大拟合度存在小于预设拟合度阈值的情况下,调整预设窗口的尺寸和/或预设步长,直到在根据调整后的预设窗口和/或预设步长统计每一次滑动过程中预设窗口内的图像特征时,得到的多个晶体直方图中前N大拟合度均不小于预设拟合度阈值。
通过本实施例的晶体直方图确定方法,能够确保最终选出的晶体直方图与实际晶体分布情况有较高的匹配度,从而提升晶体边界检测的准确性。
在其中的一些实施例中,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着切剖夹角θ的第一标准差和第二标准差包括:根据各晶体直方图的二维高斯曲线确定每相邻两个晶体直方图中第一晶体直方图在x轴方向的第一横向标准差和在y轴方向的第一纵向标准差,以及第二晶体直方图在x轴方向的第二横向标准差和在y轴方向的第二纵向标准差;根据第一横向标准差、第一纵向标准差和切剖夹角θ确定第一晶体直方图的一维高斯曲线沿着切剖夹角θ的第一标准差,以及根据第二横向标准差、第二纵向标准差和切剖夹角θ确定第二晶体直方图的一维高斯曲线沿着切剖夹角θ的第二标准差,其中,一维高斯曲线分别是沿着第一晶体直方图和第二晶体直方图的两峰值点连线所在方向的一维高斯曲线。
具体地,晶体直方图在统计学上用二维高斯函数进行拟合,如公式(1)所示:
其中,A为幅值,(x0,y0)为晶体直方图峰值坐标,σx为二维高斯函数在x方向上的标准差,σy为二维高斯函数在y方向上的标准差,标准差表示过峰值点且沿某一剖面方向下的一维高斯曲线的展宽大小。
通过将晶体直方图进行二维高斯函数拟合得到二维高斯曲线,从而获得每相邻两个晶体直方图中第一晶体直方图在x轴方向的第一横向标准差和在y轴方向的第一纵向标准差,以及第二晶体直方图在x轴方向的第二横向标准差和在y轴方向的第二纵向标准差;然后利用x轴、y轴与切剖夹角θ之间的几何关系来确定相邻两个晶体直方图的一维高斯曲线沿着切剖夹角θ的第一标准差和第二标准差。如图5所示为晶体直方图的二维高斯曲线沿着切剖夹角θ的一维高斯曲线图,图中显示了x轴、y轴与切剖夹角θ的几何关系,以θ角为剖面方向下的一维高斯曲线拟合标准差σθ具体可以由公式2来确定:
在其中的一些实施例中,在根据第一标准差和第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界之后,方法还包括:根据每相邻两个晶体直方图中峰值点之间的连线和分割边界确定分割点;获取分割点的坐标,根据分割点的坐标生成晶体阵列的位置表。
具体地,分割点是峰值点连线与分割边界的交点,将分割点依次连接,即可生成晶体阵列的位置表。
下面通过优选实施例对本实施例进行描述和说明。
以晶体A和晶体B的直方图示例,其中晶体A峰值坐标(xA,yA),x和y方向的标准差为σA,x和σA,y;晶体B峰值坐标(xB,yB),x和y方向的标准差为σB,x和σB,y
图6是本优选实施例的晶体边界检测方法流程图,如图6所示,该晶体边界检测方法包括如下步骤:
步骤S601,对晶体阵列直方图中的全部晶体直方图分别进行二维高斯函数公式拟合,得到每一个晶体直方图在x和y方向上的标准差σi,x和σi,y以及峰值坐标(xi,yi);
步骤S602,通过晶体A和晶体B峰值坐标确定剖面方向夹角θ,进而求得晶体A和晶体B在该剖面方向下一维高斯函数的标准差σA,θ和σB,θ;
步骤S603,确定晶体A和晶体B峰值间距L;
步骤S604,通过晶体A和晶体B在θ角方向上的标准差σA,θ和σB,θ大小占比,将峰值间距L等比例分成L1和L2两段,并确定分离点的坐标P(xP,yP);
步骤S605,依次按行列顺序,将全部相邻晶体进行步骤S602至步骤S604循环操作,确定全部的P点坐标;
步骤S606,依次按行列顺序,将步骤605得到的P点坐标相连,即可生成对应的位置表。
本申请的晶体边界检测方法,通过对相邻晶体直方图沿两峰值点连线方向下的一维高斯曲线通过各自标准差的大小占比来确定晶体直方图之间的边界位置,考虑到了每个晶体直方图自身的分布特点,不仅可以解决晶体直方图分布不均的问题,还可以解决晶体直方图形状不一,边界重合严重等问题,有效提高了对晶体边界划分的精度,减少了事例定位错误的概率。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种晶体边界检测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图7是本实施例的晶体边界检测装置的结构框图,如图7所示,该装置包括:获取模块,用于获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,二维分布直方图包括与各晶体位置相对应的晶体直方图;第一确定模块,用于确定二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;第二确定模块,用于根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着切剖夹角θ的第一标准差和第二标准差;划分模块,用于根据第一标准差和第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
在其中一些实施例中,该装置包括图7所示的所有模块,此外还包括:第二获取模块,用于获取二维分布直方图中各晶体直方图的像素点灰度值;第三确定模块,用于确定各晶体直方图的最大像素点灰度值,并以最大像素点灰度值所在位置作为各晶体直方图的峰值点。
在其中一些实施例中,该装置包括图7所示的所有模块,此外还包括:第三获取模块,用于获取辐射光源作用于晶体阵列后得到的初始图像,采用预设窗口以预设步长对初始图像进行滑动,统计每一次滑动过程中预设窗口内的图像特征,得到多个候选晶体直方图;函数拟合模块,用于对多个候选晶体直方图进行二维高斯曲线拟合;拟合度计算模块,用于计算得到各候选晶体直方图的二维高斯曲线拟合度;第四获取模块,用于获取晶体阵列的晶体数量N;排序模块,用于将多个候选晶体直方图的拟合度进行顺序排列;选取模块,用于选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图。
在其中一些实施例中,该装置包括图7所示的所有模块,此外还包括:判断模块,用于判断所选取的前N大拟合度是否均不小于预设拟合度阈值;调整模块,用于在判断到所选取的前N大拟合度存在小于预设拟合度阈值的情况下,调整预设窗口的尺寸和/或预设步长,直到在根据调整后的预设窗口和/或预设步长统计每一次滑动过程中预设窗口内的图像特征时,得到的多个晶体直方图中前N大拟合度均不小于预设拟合度阈值。
在其中一些实施例中,该装置包括图7所示的所有模块,此外还包括:第四确定模块,用于根据各晶体直方图的二维高斯曲线确定每相邻两个晶体直方图中第一晶体直方图在x轴方向的第一横向标准差和在y轴方向的第一纵向标准差,以及第二晶体直方图在x轴方向的第二横向标准差和在y轴方向的第二纵向标准差;第五确定模块,用于根据第一横向标准差、第一纵向标准差和切剖夹角θ确定第一晶体直方图的一维高斯曲线沿着切剖夹角θ的第一标准差,以及根据第二横向标准差、第二纵向标准差和切剖夹角θ确定第二晶体直方图的一维高斯曲线沿着切剖夹角θ的第二标准差,其中,一维高斯曲线分别是沿着第一晶体直方图和第二晶体直方图的两峰值点连线所在方向的一维高斯曲线。
在其中一些实施例中,该装置包括图7所示的所有模块,此外还包括:第六确定模块,用于根据每相邻两个晶体直方图中峰值点之间的连线和分割边界确定分割点;第五获取模块,用于获取分割点的坐标;生成模块,用于根据分割点的坐标生成晶体阵列的位置表。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种探测器事例定位系统,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行上述实施例中的任意一种晶体边界检测方法,并根据检测得到的晶体边界定位事例发生的晶体位置。
通过该探测器事例定位系统可以准确定位到每一个事例发生的晶体位置,避免了晶体直方图分布不规则、边缘重合严重引起的探测误差,有限提高了PET探测器的空间分辨能力。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
步骤S201,获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,二维分布直方图包括与各晶体位置相对应的晶体直方图;
步骤S202,确定二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;
步骤S203,根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着切剖夹角θ的第一标准差和第二标准差;
步骤S204,根据第一标准差和第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的晶体边界检测方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种晶体边界检测方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种晶体边界检测方法,应用于PET探测器,其特征在于,所述方法包括:
获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,所述二维分布直方图包括与各晶体位置相对应的晶体直方图;
确定所述二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;
根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差;
根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
2.根据权利要求1所述的方法,其特征在于,确定所述二维分布直方图中各晶体直方图的峰值点包括:
获取所述二维分布直方图中各晶体直方图的像素点灰度值;
确定各晶体直方图的最大像素点灰度值,并以最大像素点灰度值所在位置作为各晶体直方图的峰值点。
3.根据权利要求1所述的方法,其特征在于,获取辐射光源作用于晶体阵列后得到的二维分布直方图包括:
获取辐射光源作用于晶体阵列后得到的初始图像,采用预设窗口以预设步长对所述初始图像进行滑动,统计每一次滑动过程中所述预设窗口内的图像特征,得到多个候选晶体直方图;
对所述多个候选晶体直方图进行二维高斯曲线拟合,得到各候选晶体直方图的二维高斯曲线拟合度;
获取所述晶体阵列的晶体数量N,将所述多个候选晶体直方图的拟合度进行顺序排列,选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图。
4.根据权利要求3所述的方法,其特征在于,获取所述晶体阵列的晶体数量N,将所述多个候选晶体直方图的拟合度进行顺序排列,选取前N大拟合度所对应的候选晶体直方图作为各晶体位置相对应的晶体直方图包括:
判断所选取的前N大拟合度是否均不小于预设拟合度阈值;
在判断到所选取的前N大拟合度存在小于所述预设拟合度阈值的情况下,调整所述预设窗口的尺寸和/或所述预设步长,直到在根据调整后的预设窗口和/或预设步长统计每一次滑动过程中所述预设窗口内的图像特征时,得到的多个晶体直方图中前N大拟合度均不小于所述预设拟合度阈值。
5.根据权利要求1所述的方法,其特征在于,每相邻两个晶体直方图的切剖夹角θ包括每相邻两个晶体直方图中峰值点之间的连线与预设参考方向间的夹角。
6.根据权利要求1所述的方法,其特征在于,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差包括:
根据各晶体直方图的二维高斯曲线确定每相邻两个晶体直方图中第一晶体直方图在x轴方向的第一横向标准差和在y轴方向的第一纵向标准差,以及第二晶体直方图在x轴方向的第二横向标准差和在y轴方向的第二纵向标准差;
根据所述第一横向标准差、所述第一纵向标准差和所述切剖夹角θ确定所述第一晶体直方图的一维高斯曲线沿着所述切剖夹角θ的第一标准差,以及根据所述第二横向标准差、所述第二纵向标准差和所述切剖夹角θ确定所述第二晶体直方图的一维高斯曲线沿着所述切剖夹角θ的第二标准差,其中,所述一维高斯曲线分别是沿着所述第一晶体直方图和所述第二晶体直方图的两峰值点连线所在方向的一维高斯曲线。
7.根据权利要求1所述的方法,其特征在于,在根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界之后,所述方法还包括:
根据每相邻两个晶体直方图中峰值点之间的连线和分割边界确定分割点;
获取所述分割点的坐标,根据所述分割点的坐标生成所述晶体阵列的位置表。
8.一种晶体边界检测装置,其特征在于,包括:
获取模块,用于获取辐射光源作用于晶体阵列后得到的二维分布直方图,其中,所述二维分布直方图包括与各晶体位置相对应的晶体直方图;
第一确定模块,用于确定所述二维分布直方图中各晶体直方图的峰值点,并根据各晶体直方图的峰值点确定每相邻两个晶体直方图的峰值间距;
第二确定模块,用于根据每相邻两个晶体直方图中峰值点之间的连线确定相对应的相邻两个晶体直方图的切剖夹角θ,在每相邻两个晶体直方图中分别确定各晶体直方图的高斯曲线沿着所述切剖夹角θ的第一标准差和第二标准差;
划分模块,用于根据所述第一标准差和所述第二标准差的比值对相对应的相邻两个晶体直方图的峰值间距进行划分,得到该相邻两个晶体直方图之间的分割边界。
9.一种探测器事例定位系统,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的晶体边界检测方法,并根据检测得到的晶体边界定位事例发生的晶体位置。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的晶体边界检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227015.6A CN114708191A (zh) | 2022-03-08 | 2022-03-08 | 晶体边界检测方法、装置、探测器事例定位系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227015.6A CN114708191A (zh) | 2022-03-08 | 2022-03-08 | 晶体边界检测方法、装置、探测器事例定位系统和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708191A true CN114708191A (zh) | 2022-07-05 |
Family
ID=82168076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210227015.6A Pending CN114708191A (zh) | 2022-03-08 | 2022-03-08 | 晶体边界检测方法、装置、探测器事例定位系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708191A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631392A (zh) * | 2022-12-26 | 2023-01-20 | 西南石油大学 | 一种基于深度学习的晶体tem图像物相区域划分方法 |
-
2022
- 2022-03-08 CN CN202210227015.6A patent/CN114708191A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631392A (zh) * | 2022-12-26 | 2023-01-20 | 西南石油大学 | 一种基于深度学习的晶体tem图像物相区域划分方法 |
CN115631392B (zh) * | 2022-12-26 | 2023-04-07 | 西南石油大学 | 一种基于深度学习的晶体tem图像物相区域划分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886997B (zh) | 基于目标检测的识别框确定方法、装置及终端设备 | |
US11854173B2 (en) | System and method for finding lines in an image with a vision system | |
Shortis et al. | Comparison of some techniques for the subpixel location of discrete target images | |
US8180154B2 (en) | Method and apparatus for region-based segmentation image processing using region mapping | |
US7471809B2 (en) | Method, apparatus, and program for processing stereo image | |
CN110619333B (zh) | 一种文本行分割方法、文本行分割装置及电子设备 | |
EP0389968A2 (en) | Apparatus and method for extracting edges and lines | |
CN109640066B (zh) | 高精度稠密深度图像的生成方法和装置 | |
CN111950543A (zh) | 一种目标检测方法和装置 | |
CN108895961B (zh) | 一种箱体大小的测量方法、测量设备以及粘贴带 | |
CN112801111B (zh) | 基于梯度方向的图像直线边缘点分类方法及装置 | |
CN113362314B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN114708191A (zh) | 晶体边界检测方法、装置、探测器事例定位系统和介质 | |
CN110780276A (zh) | 一种基于激光雷达的托盘识别方法、系统和电子设备 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 | |
CN108280429A (zh) | 基于特征峰匹配的核素识别方法、装置和计算机可读介质 | |
US11604254B2 (en) | Radar-based posture recognition apparatus and method and electronic device | |
CN106611173B (zh) | 晶体中心位置图生成方法 | |
Kruglov | The algorithm of the roundwood volume measurement via photogrammetry | |
CN111179218A (zh) | 传送带物料检测方法、装置、存储介质及终端设备 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN104616302A (zh) | 一种目标实时识别方法 | |
CN113985353A (zh) | 剔除点云中干扰点的方法、装置、和电子设备 | |
CN113723380A (zh) | 基于雷达技术的人脸识别方法、装置、设备和存储介质 | |
Wang et al. | Nonlinear circumference-based robust ellipse detection in low-SNR images |
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 |