[发明专利]基于X射线安检设备的物品类别识别方法、装置及设备

权利要求书

1.一种基于X射线安检设备的物品类别识别方法，其特征在于，包括：

获取待识别X射线图像；

将所述待识别X射线图像输入至预先训练的识别模型，得到所述识别模型输出的所述待识别X射线图像中包含的物品的类别信息；

其中，所述识别模型为以样本X射线图像为训练数据，以所述样本X射线图像变换得到的彩色图像的标注信息为监督，对预设结构的神经网络训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述待识别X射线图像包括：待识别高能X射线图像、待识别低能X射线图像、以及通过对所述待识别高能X射线图像和所述待识别低能X射线图像进行双能分辨得到的待识别原子序数图像；

所述样本X射线图像包括：样本高能X射线图像、样本低能X射线图像、以及通过对所述样本高能X射线图像和所述样本低能X射线图像进行双能分辨得到的样本原子序数图像。

3.根据权利要求2所述的方法，其特征在于，采用如下步骤获取所述彩色图像：

获取针对同一场景采集的样本高能X射线图像和样本低能X射线图像，作为目标样本高能X射线图像和目标样本低能X射线图像；

将所述目标样本高能X射线图像和所述目标样本低能X射线图像进行双能分辨，得到目标样本原子序数图像；

将所述目标样本高能X射线图像和所述目标样本低能X射线图像进行灰度融合，得到灰度融合图像；

根据所述目标样本原子序数图像对所述灰度融合图像进行彩色化，得到彩色图像。

4.根据权利要求3所述的方法，其特征在于，所述将所述目标样本高能X射线图像和所述目标样本低能X射线图像进行灰度融合，得到灰度融合图像，包括：

确定所述目标样本高能X射线图像和所述目标样本低能X射线图像中的匹配像素点对，所述匹配像素点对中包括所述目标样本高能X射线图像中的像素点和所述目标样本低能X射线图像中的像素点；

将每对匹配像素点对中的像素点的灰度值进行融合，得到灰度融合图像。

5.根据权利要求3所述的方法，其特征在于，所述根据所述目标样本原子序数图像对所述灰度融合图像进行彩色化，得到彩色图像，包括：

根据所述目标样本原子序数图像中的原子序数，确定所述目标样本原子序数图像中包含的每种物品成分；

分别确定所述每种物品成分对应的颜色；

针对每种物品成分，确定该种物品成分映射至所述灰度融合图像中的区域，利用该种物品成分对应的颜色，对所述区域进行上色，得到彩色图像。

6.根据权利要求5所述的方法，其特征在于，所述利用该种物品成分对应的颜色，对所述区域进行上色，得到彩色图像，包括：

根据所述区域的灰度值，确定该种物品成分对应的颜色的深浅程度；

根据所述颜色的深浅程度，对所述区域进行上色，得到彩色图像。

7.根据权利要求2所述的方法，其特征在于，所述获取待识别X射线图像包括：

利用高能级X射线照射物品，得到待识别高能X射线图像；

利用低能级X射线照射所述物品，得到待识别低能X射线图像；

通过对所述待识别高能X射线图像和所述待识别低能X射线图像进行双能分辨，得到待识别原子序数图像。

8.一种基于X射线安检设备的物品类别识别装置，其特征在于，包括：

第一获取模块，用于获取待识别X射线图像；

识别模块，用于将所述待识别X射线图像输入至预先训练的识别模型，得到所述识别模型输出的所述待识别X射线图像中包含的物品的类别信息；其中，所述识别模型为以样本X射线图像为训练数据，以所述样本X射线图像变换得到的彩色图像的标注信息为监督，对预设结构的神经网络训练得到的。