[發明專利]具有較高分辨率的多目標X光安檢圖像合成方法

在審

• 申請號: 202010849535.1
• 申請日: 2020-08-21
• 公開（公告）號: CN112001846A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 張海剛;楊金鋒;李大雙
• 申請（專利權）人: 深圳職業技術學院
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 龐學欣

一種具有較高分辨率的多目標X光安檢圖像合成方法。其包括采集真實X光安檢圖像，并進行預處理，構成用于訓練多目標合成模型的數據集；搭建多目標合成模型；將數據集中的圖像輸入到多目標合成模型中，獲得包含多個違禁品的X光安檢合成圖像等步驟。本發明提供的具有較高分辨率的多目標X光安檢圖像合成方法具有如下有益效果：本發明使用基于語義分割圖的X光安檢圖像合成，解決了包含多個違禁品的X光安檢圖像合成問題，另外，提升了多目標圖像合成模型的生成器，提高了生成器的多尺度信息提取能力，從而使得合成的多目標安檢圖像效果更好。

技術領域

本發明屬于圖像處理技術領域，特別是涉及一種具有較高分辨率的多目標X光安檢圖像合成方法。

背景技術

目前，為了確保公共交通的安全，X射線安全行李檢查系統已被廣泛應用于車站、地鐵站、機場等公共場所。現在的安檢方法多是基于人工檢測，人工檢測不僅費時費力，還會造成漏檢誤檢，尤其在出行的高峰時段，安檢人員需要長時間工作，因此極易產生疲勞，從而造成安檢失誤。因此，在安檢過程中，建立快速、準確的X光違禁品自動檢測系統具有重要意義。

最近，卷積神經網絡已經被證明能夠高效地檢測出含有違禁品的X光安檢圖像。然而，基于深度學習的檢測模型的訓練需要大量的包含違禁品的X光安檢圖像。但是，日常行李安檢很難獲得含有違禁品的安檢圖像，人工采集的方法又效率極低，且極大地浪費時間和人力資源，所以，合理的方法是設計自動合成包含違禁品的X光安檢圖像的方法。近年來，利用GAN(生成式對抗網絡)模型進行圖像合成具有很好的效果。

XS-GAN(X-ray image-Synthesis-GAN)是一種基于生成對抗網絡模型的用來專門合成X光安檢圖像的方法。通過結合導向濾波的X光違禁品圖像合成方法，采用了生成代替合成思想，即首先在輸入的背景圖像的指定位置添加噪聲，之后利用生成器在噪聲位置生成違禁品圖像，從而達到合成的目的。

但XS-GAN沒有考慮多目標X光安檢圖像的合成，每次只能在添加噪聲的位置合成一個違禁品，因此合成圖像的多樣性受到了限制；另外，這種方法合成的圖像不夠清晰，僅考慮了分辨率為256*256的圖像合成，這種圖像在放大后能夠看出明顯失真，所以合成圖像的分辨率有待提升。

發明內容

為了解決上述問題，本發明的目的在于提供了一種具有較高分辨率的多目標X光安檢圖像合成方法。

為了達到上述目的，本發明提供的具有較高分辨率的多目標X光安檢圖像合成方法包括按順序進行的下列步驟：

1)采集真實X光安檢圖像，并進行預處理，構成用于訓練多目標合成模型的數據集；

2)搭建多目標合成模型；

3)將步驟1)中獲得的數據集中的圖像輸入到步驟2)搭建的多目標合成模型中，獲得包含多個違禁品的X光安檢合成圖像。

在步驟1)中，所述的采集真實X光安檢圖像，并進行預處理，構成用于訓練多目標合成模型的數據集的方法是：

使用X光安檢機采集包含單個違禁品的真實X光安檢圖像和包含多個違禁品的真實X光安檢圖像，真實X光安檢圖像共包含七類違禁品，分別是水果刀、鉗子、剪刀、手槍、叉子、充電寶和打火機；然后使用標記工具對采集的真實X光安檢圖像進行標記，獲得僅包含違禁品輪廓和類別信息的語義分割圖；在語義分割圖中，不同的顏色代表不同的違禁品類別；將語義分割圖和相應的真實X光安檢圖像一一對應，構成用于訓練多目標合成模型的數據集。