[发明专利]基于卷积神经网络的CT图像目标检测方法及CT扫描仪

说明书

本发明实施例提供了一种CT图像目标检测方法及CT扫描仪，CT图像目标检测方法包括：基于视频中当前帧图像的前一帧图像和后一帧图像，获得残差区域；将残差区域与当前帧图像进行融合，获得融合当前帧图像；对融合当前帧图像进行高通滤波，获得高频当前帧图像；对融合当前帧图像进行低通滤波，获得低频当前帧图像；将高频当前帧图像和低频帧图像进行融合，获得复合当前帧图像；基于第一卷积神经网络对当前帧图像进行目标检测，获得当前帧目标区域；基于第二卷积神经网络对复合当前帧图像进行目标检测，获得复合目标区域；获得当前帧目标区域和复合目标区域的距离；若距离小于目标值，基于当前帧目标区域和复合目标区域，获得待检测的目标图像。

技术领域

本发明涉及计算机技术领域，具体而言涉及一种基于卷积神经网络的CT图像目标检测方法及CT扫描仪。

背景技术

目标检测已经是一个比较成熟的计算机技术，基于区域的目标检测方法、基于纹理的目标检测方法等层出不穷，但是这些传统方法的检测精度低。当前，目标检测取得较好效果的是基于神经网络进行目标检测。但是，基于神经网络的目标检测方法依赖于大量的训练样本，且基于神经网络的目标检测方法没有考虑到训练样本存在的差异性，会导致现场应用的检测结果准确性不够高。在CT图像目标检测等需要高精度检测目标的场景，仅仅依赖于神经网络的目标检测方法或者传统的目标检测方法的的目标检测结果不尽人意。

为此，一种提高目标检测的准确性的CT图像目标检测方法为人们所需。

发明内容

本发明实施例提供了一种基于卷积神经网络的CT图像目标检测方法，其旨在解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种基于卷积神经网络的CT图像目标检测方法，所述方法包括：

获得CT扫描仪扫描的待检测区域的CT视频；

基于CT视频中当前帧图像的前一帧图像和后一帧图像，获得残差区域；

将所述残差区域与所述当前帧图像进行融合，获得融合当前帧图像；

对所述融合当前帧图像进行高通滤波，获得高频当前帧图像；

对所述融合当前帧图像进行低通滤波，获得低频当前帧图像；

将所述高频当前帧图像和所述低频帧图像进行融合，获得复合当前帧图像；

基于第一卷积神经网络对所述当前帧图像进行目标检测，获得当前帧目标区域；

基于第二卷积神经网络对所述复合当前帧图像进行目标检测，获得复合目标区域；

获得所述当前帧目标区域和所述复合目标区域的距离；

若所述距离小于目标值，基于所述当前帧目标区域和所述复合目标区域，获得待检测的目标图像。

可选的，所述将所述残差区域与所述当前帧图像进行融合，获得融合当前帧图像，包括：

获得所述残差区域中的像素点(i,j)的像素值与所述当前帧图像中的像素点(i,j+k)的像素值之和，其中，所述i，j是正整数，k是大于或等于0的整数；

若所述和大于255，所述融合当前帧图像的像素点(i,j)的像素值为第一差值，所述第一差值为255与所述和与255的商的余数之差值；

若所述和不大于255，所述融合当前帧图像的像素点(i,j)的像素值为所述和。

可选的，所述将所述高频当前帧图像和所述低频帧图像进行融合，获得复合当前帧图像，包括：

获得所述高频当前帧图像中像素点(i,j)的像素值与所述低频当前帧图像中像素点(i,j)的平均值；