[发明专利]一种基于深度学习的CT三维数据处理方法

说明书

本发明涉及一种基于深度学习的CT三维数据处理方法，属于安检图像技术领域，解决了现有技术中计算资源使用率低以及压缩效率低等问题。通过获取CT安检HLX数据，经采样，得到稀疏数据；利用预训练的自编码器对稀疏数据进行处理，得到编码后的稀疏数据并存储；在使用时，利用预训练的自编码器，对编码后的稀疏数据进行解码处理，得到稀疏数据；利用预训练的生成器对稀疏数据进行处理，获得补间角度数据；基于补间角度数据，恢复CT安检HLX数据，进而得到CT安检三维图像。该方法对CT安检HLX数据进行采样、压缩、存储，压缩效率高；使用经过训练的自编码器和生成器，使得CT安检三维图像损失极小；对多种数据进行统一采样，计算资源利用率高。

技术领域

本发明涉及安检图像技术领域，尤其涉及一种基于深度学习的CT三维数据处理方法。

背景技术

现今安检CT技术的高速发展，产生了大量的安检CT三维图像，随之带来的CT数据量成倍的增加。CT三维图像的数据量很大，如何有效、经济、快速地存储、传输和显示这些数据就越来越成为难点。

目前关于安检CT三维图像压缩分有损压缩和无损压缩两种，无损压缩包括Huffman(霍夫曼)编码、algorithm(算术)编码等压缩方法。这种压缩率比较低。有损压缩包括DCT(离散余弦)编码、Predictive(预测)编码、vector quantization(量化)等等压缩方法。由于无损压缩的压缩比太小，无法满足节省存储空间并实现快速传输的要求，因此必须进行有损压缩，但目前CT三维图像的有损压缩，主要对CT三维图像进行有损量化，其中有损量化主要是保留CT三维图像像素变化不大的区域，删除CT三维图像中像素变化较大的区域，并结合游长编码算法，将各通道的重复性像素分开压缩，同时结合CT三维图像的空间信息执行冗余压缩，虽然上述可实现对CT三维图像的压缩，但将图像分成不同通道及不同空间信息进行分开压缩，从而导致过多计算资源被浪费，压缩效率低的问题。

综上，现有安检CT三维图像压缩技术中存在计算资源使用率低以及压缩效率低的问题。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种基于深度学习的CT三维数据压缩方法，用以解决现有安检CT三维图像压缩技术中存在计算资源使用率低以及压缩效率低的问题。

本发明的目的主要是通过以下技术方案实现的：

本发明实施例提供了一种基于深度学习的CT三维数据处理方法，包括如下步骤：

获取CT安检HLX数据，并对该数据进行采样，得到稀疏数据；

利用预训练的自编码器对所述稀疏数据进行编码处理，得到编码后的稀疏数据并存储；

在使用时，利用预训练的自编码器，对所述编码后的稀疏数据进行解码处理，得到稀疏数据；利用预训练的生成器对稀疏数据进行处理，获得补间角度数据；基于补间角度数据，恢复CT安检HLX数据，进而得到CT安检三维图像。

基于上述方法的进一步改进，获取CT安检HLX数据，并对该数据进行采样，得到稀疏数据，包括：

对安检目标物体进行多扫描角度、多扫描圈数的扫描，得到CT安检HLX数据；其中，多扫描角度指每种所述数据均通过以m₁为扫描间隔角度而连续扫描获得，m₁为正整数且能够整除360；多扫描圈数指每种所述数据均包括n₁个连续扫描圈数，n₁为正整数；CT安检HLX数据包括高/低能投影数据、电子密度数据和原子序数数据；

基于所述多扫描角度和多扫描圈数得到采样间隔角度和采样圈数；其中，采样间隔角度m₂和采样圈数n₂均为预设的正整数，且m₂大于m₁，n₂小于n₁；

基于所述采样间隔角度，得到采样角度；