本申请涉及图像重建领域，尤其涉及一种x射线投影图像处理方法、装置、设备及可读存储介质。
背景技术：
1、目前现有的x射线投影成像系统主要通过调整物体与探测器的距离来控制放大率，然而，由于物体位置的不同，在处理放大率变化和不同成像距离时常常受到限制，容易产生半影模糊现象，影响图像质量。
技术实现思路
1、为了解决上述技术问题，本申请实施例提供了一种x射线投影图像处理方法、装置、设备及可读存储介质。
2、第一方面，本申请实施例提供了一种x射线投影图像处理方法，所述方法包括：
3、调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像，并将多个x射线目标投影图像组成模糊图像数据集；
4、分别配置生成对抗神经网络的生成器的网络结构和辨别器的网络结构；
5、将所述模糊图像数据集输入至所述生成对抗神经网络进行训练，得到新的生成对抗神经网络；
6、将待处理的x射线投影图像输入至所述新的生成对抗神经网络，生成新的x射线投影图像，所述新的x射线投影图像的分辨率高于所述待处理的x射线投影图像的分辨率。
7、在一实施方式中，所述调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像，包括：
8、设置多个目标投影图像尺寸，根据多个目标投影图像的尺寸和所述原始投影图像的尺寸合并所述原始投影图像的像素，得到多个目标投影图像的像素；
9、通过x射线源到物体的第一距离以及x射线源到探测器的第二距离计算多个相对放大率；
10、根据多个相对放大率将所述原始投影图像的尺寸调整至多个目标投影图像的尺寸，并根据所述多个目标投影图像的像素和尺寸得到多个目标投影图像。
11、在一实施方式中，所述通过x射线源到物体的第一距离以及x射线源到探测器的第二距离计算多个相对放大率，包括：
12、设置第一距离初始值、第一距离增量、第一距离阈值；
13、根据所述第一距离初始值、所述第一距离增量和所述第一距离阈值得到多个相对放大率。
14、在一实施方式中，所述调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像之前，所述方法还包括：
15、提取x射线源的强度分布数据；
16、将所述x射线源的强度分布数据进行归一化处理。
17、在一实施方式中，所述分别配置生成对抗神经网络的生成器的网络结构和辨别器的网络结构，包括：
18、设置第一预设网络层数的下采样层以及第二预设网络层数的上采样层，组成所述生成器的网络结构；
19、设置第三预设网络层数的下采样层组成所述辨别器的网络结构。
20、在一实施方式中，所述将所述模糊图像数据集输入至所述生成对抗神经网络进行训练，得到新的生成对抗神经网络，包括：
21、获取生成对抗损失、结构性相似指数损失和l1损失；
22、分别设置与所述生成对抗损失、所述结构性相似指数损失和所述l1损失对应的第一权重、第二权重和第三权重；
23、通过公式(1)计算所述新的生成对抗神经网络的损失；
24、公式(1)：lg＝αlgan+γlssim+λl1；
25、其中，lgan为生成对抗损失、lssim为结构性相似指数损失、l1为l1损失，α为第一权重、γ为第二权重和λ为第三权重。
26、在一实施方式中，所述将所述模糊图像数据集输入至所述生成对抗神经网络进行训练之前，所述方法还包括：
27、选取迁移模型，并提取所述迁移模型的模型参数；
28、将所述模型参数迁移至所述生成对抗神经网络。
29、第二方面，本申请实施例提供了一种x射线投影图像处理装置，所述x射线投影图像处理装置包括：
30、调整模块，用于调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像，并将多个x射线目标投影图像组成模糊图像数据集；
31、配置模块，用于分别配置生成对抗神经网络的生成器的网络结构和辨别器的网络结构；
32、训练模块，用于将所述模糊图像数据集输入至所述生成对抗神经网络进行训练，得到新的生成对抗神经网络；
33、生成模块，用于将待处理的x射线投影图像输入至所述新的生成对抗神经网络，生成新的x射线投影图像，所述新的x射线投影图像的分辨率高于所述待处理的x射线投影图像的分辨率。
34、第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的x射线投影图像处理方法。
35、第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的x射线投影图像处理方法。
36、上述本申请提供的x射线投影图像处理方法，调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像，并将多个x射线目标投影图像组成模糊图像数据集；分别配置生成对抗神经网络的生成器的网络结构和辨别器的网络结构；将所述模糊图像数据集输入至所述生成对抗神经网络进行训练，得到新的生成对抗神经网络；将待处理的x射线投影图像输入至所述新的生成对抗神经网络，生成新的x射线投影图像，所述新的x射线投影图像的分辨率高于所述待处理的x射线投影图像的分辨率。通过模拟生成更全面的模糊图像数据集，以及配置生成对抗神经网络，提高了图像重建质量。
1.一种x射线投影图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过x射线源到物体的第一距离以及x射线源到探测器的第二距离计算多个相对放大率，包括：
4.根据权利要求1所述的方法，其特征在于，所述调整x射线原始投影图像的尺寸和像素生成多个x射线目标投影图像之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述分别配置生成对抗神经网络的生成器的网络结构和辨别器的网络结构，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述模糊图像数据集输入至所述生成对抗神经网络进行训练，得到新的生成对抗神经网络，包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述模糊图像数据集输入至所述生成对抗神经网络进行训练之前，所述方法还包括：
8.一种x射线投影图像处理装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至7中任一项所述的x射线投影图像处理方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的x射线投影图像处理方法。
