为了表述简洁，这里将综合射线能谱称为系统能谱，用D(E)表示：综合以上描述，将多色能量X射线衰减规律表示为：式（3）也称宽能谱射线条件下的Beer定律，以此为依据得到能谱射线投影公式：式(4)较单色投影式(1)增加了对系统中能谱信息的表达，理论上是一种更加精确的投影表达式 。正是由于传统CT成像无法处理能谱信息，只能将多色投影数据简化近似为单色投影，所以才会在重建图像中引入大量伪影信息 。
【LeCun新作,lecun】使用相应的双能CT重建算法，则可获得被检物的物质信息 。双能CT重建算法的简单思路与计算流程：X光双能CT成像利用物质对不同能量X光的衰减效应不同的物理性质，采集两套不同能量(谱)下的CT数据，通过特殊的重建方法，以获取比传统单一能量得到的CT图像更丰富的物质分布信息 。双能CT可以近似重建任意单能下的衰减系数图像或电子密度和等效原子序数分布图像对等 。
一方面，双能CT对于区分密度相似而原子序数有差异的物质具有特殊优势；另一方面，双能CT可以很好地解决由传统CT的多色谱造成的同种材料不同图像和不同材料同样CT值的问题 。由于双能CT数据给出一系列单一能量衰减系数图像(无硬化伪影)，这样的系统也被称之为能谱CT 。双能CT技术在安检领域得到了广泛的研究和应用 。
该技术能够准确地重建物质的有效原子序数和密度信息，进而达到分辨物质种类的目的，有效地降低误报率 。包裹实物图：双能CT在安检物质识别中的应用：基于深度学习的图像特征识别为了保证公共交通运输的安全性，X 光包裹安检显示系统已经被广泛地运用到各个机场和车站 。但是，人为识别的效率和准确率还是不够高，因为人为观察大量的包裹图像是一个枯燥的工作，安检员会在长时间的工作中分心，很难保证危险违禁物品在人为安检过程中被漏掉，因此催生了自动化智能安检机的出现 。
当前 X 光行包检测主要依靠颜色分析法和形状分析法，这两种方法都是靠安检员人工看图和人工判图，其准确性依赖于安检员的自身经验，速度受限于安检员的工作负荷，两者效率都不易进一步提高 。因此，面向高通量场景下，对行包中枪支、管制刀具和打火机等典型违禁品进行高速自动识别的需要，针对当前人工看图和判图效率不足的问题，研究并突破典型违禁品的图像自动识别匹配和原子序数特性分析等关键技术，实现对行包中典型违禁品的自动识别和匹配的能力，达到对典型违禁品较好的自动识别，从而较大地提高安检效率 。
深度学习是通过逐层构建多层网络，使设备获得更细节的特征且计算效率较高，因而近年来受到广大科研工作者的热捧 。深度学习技术在智能装备领域产生了巨大影响 。在Hinton科研小组赢得 Image Net比赛半年之后，Google和百度等公司都发布了新的基于图像内容的搜索引擎 。它们继承了Hinton在Image Net比赛中采用的深度学习网络架构，并应用在各自领域中，发现图像搜索的准确率得到了较大提升 。
Facebook 公司于 2013 年 12 月在纽约成立了新的人工智能实验室，聘请了深度学习领域的著名学者，卷积网络的发明人Yann Le Cun作为首席科学家 。2014 年 1 月，Google公司花费四亿美金收购了一家深度学习公司Deep Mind，而百度公司在 2012 年就成立了深度学习研究院，2014 年 5月在美国硅谷又成立了新的深度学习实验室，聘请斯坦福大学的吴恩达教授担任首席科学家 。
鉴于深度学习在学术界和工业界的巨大影响，MIT Technology Review 将其列为世界十大技术突破之首 。随着区域性卷积神经网络（RCNN）的出现，深度学习方法在安检违禁物品智能识别中成为一种流行 的 算 法 。基 于YOLO（You Only Look Once） 和SSD（Single Shot Detection）两种算法架构的深度学习算法获得的网络可以直接输出多个目标以及这些目标的位置，它们在训练到算法实施过程更加的高效，这使得它们也成为安检智能识别中的两种主流算法架构 。
推荐阅读
- 育碧正开发多个《刺客信条》游戏 新作极有可能在日本
- 蓝月传奇怎么加石化属性,10月图书市场热门新作
- 帝国与联盟加入联盟有什么用,天美新作《重返帝国》
- 武汉拥抱数字经济请求新突破新作为,大破大立
- dmm什么手游比较好玩,DMM新作手游《FRIENDRA
- 猴子保卫战为什么进不去,节奏新作《丛林战争》猴子的香蕉保卫战
- 逃离方块天堂岛什么出,《逃离方块》系列新作
- 弹弹堂怎么进阶成功率,腾讯新作休闲手游《弹弹堂》手游评测