基于物体材质的X射线安检图像分割算法

基于物体材质的X射线安检图像分割算法
张艳珠;宋修竹;王艳梅
【摘要】在使用X射线扫描系统进行安检的过程中,安检员采取人眼识别X射线安检图像来确认旅客是否携带违禁品,而被检包襄内由于物品重叠、种类繁杂,难免会造成误检、漏检等情况.针对安检图像的成像特点,提出了基于K均值与区域生长的分割算法,该算法通过有针对性地选择聚类中心,并采取加权系数改进聚类中距离度量方法,针对安检图像中物体的材质进行有效的图像分割.实验结果显示,该算法能够有效分割出安检图像中不同材质的物体,与人工识别相比提高了安检工作的效率.【期刊名称】《装备制造技术》
【年(卷),期】2014(000)004
【总页数】3页(P33-35)
【关键词】安检图像;图像分割;K均值;区域生长
【作者】张艳珠;宋修竹;王艳梅
【作者单位】沈阳理工大学信息科学与工程学院,辽宁沈阳 110159;沈阳理工大学信息科学与工程学院,辽宁沈阳 110159;沈阳理工大学信息科学与工程学院,辽宁沈阳 110159
【正文语种】中文
【中图分类】TP301.6
由于安全形势的日益严峻以及一系列事故和灾难的发生，公共交通工具的安全性也越来越受到关注。

近20年来，火车站、飞机场一直使用X射线安检系统来进行安
全检查，并在确保国家和人民生命财产安全方面发挥了重要作用。

由于X光安检设备成像原理的差异和观察角度的限制，会造成安检图像的复杂多样化，其处理方式也与可见光图像不完全一样[1]。

目前国内主要流行的安检设备为双能量X射线安检系统，双能量安检设备采用不同的高、低能量级X射线源，分别对被检物品进行透视，对两幅高低能量级的透视图像进行处理后，得到关于被透视的物体的等效原子序数，以及物质密度等反应物质特性等信息，最后在显示器上显示出X射线对物质进行透射的图像[2～3]。

通过这种双能量X射线透视技术获取的图像，再采取图像分割方法，就可实现有机物、无机物、无机物的分离。

双能量安检系统在对物体进行扫描时，使用两个透视模块产生两个不同能量级的射线束，获得两幅独立的透视图像，并得到关于被透视物体的有效原子序数Zeff的相关信息。

安检设备可以对采集到的这些特性信息进行分析，并将物体简单分为有机物、无机物和混合物三类。

其具体判断方法为：当1<Zeff燮10时，判断物体为有机物；当Zeff>20时，判断物体为无机物；当10<Zeff燮20时，判断物体为混合物。

双能量X射线安检系统会把透视得到的安检图像进行颜色设定，把属于有机物的物体颜色设定为①橙色，把无机物设定为③蓝色，把混合物设定为②绿色，具体颜色差异则根据物体对X射线的吸收程度而定，吸收程度越高，则颜色就越深，反之颜色就越浅[4]，如图1所示。

各类物质具有不同的密度和原子序数，通过测量到的物体密度值和原子序数值与数据库中物质进行对比，就可以判断任意位置的物质种类并进行甄别。

根据安检图像的成像特点，可以采取图像分割的方法实现有机物、无机物和混合物的分离，在对K均值聚类与区域生长的图像分割算法进行研究后，可以通过一种改进的图像分割算法，实现对安检图像中不同材质的自动分割。

根据安检图像的颜色分布特点，分别选取：代表有机物颜色的橙黄色（RGB颜色
编号#e57d0d，颜色分量为 R：229，G：125，B：13）；选取代表混合物颜色
的淡青色（RGB颜色编号#0de526，颜色分量为R：13，G：229，B：38）；选取代表无机物颜色的靛蓝色（RGB颜色编号 #0d84e5，颜色分量为 R：13，G：132，B：229），如图 2所示的颜色。

在度量对象之间的相关性通常采用欧式距离进行计算，这种计算方法认为每个分量对于对象间的距离影响效果是相同的，但这需要根据实际应用需要而定。

根据人眼的视觉特性，在亮度相同的情况下，色调信息是人眼可以区分不同颜色的主要因素，这就是安检图像在对不同材质物体赋予颜色空间距离较大的原因[5]。

一般情况下，为了度量对象中各个分量之间的相关性，普遍采用欧氏距离进行判定。

欧式距离计算式如下：
聚类的效果很大程度上取决于距离度量方式的选取，可以在采用欧氏距离作为距离判断依据时引入加权系数，充分发挥对象间相关性的作用，以加强对安检图像的分割效果[6]。

加权欧氏距离判断式：
其中（i=1，…，k；j=1，…，n）。

公式（2）中，Yj表示图中第j个像素；Ci表示第i个聚类中心、和、分别表示和的三个颜色分量。

结合RGB颜色空间分布以
及安检过程中对不同材质物体之间的敏感性，初始权值α、β和γ的分别取0.80、1.00、1.05。

对一幅图像大小为M×N的图像的每个像素进行颜色信息的判断，把前面提到的
代表三种物体材质的颜色作为种子选择条件，以上文提到的加权欧氏距离判断式作为种子区域生长准则。

分割过程如下：
（1）对图像像素进行逐一判断，当某一像素颜色信息符合代表物体材质的颜色信息时，获取n个种子点（x1，y1）、（x2，y2）……（xn，yn）。

（2）以（xi，yi）种子点，计算该种子点与邻域点的颜色聚类加权欧式距离，设
定判断距离阈值T，如果邻域一点与种子点在颜色空间的距离小于T，则使该点作为新的种子点。

（3）重复步骤（2），从新的种子点开始向四邻域进行扩散，直到邻域某像素点（xk，yk）颜色距离大于阈值T，则该坐标点为边缘坐标点，生长终止。

（4）记录下（xk，yk）的坐标，存放在指定数组当中，直到图像中全部像素点生长终止。

（5）把数组中的所有像素返回原图像，寻找被分离出来的物体的边缘坐标点。

返回原图像，所有处于边缘坐标点之间的像素点全部被提取出来，并被放在新建立的n幅图像当中。

根据本文描述的方法，不仅能够对安检图像中物体按照材质进行图像分割，而且可以把独立物体分别提取出来，便于安检人员逐个物体检测。

图3为安检图像中对无机物的分割效果比较。

通过对比基于阈值分割、K均值聚类分割和本文介绍分割方法可以看出，本文有较小的分割误差，避免了一定程度上的欠分割和过度分割，从分割后的物体外形对比上来看，本文方法确保了图像中物体分割后的外观完整性，为接下来的识别提供了保证[7]。

通过不同分割算法对30幅安检图像进行针对无机物的分割，可以看出，由于算法复杂度差异，阈值分割所用时间较少，而本文方法与K均值聚类分割算法所差无几。

本文采用文献[8]给出的分割性能评价方法，计算误分割与有效分割之比，得到分割误差并进行对比。

表1为不同算法对安检图像进行分割所需时间与分割误差的比较结果。

根据上文描述的步骤（5），对区域生长图像提取边缘坐标点，回到原图像，把所有处于边缘坐标点之间的像素点全部被提取出来，并被放在新建立的n幅图像当中，便于安检人员对众多物体进行单独提取与分析。

对图3（a）安检图像进行物
体独立分割，部分物体的分割效果如图4所示。

针对安检图像的成像特点，本文提出了基于K均值与区域生长的安检图像分割方法。

实验结果表明，通过不同图像分割方法的比较，本文提出的算法对安检图像的分割效果明显。

此外，可以通过提取边缘坐标的方法，把安检图像中的物体独立分割出来，便于安检人员逐个物体检测，提高了安检效率。

【相关文献】
[1]郑金州，鲁绍栋.X射线技术在安检领域的应用[J].CT理论与应用研究，2012，21(2):357-364.
[2]Richard D.R.Macdonald.Design and Implementation of a Dual-Energy X-ray imaging system for Organic Material Detection in an AirportSecurity Application[J].Machine Vision Application in Industrial Inspection，2001，43(1):31-41.
[3]Kwang Hyun Kim，Sung Min Myoung，Yong Hyun Chung.Design ofparallel dual-energy X-ray beam and its performance for security radiography[J].Nuclear Instruments and Methods in Physics Research Section A:Accelerators,Spectrometers,Detectorsand Associated Equipment，2011，652（1）:66-68.
[4]孙丽娜，原培新.射线安检设备中探测技术研究[J].中国测试技术，2006，32(3):20-22.
[5]王圆圆，丁志杰，万华林.基于视觉颜色聚类的彩色图像分割[J].北京理工大学学报，2003，
23(6):772-775.
[6]李翠，冯冬青.基于改进K-均值聚类的图像分割方法研究[J].郑州大学学报，2011，43(1):109-113.
[7]周正干，武卫.X射线安检设备数字图像品质综合评价方法[J].无损检测，2009(31):428-432.
[8]David Martin,Charless Fowlkes,Doron Tal,Jitendra Malik.A Database ofHuman Segmented Natural Images and its Application to Evaluating Segmentation Algorithmsand Measuring Ecocological Statistics[J].Computer Vision，2001(2)：416-423.。