一种新型X射线安检图像增强算法

一种新型X射线安检图像增强算法
郑林涛;董永生;史恒亮
【摘要】针对X射线安检图像噪声大、对比度低和边缘不清晰等特点,提出一种基于对比度受限自适应直方图均衡化(CLAHE)变换和图像灰度最大值融合的双重能量X射线图像增强算法.首先,应用CLAHE变换分别对高能和低能X射线图像分别进行处理得到初步增强结果;然后采用空域灰度值最大融合算法融合经过CLAHE变换后的高能和低能X射线图像从而得到最终增强X射线图像.实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量.
【期刊名称】《科学技术与工程》
【年(卷),期】2014(014)023
【总页数】5页(P252-256)
【关键词】X射线图像;图像增强;对比度受限自适应直方图均衡化;图像融合
【作者】郑林涛;董永生;史恒亮
【作者单位】河南科技大学信息工程学院,洛阳471023;河南科技大学信息工程学院,洛阳471023;河南科技大学信息工程学院,洛阳471023
【正文语种】中文
【中图分类】TP391.41
公共安全作为国家安全的重要组成部分，是政府社会管理和公共服务的重要内容，也是民众最为关注的焦点问题之一。

X 射线安全检查设备作为公共交通运输等领域
最重要的安全检查手段之一，是公共安全防御的一道重要防线。

它能够通过X 射线透射的方法获取行李包裹等的内部物品图像，使安检人员在不需开包的情况下查看行李包裹的内容物。

目前使用的安全检测系统中常见的是双能量射线(dual energy X ray)检测系统。

该类系统使用的双能量X 射线成像技术是一种非常有效的投影成像技术。

双能量X 射线系统产生高低两种不同能量级的射线:高能量射线(高于100 kV)和低能量射线(80 kV 左右)。

在图像扫描时分别用高低两种能量X 射线对同一行李进行照射。

但是在图像采集过程中难免受外界各种因素的影响，图像质量分布不均。

进行后续处理之前需要对原始图像进行增强处理，改善图像的视觉效果，便于安检人员对检测图像进行判断分析。

现今X 射线图像增强的报道主要集中在医学领域和工业检测领域，涉及安检X 射线图像的增强处理的报道较少［1］。

常见图像增强方法有:直方图均衡，灰度分组法［2］，正弦灰度变换［3］，离散小波模糊增强［4］，ICA 和自适应正弦灰度变换相结合的二级增强［5］。

X 射线图像噪声大，对比度低，细节丰富但模糊。

因此在增强该类图像的过程中提高图像对比度及增强细节信息并同时抑制噪声是此类图像增强所要解决的重点问题［6—9］。

国内外的众多研究者都致力于研究该类图像的增强方法，希望能改善图像质量，提高图像的可视性［10—13］。

1 基于CLAHE 和融合理论的X 射线图像增强方法
针对双能X 射线安检图像的特点，提出一种增强新方法，该方法首先使用对比度受限自适应直方图均衡化(CLAHE)变换分别对双能X 射线图像进行处理。

然后将增强后的高能X 射线图像和低能X射线图像进行融合操作。

本方法提高了图像的整体对比度，又同时融合了高能和低能X 射线图像的信息。

对双能X 射线图像具有明显的增强效果。

1.1 CLAHE 介绍
直方图均衡(histogram equalization，HE)是图像增强中一种常用的方法，直方图均衡的目的就是通过图像变换处理，使得变换后图像的灰度值分布尽可能平均，即使得变换后图像直方图尽可能平坦。

但直方图均衡化是针对整幅图像统计得到的，本质上是一种全局性增强方法，因此对细节增强效果欠佳。

这一点对X 射线图像
增强效果的影响尤为严重。

因此在X 射线图像增强实际应用中往往并不能达到理
想的效果。

针对直方图均衡算法的局限，Pizer 等人将HE算法推广应用到图像的局部分析，
提出局部自适应直方图增强算法［6］(adaptive histogram equalization，AHE)。

AHE 对于图像的任一像素在以该像素为中心的滑动窗口内计算其局部直方图累积
分布函数，并对中心像素进行灰度变换，从而实现局部对比度的增强。

滑动窗口从左到右从上到下完成对整幅图像的增强。

与直方图均衡算法相比，AHE 具有较强
的局部对比度增强能力。

但由于AHE 需要计算各像素的局部直方图及累积分布函数，因此计算量非常大，运算速度慢。

另外由于是在局部区域中实现直方图均衡，因此AHE 对噪声极其敏感，并且易使局部区域过度增强。

对比度受限自适应直方图均衡化［7，8］(contrast limited adaptive histogram equalization，CLAHE)算法对AHE 算法进行了改进，并采用固定阈值的限幅方法有效抑制局部对比度的过度增强及噪声的放大，但是在输出图像中仍然会产生大量的人为噪声，在灰度突变的交界区域尤为明显。

1.2 图像融合
图像融合是以图像为研究对象的信息融合，它把对同一目标或场景的用不同传感器获得不同图像，或用同种传感器以不同成像方式或在不同成像时间获得的不同图像，融合为一幅图像。

在这幅图像中能反应多重原始图像的信息，以达到对目标和场景的综合描述，使之更适合视觉感知或计算机处理。

在双能X 射线增强处理过程中引入图像融合的操作能够很好地将源图像中的有用信息提取并注到融合图像中，得到具有更好视觉效果和更优量化指标的融合图像。

所采用的图像融合规则是空域像素灰度值选大法。

详细的处理规则如下。

设对前面经过CLAHE 处理过的两幅X 射线图像分别记为I1(x，y)和I2(x，y)进行融合处理，得到融合图像为I(x，y)，则基于像素灰度值选大法表示为
即在融合处理时，首先比较I1(x，y)和I2(x，y)对应位置处像素灰度值的大小，取其中灰度值大的像素作为融合后的图像在该像素点(x，y)处的像素值。

这种算法简捷易行，只是简单选择了需要进行融合的源图像中灰度值大的像素的灰度作为融合后的该位置处像素的灰度值。

1.3 基于CLAHE 和灰度最大值融合规则的X 射线图像增强算法
在前面介绍的CLAHE 变换和图像融合理论的基础上，提出一种基于图像融合的双重能量X 射线图像增强算法，算法的详细流程图如图1 所示。

首先使用CLAHE 变换对需要增强处理的高能量和低能量X 射线图像进行增强预处理，然后针对增强预处理后的图像进行图像融合，采用的融合规则是空域像素灰度值选大原则。

算法在增强双能X 射线图像的同时又有效抑制增强过程中产生的噪声。

图1 本文算法流程图Fig.1 Flowchart of the proposed algorithm
算法步骤如下:
(1)将输入图像划分为互不重叠的窗口子块。

(2)计算每个子窗口的灰度直方图。

由给出的截断系数得出相应的截断阈值。

(3)根据截断阈值对子窗口的直方图进行裁剪。

在子窗口中小于截断阈值的数值将被保留，反之将被裁剪，将被裁减下来的像素均匀分布到直方图的各个灰度级中。

(4)根据裁剪后的新直方图建立子窗口的转换映射函数。

(5)用双线性插值求出原图各像素点的灰度值，得到经CLAHE 变换处理后的初步
增强图像。

(6)将经过上述步骤增强处理后的高能X 射线图像和低能X 射线图像利用公式(1)进行融合，得到最终的增强图像。

2 实验结果及分析
仿真实验部分所采用数据是由美国Tennessee大学提供的双能X 射线行李图像［9］。

原图像是灰度图像，如图2 所示，灰度范围是［0，255］。

图像的大小
是358×390。

为了验证本文所提算法模型的实验效果，分别将本文提出的算法与
文献提出的算法结果进行了比较。

图3 中分别给出了经过CLAHE变换处理过的双能X 射线图像以及文献［5］和本文算法的增强结果图像。

图2 双能X 射线行李图像Fig.2 Dual energy X-ray luggage images
图3 实验结果Fig.3 Experimental result
首先比较本文算法和文献［5］中算法结果的灰度直方图(见图4)。

灰度直方图反
映的是图像灰度的统计性质。

直方图能反应图像的总体性质，例如图像的明暗程度、细节是否清晰、动态范围大小等。

下面我们通过直方图来分析算法结果。

由图4
的灰度直方图可以看出原始双重能量X 射线图像和文献［5］算法的图像的灰度直方图分布明显不够均匀，主要的元素集中在几个灰度值附近，而经本算法处理过的图像的灰度直方图分布更加均匀，且灰度值范围扩展后占据了全部的灰度级，这表明经本算法增强处理过的图像具有更高的对比度和多变的灰度色调，具有更好的图像视觉效果。

而文献［5］处理结果所对应的直方图分布不够均匀，只在少数灰度值附近有峰值。

在文献［5］中X 射线行李图像被划分成四个区域，分别为左侧方盒区域、中部电路板区域、右侧遥控器区域及图像的剩余区域。

图5 是文献［5］算法与本文算法结果图中对应区域的细节比较，可以看出本文算法对应区域的图像清晰度明显优于前者。

图4 算法结果直方图比较Fig.4 Histogram comparison
图5 图像细节比较Fig.5 Comparison of image details
再从定量的角度比较本文算法和文献［5］的算法结果。

定量评估增强效果采用的四种测度分别是能量梯度函数(gradient energy)、图像熵(information entropy)、Tenengrad Value、图像清晰度［5］这四种评价标准。

1)能量梯度函数(gradient energy)。

能量梯度函数采用相邻点的差分计算一个点的梯度值。

该函数计算量小，可靠性高，单峰性好。

能量梯度函数的定义为
式(2)中I(x，y)表示图像在点(x，y)处的灰度值。

2)图像的熵(information entropy)。

图像信息熵的定义为
式(3)中P(l)为某灰度值l 在图像中出现的概率;L为图像的灰度等级。

对于256 灰
度等级的图像L=255。

图像的熵是衡量该图像包含平均信息量多少的度量。

如果
增强图像的熵比原始图像的熵大，说明增强后的图像的信息量比原始图像的信息量更加丰富。

3)tenengrad value (TEN)。

TEN 被认为是最鲁棒和精确的图像评价测度之一。

一幅图像的TEN 可以通过下式来计算。

式(4)中‖∇I(i，j)‖=和Sj分别是水平和垂直方向的Soble 算子，h 是阈值。

一般
认为Tenengrad 值越大表明图像的质量越高。

4)图像清晰度［5］(definition)。

式(5)中图像的大小为M×N，∇xgK(x，y)=gK(x，y)-gK(x，y -1)为gK(x，y)水
平方向的差分，其垂直方向的差分∇ygK(x，y)=gK(x，y)-gK(x -1，y)。

通常认为，图像清晰度越大，则表示图像越清晰，微小细节及纹理反映越好。

根据以上四种评价标准，对文献［5］和本文算法进行实验分析，结果如表1 所示: 表1 两种算法的测度值比较结果Table 1 Measure value comparison result
从表格的计算数值可以看出，本文的算法同比较算法相比具有更高的评价测度值。

本文算法与比较算法相比，性能指标均优于比较算法，更好地改善了图像质量。

3 结语
提出一种对双能X 射线图像检测系统进行图像增强的算法，算法对双能X 射线图
像进行CLAHE变换和融合处理以达到增强图像质量的目的，在增强兴趣区域的同时，对图像的细节也进行了显著增强。

并将该算法的结果从定性和定量的角度分别和其他算法进行了比较，仿真实验结果表明本文算法能有效的增强双能X 射线图
像的可视性，是一种行之有效的针对双能X 射线图像的增强算法，具有较高的应
用推广价值。

参考文献
【相关文献】
1 徐一鹤，何林锋，叶东胜，等.X 射线行李安检机的检测及其重要性.上海计量测试，
2010;(01):43—45，50 Xu Y H，He Linfeng，Ye Dongsheng，et al.Detection and importance of X-ray baggage screening machines.Shanghai Measurement and Testing，2010;(01):43—45，50
2 Chen Z Y，Abidi B R，Page D L.Gray-level grouping (GLG):an automatic method for optimized image contrast enhancement——Part I:the basic method.IEEE Transactions on Image Processing，2006;15(8):2290—2302
3 杨词银，黄廉卿.基于正弦灰度变换的X 光图像增强.光学技术，2002;28(5):407—408 Yang Ciyin，Huang Lianqing.Contrast enhancement of medical image based on sine gray level transformation.Optical Technique，2002;28(5):407—408
4 贺秀萍，韩萍，吴仁彪，等.一种新的X 射线手提行李图像增强方法.中国图象图形学报A，2009;14(5):866—870 He Xiuping，Han Ping，Wu Renbiao，et al.A new enhancement technique of X-ray hand luggage images.Journal of Image and Graphics，
2009;14(5):866—870
5 韩萍，刘则徐，何炜琨.一种有效的机场安检X 光手提行李图像两级增强方法.光电工程，2011;38(7):99—105 Han Ping，Liu Zexu，He Weikun.An efficient two-stage enhancement algorithm of X-ray carry-on luggage images.Opto-Electronic Engineering，
2011;38(7):99—105
6 Pizer S M，Amburn E P，Austin J D，et al.Adaptive histogram equalization and its puter Vision，Graphics and Image Processing，1987;39:355—368
7 Zuiderveld K.Contrast limited adaptive histogram equalization，Chapter VIII5.Heckbert
P S(Eds.)，Graphics Gems IV，Cambridge，MA:Academic Press，1994:474—485
8 Pizer S M，Johnston R E，Ericksen J P，et al.Contrast-limited adaptive histogram equalization:speed and effectiveness.Proceedings of the First Conference on Visualization in Biomedical Computing，1990:337—345
9 Chen Zhiyu，Zheng Yue，Abidi B R，et al.A combinational approach to the fusion，de-noising and enhancement of dual-energy X-ray luggage puter Vision and Pattern Recognition Workshop，IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPRW'05)-Workshops，2005
10 杨晓刚，杨立瑞.X 射线安检图像增强方法研究.CT 理论与应用研究，2012;(04):705—712 Yang X G，Yang L R.A method on X-ray security image enhancement.CT Theory and Applications，2012;(04):705—712
11 杨振亚，陈裕泉，潘敏.基于Curvelet 变换的X 射线图像增强.计算机科学，2010;(03):275—277 Yang Z Y，Chen Y Q，Pan M.X-ray image enhancement based on curvelet transform，2010;(03):275—277
12 何胜宗.基于PCNN 图像因子分解的X 线医学图像增强.中国图象图形学报，2011;(01):21—26 He S Z.Medical X-ray image enhancement based on PCNN image factorization.Journal of Image and Graphics，2011;(01):21—26
13 韩得水，王明泉，王玉.基于同态滤波与直方图均衡化的射线图像增强.电视技术，
2013;(07):20—22 Han D S，Wang M Q，Wang Y.Ray image enhancement based on homomorphic filter and histogram equalization，Video Engineering，2013;(07):20—22。