張艷珠，宋修竹，王艷梅

（沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽 110159）

基于物體材質(zhì)的X射線安檢圖像分割算法

張艷珠，宋修竹，王艷梅

（沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽 110159）

在使用X射線掃描系統(tǒng)進(jìn)行安檢的過程中，安檢員采取人眼識別X射線安檢圖像來確認(rèn)旅客是否攜帶違禁品，而被檢包裹內(nèi)由于物品重疊、種類繁雜，難免會造成誤檢、漏檢等情況。針對安檢圖像的成像特點(diǎn)，提出了基于K均值與區(qū)域生長的分割算法，該算法通過有針對性地選擇聚類中心，并采取加權(quán)系數(shù)改進(jìn)聚類中距離度量方法，針對安檢圖像中物體的材質(zhì)進(jìn)行有效的圖像分割。實(shí)驗(yàn)結(jié)果顯示，該算法能夠有效分割出安檢圖像中不同材質(zhì)的物體，與人工識別相比提高了安檢工作的效率。

安檢圖像；圖像分割；K均值；區(qū)域生長

由于安全形勢的日益嚴(yán)峻以及一系列事故和災(zāi)難的發(fā)生，公共交通工具的安全性也越來越受到關(guān)注。近20年來，火車站、飛機(jī)場一直使用X射線安檢系統(tǒng)來進(jìn)行安全檢查，并在確保國家和人民生命財(cái)產(chǎn)安全方面發(fā)揮了重要作用。由于X光安檢設(shè)備成像原理的差異和觀察角度的限制，會造成安檢圖像的復(fù)雜多樣化，其處理方式也與可見光圖像不完全一樣[1]。

1 安檢圖像中物質(zhì)類別確定方法

目前國內(nèi)主要流行的安檢設(shè)備為雙能量X射線安檢系統(tǒng)，雙能量安檢設(shè)備采用不同的高、低能量級X射線源，分別對被檢物品進(jìn)行透視，對兩幅高低能量級的透視圖像進(jìn)行處理后，得到關(guān)于被透視的物體的等效原子序數(shù)，以及物質(zhì)密度等反應(yīng)物質(zhì)特性等信息，最后在顯示器上顯示出X射線對物質(zhì)進(jìn)行透射的圖像[2～3]。通過這種雙能量X射線透視技術(shù)獲取的圖像，再采取圖像分割方法，就可實(shí)現(xiàn)有機(jī)物、無機(jī)物、無機(jī)物的分離。

雙能量安檢系統(tǒng)在對物體進(jìn)行掃描時(shí)，使用兩個(gè)透視模塊產(chǎn)生兩個(gè)不同能量級的射線束，獲得兩幅獨(dú)立的透視圖像，并得到關(guān)于被透視物體的有效原子序數(shù)Zeff的相關(guān)信息。安檢設(shè)備可以對采集到的這些特性信息進(jìn)行分析，并將物體簡單分為有機(jī)物、無機(jī)物和混合物三類。其具體判斷方法為：當(dāng)120時(shí)，判斷物體為無機(jī)物；當(dāng)10

雙能量X射線安檢系統(tǒng)會把透視得到的安檢圖像進(jìn)行顏色設(shè)定，把屬于有機(jī)物的物體顏色設(shè)定為①橙色，把無機(jī)物設(shè)定為③藍(lán)色，把混合物設(shè)定為②綠色，具體顏色差異則根據(jù)物體對X射線的吸收程度而定，吸收程度越高，則顏色就越深，反之顏色就越淺[4]，如圖1所示。

圖1 安檢圖像物體等效原子序數(shù)與密度分布圖

各類物質(zhì)具有不同的密度和原子序數(shù)，通過測量到的物體密度值和原子序數(shù)值與數(shù)據(jù)庫中物質(zhì)進(jìn)行對比，就可以判斷任意位置的物質(zhì)種類并進(jìn)行甄別。

2 基于K均值與區(qū)域生長的安檢圖像分割算法

根據(jù)安檢圖像的成像特點(diǎn)，可以采取圖像分割的方法實(shí)現(xiàn)有機(jī)物、無機(jī)物和混合物的分離，在對K均值聚類與區(qū)域生長的圖像分割算法進(jìn)行研究后，可以通過一種改進(jìn)的圖像分割算法，實(shí)現(xiàn)對安檢圖像中不同材質(zhì)的自動分割。

2.1 初始聚類中心的選擇

根據(jù)安檢圖像的顏色分布特點(diǎn)，分別選取：代表有機(jī)物顏色的橙黃色（RGB顏色編號#e57d0d，顏色分量為 R：229，G：125，B：13）；選取代表混合物顏色的淡青色（RGB顏色編號#0de526，顏色分量為R：13，G：229，B：38）；選取代表無機(jī)物顏色的靛藍(lán)色（RGB顏色編號 #0d84e5，顏色分量為 R：13，G：132，B：229），如圖 2所示的顏色。

圖2 初始聚類中心的選擇

2.2 距離度量的改進(jìn)

在度量對象之間的相關(guān)性通常采用歐式距離進(jìn)行計(jì)算，這種計(jì)算方法認(rèn)為每個(gè)分量對于對象間的距離影響效果是相同的，但這需要根據(jù)實(shí)際應(yīng)用需要而定。根據(jù)人眼的視覺特性，在亮度相同的情況下，色調(diào)信息是人眼可以區(qū)分不同顏色的主要因素，這就是安檢圖像在對不同材質(zhì)物體賦予顏色空間距離較大的原因[5]。一般情況下，為了度量對象中各個(gè)分量之間的相關(guān)性，普遍采用歐氏距離進(jìn)行判定。歐式距離計(jì)算式如下：

聚類的效果很大程度上取決于距離度量方式的選取，可以在采用歐氏距離作為距離判斷依據(jù)時(shí)引入加權(quán)系數(shù)，充分發(fā)揮對象間相關(guān)性的作用，以加強(qiáng)對安檢圖像的分割效果[6]。加權(quán)歐氏距離判斷式：

其中（i=1，…，k；j=1，…，n）。公式（2）中，Yj表示圖中第j個(gè)像素；Ci表示第i個(gè)聚類中心、和、分別表示和的三個(gè)顏色分量。結(jié)合RGB顏色空間分布以及安檢過程中對不同材質(zhì)物體之間的敏感性，初始權(quán)值α、β和γ的分別取0.80、1.00、1.05。

2.3 安檢圖像分割流程

對一幅圖像大小為M×N的圖像的每個(gè)像素進(jìn)行顏色信息的判斷，把前面提到的代表三種物體材質(zhì)的顏色作為種子選擇條件，以上文提到的加權(quán)歐氏距離判斷式作為種子區(qū)域生長準(zhǔn)則。分割過程如下：

（1）對圖像像素進(jìn)行逐一判斷，當(dāng)某一像素顏色信息符合代表物體材質(zhì)的顏色信息時(shí)，獲取n個(gè)種子點(diǎn)（x1，y1）、（x2，y2）……（xn，yn）。

（2）以（xi，yi）種子點(diǎn)，計(jì)算該種子點(diǎn)與鄰域點(diǎn)的顏色聚類加權(quán)歐式距離，設(shè)定判斷距離閾值T，如果鄰域一點(diǎn)與種子點(diǎn)在顏色空間的距離小于T，則使該點(diǎn)作為新的種子點(diǎn)。

（3）重復(fù)步驟（2），從新的種子點(diǎn)開始向四鄰域進(jìn)行擴(kuò)散，直到鄰域某像素點(diǎn)（xk，yk）顏色距離大于閾值T，則該坐標(biāo)點(diǎn)為邊緣坐標(biāo)點(diǎn)，生長終止。

（4）記錄下（xk，yk）的坐標(biāo)，存放在指定數(shù)組當(dāng)中，直到圖像中全部像素點(diǎn)生長終止。

（5）把數(shù)組中的所有像素返回原圖像，尋找被分離出來的物體的邊緣坐標(biāo)點(diǎn)。返回原圖像，所有處于邊緣坐標(biāo)點(diǎn)之間的像素點(diǎn)全部被提取出來，并被放在新建立的n幅圖像當(dāng)中。

3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)本文描述的方法，不僅能夠?qū)Π矙z圖像中物體按照材質(zhì)進(jìn)行圖像分割，而且可以把獨(dú)立物體分別提取出來，便于安檢人員逐個(gè)物體檢測。圖3為安檢圖像中對無機(jī)物的分割效果比較。

圖3 分割效果對比

通過對比基于閾值分割、K均值聚類分割和本文介紹分割方法可以看出，本文有較小的分割誤差，避免了一定程度上的欠分割和過度分割，從分割后的物體外形對比上來看，本文方法確保了圖像中物體分割后的外觀完整性，為接下來的識別提供了保證[7]。

通過不同分割算法對30幅安檢圖像進(jìn)行針對無機(jī)物的分割，可以看出，由于算法復(fù)雜度差異，閾值分割所用時(shí)間較少，而本文方法與K均值聚類分割算法所差無幾。本文采用文獻(xiàn)[8]給出的分割性能評價(jià)方法，計(jì)算誤分割與有效分割之比，得到分割誤差并進(jìn)行對比。表1為不同算法對安檢圖像進(jìn)行分割所需時(shí)間與分割誤差的比較結(jié)果。

表1 不同方法對安檢圖像進(jìn)行分割的時(shí)間與分割誤差

根據(jù)上文描述的步驟（5），對區(qū)域生長圖像提取邊緣坐標(biāo)點(diǎn)，回到原圖像，把所有處于邊緣坐標(biāo)點(diǎn)之間的像素點(diǎn)全部被提取出來，并被放在新建立的n幅圖像當(dāng)中，便于安檢人員對眾多物體進(jìn)行單獨(dú)提取與分析。對圖3（a）安檢圖像進(jìn)行物體獨(dú)立分割，部分物體的分割效果如圖4所示。

圖4 獨(dú)立物體分割圖像

4 結(jié)束語

針對安檢圖像的成像特點(diǎn)，本文提出了基于K均值與區(qū)域生長的安檢圖像分割方法。實(shí)驗(yàn)結(jié)果表明，通過不同圖像分割方法的比較，本文提出的算法對安檢圖像的分割效果明顯。此外，可以通過提取邊緣坐標(biāo)的方法，把安檢圖像中的物體獨(dú)立分割出來，便于安檢人員逐個(gè)物體檢測，提高了安檢效率。

[1]鄭金州，魯紹棟.X射線技術(shù)在安檢領(lǐng)域的應(yīng)用[J].CT理論與應(yīng)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]孫麗娜，原培新.射線安檢設(shè)備中探測技術(shù)研究[J].中國測試技術(shù)，2006，32(3):20-22.

[5]王圓圓，丁志杰，萬華林.基于視覺顏色聚類的彩色圖像分割[J].北京理工大學(xué)學(xué)報(bào)，2003，23(6):772-775.

[6]李 翠，馮冬青.基于改進(jìn)K-均值聚類的圖像分割方法研究[J].鄭州大學(xué)學(xué)報(bào)，2011，43(1):109-113.

[7]周正干，武 衛(wèi).X射線安檢設(shè)備數(shù)字圖像品質(zhì)綜合評價(jià)方法[J].無損檢測，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.

X-Ray Security Image Segmentation Algorithm based on Material

ZHANG Yan-zhu，SONG Xiu-zhu，WANG Yan-mei
（Schoolof Information Science and Engineering，Shenyang Ligong University，Shenyang 110159，China）

In security checking process by using X-ray scanning system，the security staff take sight to identify X-ray security images in order to confirm whether passengers carry contraband or not.Because of the overlapping items，numerous and diverse,themistake rate and miss rate of the security checking are high.According to the imaging characteristics of the security image,this paper proposed a security image segmentation algorithm，which combine K-meansand regionalgrowth.thisalgorithm targeted selection of cluster centers,and take aweighting factor to improve distancemetric method in the cluster，which could take image segmentation bymaterial.The simulation results show that this algorithm can segment the objects of differentmaterials in security image，and improve the security checking efficiency compared tomanual identification.

security images；image segmentation；K-means；regionalgrowth

TP301.6

B

1672-545X（2014）04-0033-03

2014-01-07

遼寧省教育廳基金資助項(xiàng)目（編號：L2013084）

宋修竹（1987—），男，吉林長春人，碩士研究生，研究方向?yàn)橛?jì)算機(jī)視覺與圖像處理；張艷珠（1971—），女，安徽馬鞍山人，博士，副教授，主要研究領(lǐng)域?yàn)閳D像處理技術(shù)研究，射頻功放建模及自適應(yīng)控制，基于分?jǐn)?shù)階的系統(tǒng)控制研究，智能系統(tǒng)研究。