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

（沈阳理工大学 信息科学与工程学院，辽宁 沈阳 110159）

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

（沈阳理工大学 信息科学与工程学院，辽宁 沈阳 110159）

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，而被检包裹内由于物品重叠、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。

安检图像；图像分割；K均值；区域生长

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]。

1 安检图像中物质类别确定方法

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120时，判断物体为无机物；当10

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。

图1 安检图像物体等效原子序数与密度分布图

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。

2 基于K均值与区域生长的安检图像分割算法

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。

2.1 初始聚类中心的选择

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。

图2 初始聚类中心的选择

2.2 距离度量的改进

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。

2.3 安检图像分割流程

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。

3 实验结果与分析

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。

图3 分割效果对比

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。

表1 不同方法对安检图像进行分割的时间与分割误差

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。

图4 独立物体分割图像

4 结束语

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。

[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.

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

辽宁省教育厅基金资助项目（编号：L2013084）

宋修竹（1987—），男，吉林长春人，硕士研究生，研究方向为计算机视觉与图像处理；张艳珠（1971—），女，安徽马鞍山人，博士，副教授，主要研究领域为图像处理技术研究，射频功放建模及自适应控制，基于分数阶的系统控制研究，智能系统研究。