[發(fā)明專利]一種基于X射線背散射圖像的人體隱藏物的檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410209538.3
• 申請(qǐng)日: 2014-05-16
• 公開（公告）號(hào): CN103955940B
• 公開（公告）日: 2018-01-16
• 發(fā)明（設(shè)計(jì)）人: 戴維迪;王詩(shī)瑤;何吉元;賈重;王玉川
• 申請(qǐng)（專利權(quán)）人: 天津重方科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T5/00
• 代理公司: 天津市鼎和專利商標(biāo)代理有限公司12101
• 代理人: 李鳳

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于X射線背散射圖像的人體隱藏物的檢測(cè)方法。

背景技術(shù)

隨著國(guó)內(nèi)外對(duì)于危險(xiǎn)源的檢測(cè)、評(píng)估以及應(yīng)急方案的研究越來(lái)越深入，X射線背散射成像技術(shù)已被用于安檢領(lǐng)域從而進(jìn)行人體攜帶隱藏物的檢測(cè)。其中對(duì)于掃描圖像的圖像分割是X射線背散射圖像人體探測(cè)的最基本環(huán)節(jié)。它的目標(biāo)在于從X射線背散射掃描圖像中將隱藏物從人體中提取出來(lái)。完整有效的人體隱藏物自動(dòng)分割對(duì)于后期隱藏物的特征提取、分類識(shí)別及危險(xiǎn)級(jí)別判別等具有重要作用。目前上述設(shè)備所獲得的掃描圖像主要依靠檢查人員進(jìn)行人工判讀，針對(duì)此類圖像的危險(xiǎn)品自動(dòng)檢測(cè)技術(shù)研究成果甚少，除此之外，由于X射線背散射成像時(shí)受到物體在人體上的位置，衣服材料、人體姿勢(shì)及光照等因素的影響，使得快速準(zhǔn)確的人體隱藏物分割難度增大。因此實(shí)現(xiàn)計(jì)算機(jī)對(duì)X射線背散射圖像中人體隱藏物品的自動(dòng)檢測(cè)，進(jìn)而識(shí)別各類危險(xiǎn)品，從而避免耗費(fèi)大量人力及時(shí)間具有十分重要的研究意義。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：提供一種基于X射線背散射圖像的人體隱藏物的檢測(cè)方法。

本發(fā)明為解決公知技術(shù)中存在的技術(shù)問題所采取的技術(shù)方案是：

一種基于X射線背散射圖像的人體隱藏物的檢測(cè)方法，包括如下步驟：

S101、采集X射線背散射圖像，對(duì)X射線背散射圖像進(jìn)行預(yù)處理，獲取預(yù)處理圖像；

S102、對(duì)預(yù)處理圖像進(jìn)行全局閾值與動(dòng)態(tài)閾值相結(jié)合的閾值計(jì)算，并利用平滑技術(shù)對(duì)動(dòng)態(tài)閾值造成的灰度不連續(xù)性進(jìn)行處理；具體過程為：

S1021、利用otsu算法對(duì)預(yù)處理圖像進(jìn)行全局閾值計(jì)算，獲得圖像全局閾值t1；

S1022、將預(yù)處理圖像分割為一系列子圖像，并對(duì)每一幀子圖像進(jìn)行otsu局部閾值計(jì)算，得到每一幀子圖像的局部閾值t2，隨后根據(jù)該局部閾值下的類間方差進(jìn)行分類討論：若類間方差小于用戶自行定義的閾值常數(shù)threshold，則利用S1021中所獲得的全局閾值t1，根據(jù)公式

t＝(1-α)t1+αt2獲取新閾值t；其中，α為類間方差；否則：新閾值t＝t2；

S1023、將新閾值t存入矩陣M中，對(duì)矩陣M進(jìn)行平滑處理，具體為：

將矩陣M中每個(gè)新閾值t和其周圍4鄰域中存在的各個(gè)閾值元素進(jìn)行加權(quán)相加，并以此來(lái)代替新閾值t；其中4領(lǐng)域的權(quán)值分別為0.1；平滑工作完成后得到新的閾值矩陣M2；

S103、利用上述所獲閾值進(jìn)行圖像分割，且利用模糊度、區(qū)域內(nèi)部均勻性以及區(qū)域間對(duì)比度這三個(gè)評(píng)價(jià)指標(biāo)作為反饋，自適應(yīng)地得到分割效果最好的動(dòng)態(tài)閾值完成圖像二值化；具體過程為：

S1031、利用閾值矩陣M2中的閾值元素對(duì)預(yù)處理圖像進(jìn)行二值化分割處理；

S1032、利用模糊度、區(qū)域內(nèi)部均勻性及區(qū)域間對(duì)比度對(duì)上述二值化分割處理后的分割結(jié)果進(jìn)行綜合評(píng)價(jià)；

S1033、依次重復(fù)步驟S1022、S1023、S1031、S1032，直至獲得評(píng)價(jià)值最高的分割情況；

S1034、利用上述獲得的分割情況進(jìn)行全局閾值與動(dòng)態(tài)閾值相結(jié)合的閾值計(jì)算，完成圖像二值化；

S104、對(duì)所獲得的二值化圖像進(jìn)行連通區(qū)域標(biāo)記，利用物體所包含的像素個(gè)數(shù)在某一范圍內(nèi)這一條件作為篩選，獲得最終隱藏物的提取。

進(jìn)一步：所述步驟S101中的預(yù)處理具體為：

S1011、圖像灰度化

采用DIB結(jié)構(gòu)提取X射線背散射圖像的RGB像素值，并將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均，其中紅色像素權(quán)重為30％，綠色像素為59％，及藍(lán)色像素為11％；

S1012、圖像去噪

采用高斯濾波對(duì)圖像進(jìn)行去噪處理，高斯濾波的具體操作是：用一個(gè)模板掃描圖像中的每一個(gè)像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代卷積中心像素點(diǎn)的值；高斯模板中越是靠近鄰域中心的位置，其權(quán)值就越高；如此安排權(quán)值的意義在于對(duì)圖像細(xì)節(jié)進(jìn)行平滑的同時(shí)，可以更多地保留圖像總體的灰度分布特征；上述模板大小為3*3，模板中坐標(biāo)為(x,y)的數(shù)值計(jì)算公式為：

其中：σ是尺度參數(shù)，用于決定濾波的平滑程度。以模板中心為原點(diǎn)，x，y是模板各位置相對(duì)于原點(diǎn)的坐標(biāo)；按照以上公式構(gòu)建高斯模板，并對(duì)圖像進(jìn)行去噪處理。

進(jìn)一步：所述步驟S104具體為：

S1041、對(duì)所獲得的二值化圖像進(jìn)行連通區(qū)域標(biāo)記，獲得多個(gè)連通區(qū)域；

S1042、計(jì)算每個(gè)連通區(qū)域所包含的像素點(diǎn)個(gè)數(shù)；