CN101696947A - 一种x射线双能量透射与康普顿背散射图像智能融合方法 - Google Patents
一种x射线双能量透射与康普顿背散射图像智能融合方法 Download PDFInfo
- Publication number
- CN101696947A CN101696947A CN200910235409A CN200910235409A CN101696947A CN 101696947 A CN101696947 A CN 101696947A CN 200910235409 A CN200910235409 A CN 200910235409A CN 200910235409 A CN200910235409 A CN 200910235409A CN 101696947 A CN101696947 A CN 101696947A
- Authority
- CN
- China
- Prior art keywords
- image
- energy transmission
- transmission
- dual energy
- ray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明一种X射线双能量透射与康普顿背散射图像智能融合方法涉及辐射检测技术领域的X射线双能量透射与康普顿背散射图像的智能融合技术,主要解决目前检测图像显示中缺乏多种信息融合于一幅图像同时显示的技术问题。本发明主要以图像配准技术为基础,利用信息融合技术,将X射线双能量透射图像与康普顿背散射图像结合起来,充分发挥各自优势,在一幅融合图像上同时表示出来自被检行李的多方面信息,从而组成一个更加简单实用的融合图像显示与分析平台。本发明适于需要快速准确获得被检测行李信息的安检检测显示设备中,尤其适于灵敏检测低原子序数高密度物质的设备。
Description
技术领域
本发明属于辐射检测技术领域,特别涉及一种X射线双能量透射与康普顿背散射相结合的双技术探测装置中的检测方法,即:双能量透射与康普顿背散射图像智能融合的方法。
背景技术
近年来,在世界范围内各种形式的恐怖事件频发,公共安全成为国际社会关注的焦点。随着国际反恐形势的不断发展,用户对新型、新手段的安全检查设备的需求不断增加,而X射线双能量透射与康普顿背散射相结合的探测方法也越来越受到关注。X射线双能量透射图像能较好体现高原子序数(如金属)等不易被穿透的物质,但是对检查低原子序数的材料分辨能力较差,特别是少量、轻薄的有机物,如毒品、薄型炸药等不能很好的体现;而康普顿散射技术虽然穿透能力不如透射,但其对低原子序数的有机物很灵敏,能对薄片炸药、塑料手枪、有机溶剂等有机物突出显示,适宜对炸药、毒品等危险品的探测。因此,康普顿散射图像成为双能量透射图像的重要补充,提高了设备对有机违禁品的探测率。
但是,目前无论国外还是国内的X射线双能量与康普顿背散射相结合的探测设备中,其透射图像与背散射图像都是单独显示的,透射图像与背散射图像没有进行信息的融合,且这两幅图像之间也没有建立起相应的关联,检查人员只能通过分别观测两台显示器上的图像进行判读。因此,这种设备存在两点不足:一是散射图像与透射图像的互补性并没有最直观的体现出来,往往依靠检查人员的经验来对比观测,人工去综合判断所得到的信息,其准确性容易受到人员主观性的影响;二是当安检现场较忙、连续过包时,检查人员可能会因为疲于在透射、背散射两台显示器之间切换观测而降低检查效率,更主要的是一些重要信息将可能被忽视,造成漏判或误判。因此,目前亟需一种既具备双能量透射与康普顿背散射技术特点,还能将两幅图像信息智能融合,并有效提示用户的检测与显示设备,输出的融合图像使被检行李物品特征信息更加丰富、空间位置关系更加明显,更有利于安检员的观察和分析识别。
发明内容
为解决上述问题,本发明所述一种X射线双能量透射与康普顿背散射图像的智能融合方法就是以图像配准技术为基础,利用信息融合技术,将X射线双能量透射图像与康普顿背散射图像结合起来,充分发挥各自优势,在一幅融合图像上同时表示出来自被检行李的多方面信息,从而组成一个更加简单实用的融合图像显示与分析平台。
考虑到安检设备对实时性的要求,本发明在图像处理的部分软件算法上采用了非线性动力学系统——细胞神经网络(cellular neural networks,CNN)对X射线图像进行滤波、分割、形态学无意义小块滤除等处理。CNN对输入图像进行并行处理并以连续方式转换为输出图像,因此可以实时地处理图像,同时CNN的最近邻细胞相互作用的特性使它有利于超大规模集成电路(VLSI)的硬件实现,可以提高安检设备中图像数据的实时处理能力。
本发明一种X射线双能量透射与康普顿背散射图像智能融合方法,首先将检测获得的X射线高能透射图像与X射线低能透射图像进行伪彩色融合,获得X射线双能量透射伪彩图像,再将X射线双能量透射伪彩图像与检测获得的康普顿背散射图像采用智能融合的方法融合在一幅图像中显示,智能融合方法步骤如下:
步骤一,搜索X射线双能量透射伪彩图像和康普顿背散射图像中被检测物的外边缘,基于两幅图像中被检测物外边缘的相似性,以X射线双能透射伪彩图像为参考基准,进行图像间边缘的配准,得到两幅图像配准的空间映射变换参数;
步骤二,对康普顿背散射图像进行基于细胞神经网络的图像去噪与分割处理,并滤除无意义小块,获得背散射分割图像;
步骤三,依据两幅图像配准的空间映射变换参数对背散射分割图像进行空间变换和重采样,得到配准后的背散射分割图像;
步骤四,对配准后的背散射分割图像做区域连通标记,并标注分割出被检测物中每个物体的质心位置,将每个质心位置映射标注到X射线双能量透射伪彩图像中作为种子点,分别对每个种子点在X射线双能量透射伪彩图像中进行区域分割,得到透射分割图像;
步骤五,对透射分割图像与配准后的背散射分割图像,在相同质心处的分割区域进行相似性测度,相对透射分割图像,将背散射分割图像中的区域划分为信息互补区域和信息冗余区域;
步骤六,将X射线双能量透射伪彩图像与配准后的背散射分割图像按照融合规则在一幅图像中融合显示。定义融合规则为:若背散射图像中分割出来的区域相对透射图像属于互补性区域,则将背散射图像中的相应区域彩色增强后以加权平均的方式融合到所述X射线双能量透射伪彩色图像中;若属于信息冗余区域,则输出一幅双能量透射伪彩图,并色彩强化透射中的相应冗余区域;若背散射图像中没有分割出有意义的区域,则输出一幅双能量透射伪彩色图像。
本发明的有益效果是:首次将X射线双能量透射和康普顿背散射探测器获得的双源双视角信息有效融合在一起,并在一台显示器的一幅融合图像上显示出来,解决了双显示器分别单独显示透射和散射图像的“伪多感”系统的弊端。双源信息智能融合图像在一个显示器上显示,对安检员来说也是非常人性化的考虑,不仅减轻了安检员的视觉疲劳,同时也减少了安检设备在实用中对安检员主观性观察的过度依赖,提高了违禁品的判读精度;另外,融合图像中来自于背散射图像中的高密度低原子序数的物质被赋予特殊的颜色,醒目地在融合图像中显示出来,这在视频显示分辨炸药以及自动炸药探测上都是比较理想的,特别适合于被检测物(如行李等)表面隐藏的薄片炸药等违禁品的自动探测。单幅融合图像的显示以及这种强散射体的色彩强化,不仅改善了X射线安检设备的图像处理性能,提高了安检的准确性。
附图说明
图1为本发明一种X射线双能量透射与康普顿背散射图像智能融合方法的结构框图;
图2为本发明一种X射线双能量透射与康普顿背散射图像智能融合方法的流程图。
具体实施方式
本发明一种X射线双能量透射与康普顿背散射图像智能融合方法具体实施的设备是一台具有双能量透射和康普顿背散射功能的双技术探测安检设备,该设备安装透射和背散射两套探测系统:透射射线源、透射探测器、背散射射线源、两个背散射探测箱、斩波轮准直系统、一台计算机主机及一台显示器。检测行李时,将行李放在安检设备的传送带上,先透射探测随后背散射探测。透射探测采用线扫描,铜夹心透射探测器分别接收高能信号和低能信号,输出高、低能透射图像;康普顿背散射探测采用由斩波轮准直系统带来的点扫描成像方式,由两个背散射探测箱接收背散射信号,输出康普顿背散射图像。
图1为本发明实施的系统结构框图,主要包括X射线检测被测行李,获得高、低能透射图像和康普顿背散射图像,高、低能透射图像进行融合获得双能透射伪彩图像,透射图像和背散射图像中行李边缘的确定和边缘配准,背散射图像的去噪分割滤及除杂散点处理,双能透射与背散射图像的智能融合获得彩色融合图像。
图2为本发明的优选实施方式的流程图,其操作步骤如下:
步骤1:获取X射线高能、低能透射图像,获取康普顿背散射图像。首先将一个行李放在X射线双能量透射与康普顿背散射的双技术探测安检设备中的传送带上,由发射连续能谱的X射线源照射被检行李,先进行双能透射探测,再进行康普顿背散射探测,获得高能透射图像、低能透射图像、康普顿背散射图像;
步骤2:X射线高能与低能透射图像的伪彩色融合。根据高、低能透射图像的灰度值获知被检物的与有效原子序数(Zeff)相关的材料信息,根据物质分类识别曲线对被检物质做属性判别,并进行高低能透射图像的融合,计算机根据物质的不同属性在高低能透射融合图像中以不同的颜色表示,其中将显示颜色定义为:有机物为橙色,混合物为绿色,无机物为蓝色,得到双能量透射伪彩图像,从而将有机物从无机物中分离出来;
步骤3:寻找透射与背散射图像配准的空间映射变换参数。首先对背散射图像的边缘进行增
强处理,然后分别搜索透射图像和康普顿背散射图像中行李的外边缘,并基于两幅图像中行李外边缘的相似性,以透射图像为参考基准,实施图像中行李外边缘的匹配,获得两幅图像配准的空间映射变换参数;
步骤4:背散射图像的去噪及分割处理。对康普顿背散射图像,进行基于细胞神经网络的图像去噪及图像分割处理;
步骤5:背散射分割图像中无意义小块及散杂点的滤除处理。对步骤4得到的图像进行基于细胞神经网络的形态学滤除无意义小块处理,得到背散射分割图像。如果图像中没有分割出物体,则融合处理结束,输出一幅双能量透射伪彩图像,否则进行步骤6;
步骤6:背散射分割图像的配准处理。依据透射与背散射图像配准的空间映射变换参数对背散射分割图像进行空间变换和重采样,得到配准后的背散射分割图像;
步骤7:对配准后的背散射分割图像做区域连通标记,并标注分割出每个物体的质心位置(x,y);
步骤8:以位置(x,y)为种子点对透射图像进行分割。将背散射分割物体的质心点(x,y)映射标注到透射图像中作为种子点,分别对每个种子点在透射图像中进行区域生长分割处理。如果没有分割出物体,则输出一幅将背散射此质心所在区域(质心互补性区域)彩色增强后以加权平均的方式融合到双能量透射伪彩图中的融合图像,否则进行步骤9;
步骤9:区域相似性测度。对透射图像与配准后背散射分割图像,在相同质心处的分割区域进行相似性测度,相对透射图像,将背散射图像中分割出的区域划分为信息互补性区域和信息冗余性区域;
步骤10:将双能量透射伪彩图像与配准之后的康普顿背散射分割图像进行智能融合。以双能量透射伪彩色图像为融合基础,融合规则定义为:如果背散射图像中分割出来的区域相对透射图像属于互补性区域,则将背散射图像中的相应区域彩色增强后以加权平均的方式融合到双能量透射伪彩色图像中;如果属于冗余性区域,则输出一幅双能量透射伪彩图,并色彩强化透射中的响应冗余区域,以示该区域为低原子序数高密度的强散射体的信息特征;如果背散射图像中没有分割出有意义的区域,则输出一幅双能量透射伪彩色图像。
通过完成上述本发明的操作步骤,在双能量透射与康普顿背散射智能融合系统中最终得到的结果是:一幅综合X射线双能量透射与康普顿背散射双重信息的彩色融合图像,并对背散射图像中强散射体-低原子序数高密度物质的图像信息,依据冗余性和互补性区域判断,采取不同的融合规则,进行相应的色彩强化突出显示,起到警示作用。
Claims (3)
1.一种X射线双能量透射与康普顿背散射图像智能融合方法,其特征在于,先将检测获得的X射线高能透射图像与X射线低能透射图像进行伪彩色融合,获得X射线双能量透射伪彩图像,再将X射线双能量透射伪彩图像与检测获得的康普顿背散射图像采用智能融合的方法融合在一幅图像中显示,所述的智能融合方法步骤如下:
步骤一,搜索所述的X射线双能量透射伪彩图像和所述的康普顿背散射图像中被检测物的外边缘,基于两幅图像中被检测物外边缘的相似性,以X射线双能透射伪彩图像为参考基准,进行图像间边缘的配准,得到两幅图像配准的空间映射变换参数;
步骤二,对所述的康普顿背散射图像进行基于细胞神经网络的图像去噪与分割处理,并滤除无意义小块,获得背散射分割图像;
步骤三,依据所述的两幅图像配准的空间映射变换参数对所述的背散射分割图像进行空间变换和重采样,得到配准后的背散射分割图像;
步骤四,对所述的配准后的背散射分割图像做区域连通标记,并标注分割出被检测物中每个物体的质心位置,将每个质心位置映射标注到所述的X射线双能量透射伪彩图像中作为种子点,分别对每个种子点在所述的X射线双能量透射伪彩图像中进行区域分割,得到透射分割图像;
步骤五,对所述的透射分割图像与所述的配准后的背散射分割图像,在相同质心处的分割区域进行相似性测度,相对透射分割图像,将背散射分割图像中的区域划分为信息互补区域和信息冗余区域;
步骤六,将所述的X射线双能量透射伪彩图像与所述的配准后的背散射分割图像按照融合规则在一幅图像中融合显示。
2.按照权利要求1所述的一种X射线双能量透射与康普顿背散射图像智能融合方法,其特征在于,所述步骤六中所述的融合规则为:若背散射图像中分割出来的区域相对透射图像属于互补性区域,则将背散射图像中的相应区域彩色增强后以加权平均的方式融合到所述X射线双能量透射伪彩色图像中;若属于信息冗余区域,则输出一幅双能量透射伪彩图,并色彩强化透射中的相应冗余区域;若背散射图像中没有分割出有意义的区域,则输出一幅双能量透射伪彩色图像。
3.按照权利要求1或2之一所述的一种X射线双能量透射与康普顿背散射图像智能融合方法,其特征在于,所述的互补性区域包含质心互补区域和信息互补区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102354090A CN101696947B (zh) | 2009-10-13 | 2009-10-13 | 一种x射线双能量透射与康普顿背散射图像智能融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102354090A CN101696947B (zh) | 2009-10-13 | 2009-10-13 | 一种x射线双能量透射与康普顿背散射图像智能融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101696947A true CN101696947A (zh) | 2010-04-21 |
CN101696947B CN101696947B (zh) | 2011-08-17 |
Family
ID=42142062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102354090A Active CN101696947B (zh) | 2009-10-13 | 2009-10-13 | 一种x射线双能量透射与康普顿背散射图像智能融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101696947B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456242A (zh) * | 2010-10-26 | 2012-05-16 | 同方威视技术股份有限公司 | 一种自适应反馈的图像安检纠偏方法和系统 |
CN103858002A (zh) * | 2011-07-28 | 2014-06-11 | 保罗·谢勒学院 | 基于主成分分析的图像融合方法 |
CN104122261A (zh) * | 2014-08-04 | 2014-10-29 | 苏州大学 | 一种细胞结构可视化系统和方法 |
CN104603603A (zh) * | 2012-08-30 | 2015-05-06 | 韩国原子力研究院 | 能够获取物元信息以及基于图像的选择的放射线成像装置 |
CN108182663A (zh) * | 2017-12-26 | 2018-06-19 | 北京无线电计量测试研究所 | 一种毫米波图像效果增强方法、设备和可读存储介质 |
CN108764328A (zh) * | 2018-05-24 | 2018-11-06 | 广东工业大学 | 太赫兹图像危险品识别方法、装置、设备及可读存储介质 |
CN109044356A (zh) * | 2018-09-11 | 2018-12-21 | 即智数字科技(苏州)有限公司 | 一种共享式mri三维医疗影像平台 |
CN109073572A (zh) * | 2016-05-03 | 2018-12-21 | 拉皮斯坎系统股份有限公司 | 辐射信号处理系统 |
CN109444985A (zh) * | 2018-12-14 | 2019-03-08 | 湖南华诺星空电子技术有限公司 | 多传感融合的便携式隐匿物成像探测系统 |
CN109490345A (zh) * | 2018-12-28 | 2019-03-19 | 中国原子能科学研究院 | 一种x射线透射和背散射检测装置和方法 |
CN110018524A (zh) * | 2019-01-28 | 2019-07-16 | 同济大学 | 一种基于视觉-属性的x射线安检违禁品识别方法 |
CN110286138A (zh) * | 2018-12-27 | 2019-09-27 | 合刃科技(深圳)有限公司 | 信息检测方法、装置及系统 |
WO2021087962A1 (zh) * | 2019-11-08 | 2021-05-14 | 中国科学院深圳先进技术研究院 | 一种限制品自动识别装置及方法 |
CN113570537A (zh) * | 2021-09-26 | 2021-10-29 | 熵基科技股份有限公司 | 安检图像融合方法、装置、存储介质及计算机设备 |
CN114755734A (zh) * | 2022-06-15 | 2022-07-15 | 天津速通科技有限公司 | 一种双源混检式通道式安检系统及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1273937C (zh) * | 2003-11-27 | 2006-09-06 | 上海交通大学 | 红外与可见光图像融合方法 |
-
2009
- 2009-10-13 CN CN2009102354090A patent/CN101696947B/zh active Active
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456242B (zh) * | 2010-10-26 | 2014-11-12 | 同方威视技术股份有限公司 | 一种自适应反馈的图像安检纠偏方法和系统 |
CN102456242A (zh) * | 2010-10-26 | 2012-05-16 | 同方威视技术股份有限公司 | 一种自适应反馈的图像安检纠偏方法和系统 |
CN103858002A (zh) * | 2011-07-28 | 2014-06-11 | 保罗·谢勒学院 | 基于主成分分析的图像融合方法 |
CN103858002B (zh) * | 2011-07-28 | 2016-10-26 | 保罗·谢勒学院 | 基于主成分分析的图像融合方法 |
CN104603603A (zh) * | 2012-08-30 | 2015-05-06 | 韩国原子力研究院 | 能够获取物元信息以及基于图像的选择的放射线成像装置 |
CN104603603B (zh) * | 2012-08-30 | 2017-03-01 | 韩国原子力研究院 | 能够获取物元信息以及基于图像的选择的放射线成像装置 |
CN104122261A (zh) * | 2014-08-04 | 2014-10-29 | 苏州大学 | 一种细胞结构可视化系统和方法 |
CN104122261B (zh) * | 2014-08-04 | 2017-02-22 | 苏州大学 | 一种细胞结构可视化系统和方法 |
CN109073572A (zh) * | 2016-05-03 | 2018-12-21 | 拉皮斯坎系统股份有限公司 | 辐射信号处理系统 |
CN108182663A (zh) * | 2017-12-26 | 2018-06-19 | 北京无线电计量测试研究所 | 一种毫米波图像效果增强方法、设备和可读存储介质 |
CN108764328A (zh) * | 2018-05-24 | 2018-11-06 | 广东工业大学 | 太赫兹图像危险品识别方法、装置、设备及可读存储介质 |
CN109044356A (zh) * | 2018-09-11 | 2018-12-21 | 即智数字科技(苏州)有限公司 | 一种共享式mri三维医疗影像平台 |
CN109444985A (zh) * | 2018-12-14 | 2019-03-08 | 湖南华诺星空电子技术有限公司 | 多传感融合的便携式隐匿物成像探测系统 |
CN109444985B (zh) * | 2018-12-14 | 2024-04-26 | 华诺星空技术股份有限公司 | 多传感融合的便携式隐匿物成像探测系统 |
CN110286138A (zh) * | 2018-12-27 | 2019-09-27 | 合刃科技(深圳)有限公司 | 信息检测方法、装置及系统 |
CN109490345A (zh) * | 2018-12-28 | 2019-03-19 | 中国原子能科学研究院 | 一种x射线透射和背散射检测装置和方法 |
CN110018524A (zh) * | 2019-01-28 | 2019-07-16 | 同济大学 | 一种基于视觉-属性的x射线安检违禁品识别方法 |
WO2021087962A1 (zh) * | 2019-11-08 | 2021-05-14 | 中国科学院深圳先进技术研究院 | 一种限制品自动识别装置及方法 |
CN113570537A (zh) * | 2021-09-26 | 2021-10-29 | 熵基科技股份有限公司 | 安检图像融合方法、装置、存储介质及计算机设备 |
CN113570537B (zh) * | 2021-09-26 | 2022-02-08 | 熵基科技股份有限公司 | 安检图像融合方法、装置、存储介质及计算机设备 |
CN114755734A (zh) * | 2022-06-15 | 2022-07-15 | 天津速通科技有限公司 | 一种双源混检式通道式安检系统及其控制方法 |
CN114755734B (zh) * | 2022-06-15 | 2023-03-03 | 天津速通科技有限公司 | 一种双源混检式通道式安检系统及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101696947B (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101696947B (zh) | 一种x射线双能量透射与康普顿背散射图像智能融合方法 | |
CN103729848B (zh) | 基于光谱显著性的高光谱遥感图像小目标检测方法 | |
CN103926199B (zh) | 危险品检测方法 | |
CN110516609A (zh) | 一种基于图像多特征融合的火灾视频检测及预警方法 | |
CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
CN109977877B (zh) | 一种安检智能辅助判图方法、系统以及系统控制方法 | |
CN103400111B (zh) | 基于视频检测技术的高速公路隧道火灾事件检测方法 | |
CN102982313B (zh) | 烟雾检测的方法 | |
US20080144885A1 (en) | Threat Detection Based on Radiation Contrast | |
EP3796051A1 (en) | Personnel security inspection method and personnel security inspection system | |
CN206193265U (zh) | 跨境电子商务智能安检系统 | |
Rogers et al. | A deep learning framework for the automated inspection of complex dual-energy x-ray cargo imagery | |
CN102915638A (zh) | 基于监控视频的智能停车场管理系统 | |
CN104680145B (zh) | 一种门的开关状态变化检测方法及装置 | |
CN106651841B (zh) | 一种用于安检图像复杂度的分析方法 | |
CN106128022A (zh) | 一种智慧金睛识别暴力动作报警方法和装置 | |
CN110414391A (zh) | 基于深度学习算法的主动移动式车底危险品检测装置 | |
CN113227816A (zh) | 具有威胁检测和辨别功能的人员检查 | |
CN103900973B (zh) | 危险品检测方法 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN109375068A (zh) | 一种基于紫外成像电晕检测的目标识别方法及装置 | |
CN111539441A (zh) | 一种基于毫米波安检图像的隐匿物检测方法及系统 | |
RU2622618C1 (ru) | Метод и система обнаружения на основе активных микроволн | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN111539251B (zh) | 一种基于深度学习的安检物品识别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |