CN102175698B - 物质识别系统中创建分类曲线的方法和设备 - Google Patents
物质识别系统中创建分类曲线的方法和设备 Download PDFInfo
- Publication number
- CN102175698B CN102175698B CN 201010621626 CN201010621626A CN102175698B CN 102175698 B CN102175698 B CN 102175698B CN 201010621626 CN201010621626 CN 201010621626 CN 201010621626 A CN201010621626 A CN 201010621626A CN 102175698 B CN102175698 B CN 102175698B
- Authority
- CN
- China
- Prior art keywords
- transparency
- curve
- energy transparency
- ray
- high energy
- 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.)
- Active
Links
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种物质识别系统中创建分类曲线的方法和设备,该方法包括步骤:针对多种标定材料中的每种标定材料:用高能射线和低能射线照射各种厚度下标定材料来获得相应的高能透明度和低能透明度;将高能透明度的第一函数作为横坐标,将低能透明度和高能透明度二者的第二函数作为纵坐标来形成标定材料在不同厚度下的点;以及基于所述的点形成所述分类曲线。利用本发明,不仅能够获得被检查物体的透射图像,而且能够获得被检查物体中的材料信息。
Description
本申请是2007年11月15日提交给中国专利局的题为“物质识别方法和设备”的第200710177405.2号发明专利申请的分案申请。
技术领域
本发明涉及辐射成像技术,具体涉及一种应用于高能X射线双能成像检查系统的物质识别方法和设备,不仅能够获得被检查物体的透射图像,而且能够获得被检查物体中的材料信息。
背景技术
以集装箱为单位进行运输,是一种现代化、先进的运输方式。集装箱化已经成为国际货物运输的大趋势。与此同时,利用集装箱走私,偷运枪支、武器、毒品、爆炸物甚至大规模杀伤性武器(Weapons ofMass Destruction,WMDs)和放射性散布装置(Radiological DispersalDevices,RDDs),已经成为困扰各国政府、干扰国际货物运输正常秩序的国际公害。
美国911事件之后,美国政府开始重视货运的潜在风险,最担心WMDs和RDDs通过集装箱运入美国。为了防范这种风险,2001年1月17日,美国海关发布了“集装箱安全倡议”(Container SecurityInitiative,CSI),要求所有具有直接通航美国港口业务的外国港口必须装有非侵入式X(γ)射线扫描成像设备,对运往美国的集装箱进行射线扫描检查。CSI公布1年后,就有18个世界大港口加入该倡议并开始运行。在国际运输安全要求日益提升的大环境下,世界海关组织全体一致通过决议,要求全体161个成员国沿着CSI模式发展相关集装箱安全检察计划——集装箱安全检查已经成为全世界共同关注的课题。
目前的集装箱X(γ)射线安全检查设备以透射成像为主,采用X射线直接透射货物,得到X射线路径覆盖的所有物品的透射图像。标准的透射成像技术解决了集装箱“可视化”问题,得到了广泛应用。但是这类设备普遍存在以下不足:首先,二维结构信息易受射线路径上重叠物品干扰;其次,不包含密度信息;第三,不包含材料信息。
针对“查私”需求,主要方式是对照报关单和集装箱的高能X射线扫描图像,检查是否相符,报关单就是先验知识,标准的X射线透射成像技术基本就能满足需求。但是,CSI的提出,使得集装箱检查需求从检查走私物品(简称“查私”)向检查危禁品(简称“查危”)发展。由于危禁品种类繁多,而且没有固定的形状,等于对被检集装箱中的物品没有了先验知识,因此,仅仅依靠标准的X射线透射成像技术,已经很难满足集装箱安全检查的需求。
根据WMDs、RDDs及其它危禁品的特点,获取更丰富的被检物特征信息,才能实现更准确、有效的安全检查。双能透射技术是利用两种能谱不同的X射线穿透被检物,其输出信号的差异经过处理,得到被检物的材料原子序数信息。因此,利用该技术,将在一定程度上有效地提升安全检查水平。希望高能X射线成像集装箱检查系统具有材料分辨能力,已经成了近几年来国际研究的一个热点。
虽然双能技术在X射线能量低于200KeV时非常有效,在行李物品检查中得到了广泛应用,但是,穿透集装箱的X射线能量达到几MV,对于相同质量厚度的不同材料,如C、Al、Fe,在这个能量段内衰减对射线的衰减差异很小。因此,采用高能X射线成像得到的材料分辨能力与低能双能X射线技术相比要差很多。甚至集装箱检查领域的部分专家认为,双能成像技术在X射线能量高于200KeV时,几乎没有什么效果,因此不适合集装箱检查系统。
发明内容
本发明提出了基于能谱整形装置与自动标定装置的物质识别系统,解决了高能X射线双能成像集装箱检查系统中实时有效地进行材料分辨的问题,同时利用双能灰度融合和彩色化等算法,把材料分辨和灰度信息视觉化。
本发明的一个方面,提出了一种物质识别系统中创建分类曲线的方法,包括步骤:针对多种标定材料中的每种标定材料:
用高能射线和低能射线照射各种厚度下标定材料来获得相应的高能透明度和低能透明度;
将高能透明度的第一函数作为横坐标,将低能透明度和高能透明度二者的第二函数作为纵坐标来形成标定材料在不同厚度下的点;以及
基于所述的点形成所述分类曲线。
根据本发明的实施例,基于所述点形成所述分类曲线的步骤包括:采用最小二乘曲线拟合法对所述点进行曲线拟合。
根据本发明的实施例,基于所述点形成所述分类曲线的步骤包括:采用切比雪夫意义下的最佳拟合多项式对所述点进行曲线拟合。
根据本发明的实施例,所述方法还包括对所述分类曲线进行离散化的步骤。
根据本发明的实施例,所述多种标定材料包括:石墨、铝、铁和铅。
根据本发明的实施例,每种标定材料从薄到厚设计多级阶梯。
根据本发明的实施例,每种标定材料最薄和最厚的厚度由系统的材料分辨范围决定。
根据本发明的实施例,阶梯级数的数目由标定的精度及放置自动标定装置的空间共同决定。
根据本发明的实施例,标定材料设计为只覆盖射线束方向的区域,得到的双能透射数据作为参数输入至自动标定算法中,生成X射线主束方向的能谱分布对应的分类参数,作为所有探测区域的分类参数。
根据本发明的实施例,标定材料覆盖所有感兴趣的探测区间,把所有探测高度划分成多个区域,每个区域独立统计,生成分类参数。
在本发明的另一方面,提供了一种物质识别系统中创建分类曲线的设备,包括:
针对多种标定材料中的每种标定材料:
用高能射线和低能射线照射各种厚度下标定材料来获得相应的高能透明度和低能透明度的装置;
将高能透明度的第一函数作为横坐标,将低能透明度和高能透明度二者的第二函数作为纵坐标来形成标定材料在不同厚度下的点的装置;以及
基于所述的点形成所述分类曲线的装置。
根据本发明的实施例,采用最小二乘曲线拟合法对所述点进行曲线拟合。
根据本发明的实施例,采用切比雪夫意义下的最佳拟合多项式对所述点进行曲线拟合。
根据本发明的实施例,对所述分类曲线进行离散化。
根据本发明的实施例,所述多种标定材料包括:石墨、铝、铁和铅。
根据本发明的实施例,每种标定材料从薄到厚设计多级阶梯。
根据本发明的实施例,每种标定材料最薄和最厚的厚度由系统的材料分辨范围决定。
根据本发明的实施例,阶梯级数的数目由标定的精度及放置自动标定装置的空间共同决定。
根据本发明的实施例,标定材料设计为只覆盖射线束方向的区域,得到的双能透射数据作为参数输入至自动标定算法中,生成X射线主束方向的能谱分布对应的分类参数,作为所有探测区域的分类参数。
根据本发明的实施例,标定材料覆盖所有感兴趣的探测区间,把所有探测高度划分成多个区域,每个区域独立统计,生成分类参数。
与传统的高能X射线成像相比,本系统利用获取的双能图像,即能得到兼备高穿透力与高反差灵敏度的融合图像,又能得到货物的材料信息,对于爆炸物、毒品及放射性物质等危禁品具有一定的识别能力,从而提高了集装箱的安全检查能力。
另外,从传统的高能X射线成像系统输出的灰色或者伪彩色图像,到高能X射线双能成像系统输出的材料分辨彩色图像,本发明充分利用人眼视觉的优势,力求把更多信息传递给用户。
在本发明的一个方面,提出了一种物质识别方法,包括步骤:用高能射线和低能射线透射被检物体,以获得被检物体的高能透射图像和低能透射图像,所述高能透射图像中的每个像素的值表示高能射线对被检物体的相应部分的高能透明度,而所述低能透射图像中每个像素的值表示低能射线对被检物体的相应部分的低能透明度;针对每个像素,计算所述高能透明度的第一函数的值和所述高能透明度和所述低能透明度二者的第二函数的值;以及通过利用预先创建的分类曲线对由所述第一函数的值和所述第二函数的值所确定的位置进行分类来识别被检物体中与每个像素所对应的那部分的物质的类型。
根据本发明的实施例,该方法还包括步骤:设置具有预定大小的邻域;以及在每个像素的邻域中对所述高能透射图像和所述低能透射图像进行降噪。
根据本发明的实施例,在每个像素的邻域中对所述高能透射图像和所述低能透射图像进行降噪的步骤包括:在邻域中寻找与中心像素相似的像素,作为相似像素;对邻域中的相似像素进行加权平均。
根据本发明的实施例,所述相似像素的高能透明度和低能透明度与所述中心像素的高能透明度和低能透明度之间的差异小于预定值。
根据本发明的实施例,将所述被检物体识别为有机物、轻金属、无机物或重金属。
根据本发明的实施例,该方法还包括对识别结果进行彩色化显示的步骤。
根据本发明的实施例,所述彩色化显示步骤包括:对每个像素的高能透明度和低能透明度进行加权平均,作为该像素的融合灰度值;根据被检物体中与该像素相对应部分的材料类型来确定颜色色调;根据该像素的融合灰度值来确定该像素的亮度等级;将所述颜色色调和所述亮度等级作为索引来从预先创建的查找表中获得该像素的R值、G值和B值。
根据本发明的实施例,根据被检物体中与该像素相对应部分的材料类型来确定颜色色调的步骤包括:将橙色赋予有机物、将绿色赋予轻金属、将蓝色赋予无机物、将紫色赋予重金属。
根据本发明的实施例,该方法包括步骤:对从射线源发出的射线进行能谱整形来扩大高能射线和低能射线之间的能谱差异。
根据本发明的实施例,所述分类曲线是通过下面的步骤针对每种标定材料而创建的:用高能射线和低能射线照射各种厚度下标定材料来获得相应的高能透明度和低能透明度;将高能透明度的第一函数作为横坐标,将低能透明度和高能透明度二者的第二函数作为纵坐标来形成标定材料在不同厚度下的点;基于所述的点形成所述分类曲线。
根据本发明的实施例,基于所述点形成所述分类曲线的步骤包括:采用最小二乘曲线拟合法对所述点进行曲线拟合。
根据本发明的实施例,基于所述点形成所述分类曲线的步骤包括:采用切比雪夫意义下的最佳拟合多项式对所述点进行曲线拟合。
根据本发明的实施例,该方法还包括对所述分类曲线进行离散化的步骤。
在本发明的另一方面,提出了一种物质识别设备,包括:图像形成装置,用高能射线和低能射线透射被检物体,以获得被检物体的高能透射图像和低能透射图像,所述高能透射图像中的每个像素的值表示高能射线对被检物体的相应部分的高能透明度,而所述低能图像中每个像素的值表示低能射线对被检物体的相应部分的低能透明度;计算装置,针对每个像素,计算所述高能透明度的第一函数的值和所述高能透明度和所述低能透明度二者的第二函数的值;以及分类装置,通过利用预先创建的分类曲线对由所述第一函数的值和所述第二函数的值所确定的位置进行分类来识别被检物体中与每个像素所对应的那部分的物质的类型。
根据本发明的实施例,该设备还包括:设置具有预定大小的邻域的装置;以及在每个像素的邻域中对所述高能透射图像和所述低能透射图像进行降噪的装置。
根据本发明的实施例,在每个像素的邻域中对所述高能透射图像和所述低能透射图像进行降噪的装置包括:在邻域中寻找与中心像素相似的像素作为相似像素的装置;对邻域中的相似像素进行加权平均的装置。
本发明的物质识别分系统内嵌于高能X射线双能成像集装箱检查系统,通过能谱整形装置的设计,对射线能谱进行整形,提高了材料分辨能力。另外,通过标定装置的设计,实时监测系统状态,获取与系统状态最为匹配的分类参数,为准确进行材料分辨提供了坚实的基础。另外,通过材料分辨模块中快速识别算法与图像降噪算法的结合,既保证了算法运行的实时性,又大幅度地降低了X射线数据统计涨落的影响,保证了材料分辨的准确率。
另外,本物质识别系统通过设计灰度融合算法,得到兼顾穿透力与反差灵敏度的融合图像,单从灰度上就能得到比单能系统更多的信息。
得到了材料分辨的结果以及融合灰度图后,本发明还进一步设计了彩色显示模块,从输入原始双能透射数据,到输出RGB彩色显示数据,保证了整个数据处理过程的完整性。
另外,本系统还充分考虑了实时运行的问题,对各种算法进行了优化设计,运行速度快、实时性好。
本发明可以有效地解决高能X射线双能检查系统的材料分辨能力差的问题,具有很好的材料分辨效果和彩色显示效果,并且可操作性好,运行速度快,具有很高的实用价值。
附图说明
通过下面结合附图说明本发明的优选实施例,将使本发明的上述及其它目的、特征和优点更加清楚,其中:
图1A示出了高能X射线双能成像系统的基本组成示意图;
图1B示出了内嵌有材料识别设备的高能X射线双能成像系统的示意图;
图1C示出了质量衰减系数曲线;
图2是根据本发明实施例的能谱整形装置的示意图,图中,黑色箭头表示高能档射线,灰色箭头表示低能档射线,黑色区域表示整形材料块;
图3是根据本发明实施例的自动标定装置的示意图,图中,黑色箭头表示高能档射线,灰色箭头表示低能档射线;
图4A示出了根据本发明实施例的自动标定过程的流程图;
图4B示出了根据本发明实施例的物质识别方法的流程图;
图5示出了alpha曲线图坐标定义;
图6A示出了自动标定过程中使用的标定材料训练数据的示意图;
图6B示出了从标定材料训练数据生成的alpha曲线的示意图;
图6C示出了标定材料训练数据的统计结果;
图7A示出了高低能透明度降噪处理过程的流程图;
图7B示出了对材料识别结果进行的降噪处理的流程图;
图8是材料分辨模块针对不同的预处理参数产生的成像结果对比;
图9是说明颜色表的生成过程和RGB图像的生成过程的示意图;
图10示出了灰度图与彩色图效果对比。
具体实施方式
下面参照附图对本发明的优选实施例进行详细说明,在描述过程中省略了对于本发明来说是不必要的细节和功能,以防止对本发明的理解造成混淆。
根据本发明实施例的物质识别设备包括硬件部分和数据处理算法。物质识别设备是内嵌于高能X射线双能成像集装箱检查系统的分系统,它基于高能双能透射数据进行材料分辨。
为了方便说明,以下称高能X射线双能中能量高的射线为高能档X射线,能量低的射线为低能档X射线。能量段的合理选择是高能X射线双能成像集装箱检查系统的前提。高能X射线双能的能量段选择范围一般在3MeV~10MeV之间。理论上,在合适能量范围内,能量差越大,材料分辨能力越好。但是,能量差太大,高能档和低能档射线的穿透能力相差太大,则能进行材料分辨的有效范围很窄。
图1A和图1B示出了高能X射线双能成像集装箱检查系统的示意图。如图1A所示,高能X射线双能成像集装箱检查系统包括射线发生装置10、机械传动装置(未示出)、诸如集装箱之类的被检查物体20、数据采集分系统30、扫描控制计算机和数据处理计算机(未示出)。
射线发生装置10包括双能加速器和其他的辅助设备,能够以很高的频率交替产生两种能量的X射线束。机械传动装置能够使射线发生装置10及数据采集分系统30一起相对于待检集装箱20产生水平方向的相对运动。
可以是射线发生装置10和数据采集分系统30不动,而待检集装箱20运动。作为另一选择,也可以是待检集装箱20不动,而射线发生装置10和数据采集分系统30一起运动。
数据采集分系统30主要包括线阵探测器,用于探测射线发生装置10产生的双能量X射线束穿过检测物体后的射线,产生双能透射数据,并将数据传输到计算机(未示出)。该数据采集分系统30还包括探测器上的投影数据读出电路和逻辑控制单元等。探测器可以是固体探测器、气体探测器、半导体探测器。
扫描控制计算机负责检查系统运行过程的主控制,包括机械控制、电气控制和安全连锁控制等。数据处理计算机负责对数据采集分系统获得的双能透射数据进行处理,并显示。
为了提高双能系统的材料分辨能力,以改善物质识别效果,引进了能谱整形装置40和自动标定装置50,见附图1B。
能谱整形装置40包括能谱整形材料以及相应的辅助设备。能谱整形装置40放置在射线发生装置10与被检物体20之间,目的是在射线穿透被检物体20之前,对射线发生装置10输出的射线的能谱进行整形,以期能谱分布更有利于材料分辨。
能谱整形材料的特点是对能量低的射线衰减很大、能量高的射线衰减则很小。此特性越好,则能谱整形的效果越佳。只要可以满足此特性,即可作为能谱整形材料。基于能谱整形材料的特性,能谱整形后,射线的等效能量得到提高。如果只把整形材料作用在高能档射线上,则高能档射线等效能量得到提高,而低能档射线的等效能量不变,从而拉大了双能之间的能量差,以提高系统的材料分辨能力。
基于此特性,选择石墨材料作为整形材料。从纯理论角度考虑,整形材料越厚,材料分辨能力越好。但是,考虑统计涨落,整形材料越厚,对射线的衰减程度越大,探测器接收到的剂量越低,数据的信噪比越低。因此,整形材料的厚度有个最佳值。这个最佳值需要根据系统的实际情况确定。根据高能档和低能档射线能量的分布情况,确定能谱整形是只针对某能档进行,图2A示出了转盘形式的能谱整形装置的示意图。或者,对双能档均进行能谱整形,图2B示出了对双能挡都可进行能谱整形的能谱整形装置。
能谱整形装置40的设计应该根据能谱整形的需求而定。可以只对高能档射线进行整形,通过提高高能档射线的等效能量拉大双能之间的能量差,从而提高系统的材料分辨力。也可以对高低能档同时进行能谱整形,这种情况比较特殊,一般是对于低能档射线在3M附近的情况。从图1C所示的质量衰减系数曲线上可以看到,3MeV能量段附近,低Z材料的衰减系数接近,并且变换趋势都非常缓慢。因此,在这个能量段附近,能量变化对于低Z材料的分辨能力影响很小,而高Z材料的衰减系数在3MeV附近则是一个拐点。这个现象将会导致在这种能量选择下铅材料与其它材料不可区分。因此,对3MeV低能档能量也进行能谱整形,利用能谱整形材料吸收了低能档能量中的低能部分,可以提高了高Z材料的可区分性,并且对低Z材料没有负面影响。
图3是根据本发明实施例的自动标定装置的示意图。自动标定模块包括硬件上自动标定装置50的设计和软件上自动标定流程的设计两大部分。
自动标定装置50包括呈阶梯分布的标定材料以及相应的辅助装置。自动标定装置50的目的是采集标定数据,进入自动标定流程,实时获取与系统状态匹配的分类参数,保存在文件中,作为材料分辨模块的输入。
这里的标定材料包括各类别的典型材料,为了保证标定精度,每种类别至少准备一种典型材料,也可每种类别各准备若干种等效原子序数各不同的材料。如果材料不好准备,或者放置自动标定装置50的空间有限,中间类别的材料可以省略,自动标定算法利用相邻类别的数据插值代替。标定材料选择与系统的材料分辨要求有关。高能X射线双能要求可以区分有机物、轻金属、无机物、重金属四种类别,因此,从四种类别选择了四种典型材料,依次为石墨(Z=6)、铝(Z=13)、铁(Z=26)、铅(Z=82)。选择这四种材料基于两种原因,一是材料比较常见,二是均属于单质,性质稳定。
每种材料从薄到厚设计若干级阶梯。最薄和最厚的厚度由系统的材料分辨范围决定。而阶梯级数的数目则由标定的精度及放置自动标定装置的空间共同决定。
辅助装置主要提供机械传动,实现定位扫描,以获取每种材料每个阶梯的双能透射数据。在每个定位点要求连续扫描若干列双能透射数据,建议扫描256列以上,这样可以较大程度地消除信号统计涨落的影响。
在高度方向上,探测器臂架上的不同探测器接收的X射线角分布是不同的。不同角分布,能谱分布是有差异的,导致材料分辨参数是不同的。因此,考虑到X射线角分布的影响,可以把所有探测高度划分成若干区域,每个区域独立统计,生成分类参数。这就要求自动标定装置50中标定材料应该覆盖所有感兴趣的探测区间。
如果标定材料的高度受客观因素(加工能力、设备空间等)限制,无法覆盖臂架上所有的探测器模块,一种简化的方式如下:一般情况下,最感兴趣的探测高度在集装箱内摆放货物的位置,一般系统都会把X射线的主束调整到该位置附近。因此,射线主束方向是重点标定对象。标定材料可以设计为只覆盖该区域,得到的双能透射数据作为参数输入至自动标定算法中,生成X射线主束方向的能谱分布对应的分类参数,作为所有探测区域的分类参数。该简化方式在X射线角分布较小的情况下,是在误差允许范围内的。
自动标定装置50中标定材料可以设计成任何形状,只要可以满足上述要求。在图3中,阶梯的级数和厚度仅仅是用于说明的目的,并不表示实际的含义。
图4A示出了根据本发明实施例的自动标定过程的流程图。如图4A所示,在方框110,射线发生装置10产生X射线束。在方框120,X射线束被能谱整形装置40整形。在方框130,要进行自动标定处理时,人为触发并且运行自动标定流程,实时获取原始标定数据。
然后,在方框140,对原始标定数据进行数据校正处理。在方框150,运行自动标定算法,生成分类参数并且保存在文件中。
然后,在方框150,调用自动标定算法计算与当前系统状态匹配的分类参数。
图4B示出了根据本发明实施例的物质识别方法的流程图。如图4B所示,在方框210,射线发生装置10产生X射线束,然后在方框220,能谱整形装置40对该X射线束进行整形,以获得有利于材料分辨的X射线束。
在方框230,整形后的X射线束穿透被检物体20,以获得被检物体的原始双能数据。接下来,在方框240,运行数据校正模块,对原始双能数据进行数据校正,以消除探测器本底、探测器不一致性及射线剂量波动等的影响。经过校正后的数据用于材料分辨和双能灰度融合处理。
接下来,在方框250,在自动标定过程中产生的分类参数文件输入到材料分辨模块中,并且基于校正后的双能数据,对被检物体的材料进行识别,产生材料信息。
另一方面,在方框260,经过校正的双能数据输入到双能灰度融合模块中,进行灰度融合处理,产生双能数据融合后的被检物体透射图像。此时,结合材料分别模块输出的材料信息,在方框280,进行彩色化处理,也就是根据被检物体中包含的材料信息将适合于灰度显示的透射图像数据转换成适用于彩色显示的RGB数据,然后在方框290,在数据处理计算机上进行显示290。
如上所述,每当系统状态发生改变的时候,自动标定流程由人为触发,启动自动标定装置50,采集经过能谱整形的原始标定数据,由数据采集分系统送至数据处理计算机。采用alpha曲线法来设计材料分辨算法。因此,自动标定算法的目的就是计算与系统状态匹配的alpha曲线图分类参数。通过调用自动标定算法,获得系统状态匹配的alpha曲线图分类参数,并保存在文件中,作为材料分辨模块的参数输入。alpha曲线图坐标定义见图5。
如图5所示,定义alphaL和alphaH如下:
alphaL=(1-log(TL))*1000;其中TL为低能透明度;
alphaH=(1-log(TH))*1000;其中TH为高能透明度。
取alphaH为alpha曲线的横坐标alphax,取alphaL与alphaH之差作为alpha曲线的纵坐标alphay:
alphax=alphaH=(1-log(TH))*1000;
alphay=alphaL-alphaH=(-log(TL)+log(TH))*1000。
如上所述,在方框130,调用数据校正模块,对原始标定数据进行数据校正,消除探测器本底、探测器不一致性及射线剂量波动等的影响,得到标定材料训练数据。图6A为某一探测区间的训练数据在alpha曲线图上的示意。
下面详细说明从标定材料训练数据生成各类材料之间的类别分界线的过程。
(i)在某一探测区间范围内,依次对各种材料各个阶梯的若干列校正后的双能数据进行均值统计,从而得到标定材料训练数据的一系列均值点。图6C为某一探测区间的训练数据均值点在alpha曲线图上的示意。
(ii)在alpha曲线图6B上,连接某种材料的若干个训练数据均值点,即可得到该材料的alpha离散曲线。但是,由于标定材料的阶梯数有限,因此,直接连接而成的alpha离散曲线的精度很低。为此,采用最小二乘曲线拟合法(用最小二乘法求给定数据点的拟合多项式)进行曲线拟合,把若干个训练数据均值点作为输入参数,进行曲线拟合,得到该曲线的拟合参数,即多项式各阶次的系数,其中,拟合多项式的次数根据实际情况选定。曲线拟合也可以采用其它拟合方法,如切比雪夫意义下的最佳拟合多项式。
(iii)对alpha曲线x轴进行离散化,离散精度根据需要而定。
然后,利用曲线拟合参数,计算每个离散点对应的y轴数据。通过这步操作,得到了该材料的离散化alpha曲线。
(iv)重复步骤(ii)(iii),直至得到所有材料的离散化alpha曲线。
(v)从图6B可以看到,alpha曲线在原子序数方向是具备单调性的,这也正是双能材料分辨算法的依据。因此,得到各种材料的离散化alpha曲线,就可以依次计算相邻两条曲线的离散化分界线,如图6C示意。
●四种类别的划分依据为等效原子序数:Z=1~10划分为有机物类别;Z=10~18划分为轻金属类别;Z=18~57划分为无机物类别;Z>57划分为重金属类别。而四种典型材料分别选用的是石墨(Z=6)、铝(Z=13)、铁(Z=26)、铅(Z=82)。根据石墨(Z=6)材料的离散化alpha曲线和铝(Z=13)材料的离散化alpha曲线加权平均得到原子序数Z=10的离散化alpha曲线,即得到了有机物和轻金属的类别分界线。其中,加权平均的权值可以简单地根据原子序数计算,即假设不同原子序数范围内的可区分性是相同的。虽然,从严格意义上讲,不同原子序数范围内的可区分性是有差异的,但是,由于高能双能不同于低能双能,其材料分辨能力比较弱,只能区分属于不同类别的材料,而不能精确区分原子序数不同的材料,因此,这种差异是可以接受的。
●同样,根据铝(Z=13)材料的离散化alpha曲线和铁(Z=26)材料的离散化alpha曲线加权平均得到原子序数Z=18的离散化alpha曲线,即得到了轻金属和无机物的类别分界线;根据铁(Z=26)材料的离散化alpha曲线和铅(Z=82)材料的离散化alpha曲线加权平均得到原子序数Z=57的离散化alpha曲线,即得到了无机物和重金属的类别分界线。
(vi)重复步骤(i),(ii),(iii),(iv),(v),直至得到所有探测区间的离散化类别分界线。
把各个探测区间、各种典型材料的类别分界线数据按照约定的格式保存在文件中,作为材料分辨模块的分类参数。
如上所述,材料分辨是双能X射线系统有别于单能X射线系统的特征。由于高能X射线成像得到的材料分辨能力与低能双能X射线技术相比要差很多,因此,材料分辨模块不仅需要考虑如何正确分类,还要考虑如何提升材料分辨效果。
首先,对高低能透明度进行降噪预处理,然后利用降噪结果进行材料分辨,最后对材料分辨结果进一步进行降噪处理。如果系统对于处理速度要求非常高,材料识别前后两步降噪处理可以只保留一步,仍可以保证较好的材料分辨效果。
由于高能X射线双能所处能量段的限制,其材料分辨能力与低能双能X射线技术相比要差很多,而X射线的统计涨落是固有的。因此需要对数据进行预处理,对双能图像分别进行降噪,否则材料分辨的准确率会受到很大的限制。不进行降噪之前,在材料分辨能力确定的前提下,统计涨落幅度越大,则分类准确率越低,当分类准确率低于一定程度的时候,则判定为分类错误。为了提高分类准确率,保证材料分辨效果,需要设计有效的预处理算法进行降噪。预处理的目的是降低数据的噪声,使得数据尽量逼近真值,以增加材料分辨的准确性,其降噪程度由系统的噪声水平决定。预处理算法的设计灵活度比较大,只要可以实现降噪的目的即可。本发明为了尽可能地材料分辨效果,预处理算法设计过程需要重点考虑邻域选择和相似点定义两个问题:
(a)邻域的选择:邻域应该适当地取得大些,取得过小,统计平均的点数太少,降噪效果不理想;当然,也不能取得太大,取得过大,一是影响运行速度,二是不能进一步增加降噪效果,可能还会引起过度平滑。
(b)相似点定义:选择较大的邻域后,统计平均过程中容易引起边缘模糊问题。为了避免在降噪的同时,影响边缘区域,需要在统计过程中对邻域中的点增加限制条件,符合条件的称为相似点,只有相似点对均值统计有影响,而与中心点属于不同区域的点不符合限制条件,不在统计范围内,故对均值没有影响。
预处理算法步骤见图7A流程示意。
其中步骤310~340是在算法执行过程中,根据双能数据的通用特征设定算法参数;步骤350~380是在算法执行过程中,根据步骤310~340确定的算法参数,对实际图像进行降噪操作。
步骤310中选定高能透明度和低能透明度为二维特征,这是因为双能系统可以直接得到的有且只有这两维特征;选用两维特征,而不是只选择高能透明度或者低能透明度作为一维特征,是为了保证相似点判断更为准确。
步骤320中关键是分析透明度统计涨落幅度。透明度的统计涨落幅度是由系统整体的设计水平决定的。获取统计涨落幅度的一种方式为:统计一个平整区域内透明度的相对标准差,一般认为,噪声为相对标准差的2.355倍。根据噪声水平即可设定相似点间的透明度差异幅度。
步骤330中,邻域大小的设置与步骤320中数据统计涨落幅度相关。统计涨落幅度越大,则降噪力度应相应地增大,故邻域面积应设置得大些。另一方面,邻域面积设置得越大,算法的运行速度越慢。通过对实际数据的处理,比较不同邻域的处理效果,我们系统选择的预处理邻域面积为5像素*5像素。
步骤340中,与中心点距离不同的相似点的加权系数的设置不是这个算法的关键步骤。本系统采用等权相加的方式进行。
步骤350中,根据步骤330中确定邻域面积,为中心像素确定相似点搜索范围。如果邻域内某像素与中心像素的高能透明度和低能透明度的差异均小于步骤320中确定的相似点间的透明度差异幅度,则认为是中心像素的相似点。
步骤360中,分别对相似点间的高能透明度和低能透明度按照步骤340确定的加权系数进行加权平均,得到高能透明度和低能透明度的加权平均值。
步骤370中,利用步骤360输出的降噪结果,即高能透明度和低能透明度的加权平均值,计算alphax和alphay,计算公式参见图5。
最后进行材料分辨,得到材料识别的初步结果。
采用alpha曲线法来设计材料识别算法,特征轴为alphax和alphay(alpha曲线坐标定义见图5示意)。利用高能透明度和低能透明度的加权平均值,计算alphax和alphay,然后进行材料分辨。材料分辨的依据为自动标定模块得到的类别分界线。从图6A可以看出alpha曲线在原子序数方向是具备单调性的,这也正是双能材料分辨算法的依据。对于高能双能,对应于相同的alphax点,材料的原子序数增加的同时,alphay值单调下降。已知某待查点alpha数据为(alphaxR,alphayR),查表可以得到与alphaxR对应的三个分界点,分别为alphayC-Al、alphayAl-Fe、alphayFe-Pb,通过比较alphayR在alphayC-Al、alphayAl-Fe、alphayFe-Pb中的大小关系,即可确定待查点的材料信息。
材料识别是以相似点的加权平均值为依据的。因此,数据统计涨落对分类准确性的影响已经降到了最低。但是由于是逐点进行材料分辨的,点与点之间的材料分辨结果是不平滑的。为了保证显示效果,对整图进行材料分辨后,进一步对相似点的材料分辨结果进行降噪处理。
降噪算法与预处理算法类似,关键点是选定邻域大小以及判断相似点。算法步骤见图7B流程示意。
步骤410~440是在算法执行过程中,根据双能数据的通用特征设定算法参数;步骤450~470是在算法执行过程中,根据步骤410~440确定的算法参数,对实际图像进行降噪操作。
步骤410中仍然选定高能透明度和低能透明度为二维特征。虽然经过了预处理算法和材料识别算法,已经增加了材料初步识别结果这一特征。但增加的这一维特征是根据前两维特征得到的,并没有增加信息量。反而,由于材料识别初步结果的噪声较大,会影响相似点的判断,故不选用这一维特征。
步骤420中关键是分析透明度统计涨落幅度。透明度的统计涨落幅度是由系统整体的设计水平决定的。获取统计涨落幅度的一种方式为:统计一个平整区域内透明度的相对标准差。一般认为,噪声为相对标准差的2.355倍。根据噪声水平即可设定相似点间的透明度差异幅度。
步骤430中,邻域大小的设置与步骤420中数据统计涨落幅度相关。统计涨落幅度越大,则降噪力度应相应地增大,故邻域面积应设置得大些。另一方面,邻域面积设置得越大,算法的运行速度越慢。为了保证彩色的视觉效果,我们适当地加大了降噪力度,选择的邻域面积为11像素*11像素。
步骤440中,与中心点距离不同的相似点的加权系数的设置不是这个算法的关键步骤。本系统采用等权相加的方式进行。
步骤450中,根据步骤430中确定邻域面积,为中心像素确定相似点搜索范围。如果邻域内某像素与中心像素的高能透明度和低能透明度的差异均小于步骤420中确定的相似点间的透明度差异幅度,则认为是中心像素的相似点。
步骤460中,对相似点间的材料识别初步结果按照步骤440确定的加权系数进行加权平均,得到材料识别结果的加权平均值。
步骤470中,输出步骤360中得到的材料识别结果的加权平均值,作为最终的材料识别结果。
图8给出了材料分辨模块中不同预处理参数的效果图对比。可以看出,不进行预处理时,材料识别结果噪声非常大,材料分辨准确率受到很大影响,见图8的(A)示意;选择较小的邻域(3*3)进行预处理,噪声有所下降,但是降噪程度很有限,见图8的(B)示意;选择较大的邻域(11*11)进行预处理,但不做相似点判断,虽然图像的噪声大幅度下降,但是在物体边缘区域,由于将两种材料的数据混在一起统计,材料分辨结果明显是错误的,见图8的(C)示意;选择较大的邻域(11*11)进行预处理,且做相似点判断,即可以很好地起到降噪作用,又不影响边缘区域,见图8的(D)示意。
灰度融合模块的基本思路是对于穿透低质量厚度的区域,低能档成像图占主要比例;而对于穿透厚质量厚度的区域,高能档成像图占主要比例。具体的加权系数可以根据实际系统的特点灵活调整。基于此思路,可采用如下公式进行:resultGray=nIl*dFactor+nIh*(1-dFactor),其中,nIl,nIh,resultGray依次为低能档数据,高能档数据及融合灰度;dFactor为加权系数,可取nIl/max(nIl)或者nIh/max(nIh)。
彩色化模块中,关键的是材料信息与颜色色调对应关系的设计以及颜色表的设计。
国际上已有低能X射线双能系统的彩色显示标准,有机物用橙色表示,轻金属用绿色表示,无机物用蓝色表示。高能X射线双能系统的彩色标准还没有形成,考虑到用户的视觉习惯,可以延用低能X射线双能系统得彩色显示标准,仍以橙色表示有机物,绿色表示轻金属,蓝色表示无机物。除了有机物、轻金属、无机物三种类别,高能X射线双能系统还可以区分重金属类别,该类别的显示没有现成的标准,可以根据设计者的喜好设定,考虑到色调使用的连续性,本系统以紫色调表示重金属。
彩色化算法的关键点是颜色表的设计以及原子序数和融合灰度与颜色信息如何映射。彩色化流程见图9示意。步骤510~550示出了颜色表的设计原则;步骤610~650示出了原子序数和融合灰度与颜色信息的映射原则。
步骤510、520中,把原子序数与色调H(HLS颜色模型中的H)对应,不同的原子序数用不同的色调来表示,材料分辨的类别与色调类别相等。为了彩色图像的协调性,在材料分辨过程中,可以把类别细化,不仅把物质分成有机物、轻金属、无机物和重金属四种类别,而且在各类别内部以原子序数为依据进一步细化成若干个子类别。色调的设计在遵循彩色显示标准的大原则下,兼顾色调过渡,从橙红到橙黄、从黄绿到蓝绿、从青蓝到深蓝、从紫蓝到紫红。
步骤530中,根据视觉理论,对各种色调设定一个合适的饱和度值。人眼对绿色调比较敏感,对橙色调的敏感度一般,而对蓝色调比较不敏感,因此,可给绿色调设置较低的饱和度,给橙色调设置中等偏高的饱和度,给蓝色调设置较高的饱和度。根据该原则,设计饱和度和色调的对应规则。
步骤540中,关键是设计融合灰度与L值(HLS颜色模型中的L)的映射关系。为了保证色调的协调性,在不同色调的颜色表中,对于同一亮度等级的颜色,人眼感受到的亮度要相当,并不能简单地把融合灰度与L值等效。
●这一步要借助YUV颜色模型中的Y值。YUV颜色模型中的Y值代表了人眼感受到的亮度,而HLS颜色模型中的L值并不能代表人眼感受到的亮度,如果简单的按照融合灰度与L值对应来设计颜色表的话,不同色调的颜色是不协调的。因此,需要综合YUV模型、RGB模型、HLS模型的转换关系,根据融合灰度与Y值等效的原则,设计融合灰度与L值的映射关系,从而得到HLS颜色表。
●由于人眼感受到的亮度可以由YUV颜色模型中的Y值来表示,因此同一亮度级别的Y值应该相等的;因此问题就转换成为一个很简单的数学问题,已知HLS颜色模型中的色调H和饱和度S,以及YUV模型中的Y值,要求确定HLS颜色模型中的亮度L值;由于YUV颜色模型与HLS颜色模型没有直接的转换关系,可以通过RGB模型作为中介来进行。
步骤540中,完成了HLS颜色表到RGB颜色表的转换。由于HLS颜色模型到RGB颜色模型的转换比较耗时,因此,事先计算得到两者的关系,存储在表格中,直接查表获取RGB值。构建HLS到RGB的二维映射表格,第一维是材料信息索引,第二维是融合灰度索引,表格中存储的是RGB值。这样,得到了物质识别后的材料信息,以及融合后的灰度后,通过查表就得到各点的RGB值,用于彩色图像显示。
完成了颜色表的设计后,实时彩色化过程就是简单的查表过程,利用材料分辨模块输出的材料信息,以及灰度融合模块输出的融合灰度信息,查找二维RGB颜色表,即可得到彩色图像。
步骤610中,获取了材料分辨模块输出的材料信息,以及灰度融合模块输出的融合灰度信息,作为彩色化算法的输入信息。
步骤620中,根据材料信息(对应于颜色色调),确定RGB二维映射表格的第一维索引值。
步骤630中,根据融合灰度信息(颜色亮度等级),确定RGB二维映射表格的第二维索引值。
步骤640中,根据步骤620、630中确定的两维索引值,查表二维RGB颜色表,得到RGB值。
步骤650中,重复步骤610~640,逐点确定RGB值,输出彩色图像。
灰度显示与材料分辨后的彩色显示效果见图10示意。
至此已经结合优选实施例对本发明进行了描述。应该理解,本领域技术人员在不脱离本发明的精神和范围的情况下,可以进行各种其它的改变、替换和添加。因此,本发明的范围不局限于上述特定实施例,而应由所附权利要求所限定。
Claims (20)
1.一种物质识别系统中创建分类曲线的方法,包括步骤:
针对多种标定材料中的每种标定材料:
用高能射线和低能射线照射各种厚度下标定材料来获得相应的高能透明度和低能透明度;
将高能透明度的第一函数作为横坐标,将低能透明度和高能透明度二者的第二函数作为纵坐标来形成标定材料在不同厚度下的点;以及
基于所述的点形成所述分类曲线;
其中,alphaL=(1-log(TL))*1000;其中TL为低能透明度;alphaH=(1-log(TH))*1000;其中TH为高能透明度,
将高能透明度的第一函数作为横坐标包括:取alphaH为alpha曲线的横坐标alphax:
alphax=alphaH=(1-log(TH))*1000;
将低能透明度和高能透明度二者的第二函数作为纵坐标包括:取alphaL与alphaH之差作为alpha曲线的纵坐标alphay:
alphay=alphaL-alphaH=(-log(TL)+log(TH))*1000。
2.如权利要求1所述的方法,其中基于所述点形成所述分类曲线的步骤包括:
采用最小二乘曲线拟合法对所述点进行曲线拟合。
3.如权利要求1所述的方法,其中基于所述点形成所述分类曲线的步骤包括:
采用切比雪夫意义下的最佳拟合多项式对所述点进行曲线拟合。
4.如权利要求1所述的方法,还包括对所述分类曲线进行离散化的步骤。
5.如权利要求1所述的方法,其中所述多种标定材料包括:石墨、铝、铁和铅。
6.如权利要求1所述的方法,其中每种标定材料从薄到厚设计多级阶梯。
7.如权利要求6所述的方法,其中每种标定材料最薄和最厚的厚度由系统的材料分辨范围决定。
8.如权利要求6所述的方法,其中阶梯级数的数目由标定的精度及放置自动标定装置的空间共同决定。
9.如权利要求6所述的方法,其中标定材料设计为只覆盖射线束方向的区域,得到的双能透射数据作为参数输入至自动标定算法中,生成X射线主束方向的能谱分布对应的分类参数,作为所有探测区域的分类参数。
10.如权利要求6所述的方法,其中标定材料覆盖所有感兴趣的探测区间,把所有探测高度划分成多个区域,每个区域独立统计,生成分类参数。
11.一种物质识别系统中创建分类曲线的设备,包括:
针对多种标定材料中的每种标定材料:
用高能射线和低能射线照射各种厚度下标定材料来获得相应的高能透明度和低能透明度的装置;
将高能透明度的第一函数作为横坐标,将低能透明度和高能透明度二者的第二函数作为纵坐标来形成标定材料在不同厚度下的点的装置;以及
基于所述的点形成所述分类曲线的装置;
其中,alphaL=(1-log(TL))*1000;其中TL为低能透明度;alphaH=(1-log(TH))*1000;其中TH为高能透明度,
将高能透明度的第一函数作为横坐标包括:取alphaH为alpha曲线的横坐标alphax:
alphax=alphaH=(1-log(TH))*1000;
将低能透明度和高能透明度二者的第二函数作为纵坐标包括:取alphaL与alphaH之差作为alpha曲线的纵坐标alphay:
alphay=alphaL-alphaH=(-log(TL)+log(TH))*1000。
12.如权利要求11所述的设备,其中采用最小二乘曲线拟合法对所述点进行曲线拟合。
13.如权利要求11所述的设备,其中采用切比雪夫意义下的最佳拟合多项式对所述点进行曲线拟合。
14.如权利要求11所述的设备,其中对所述分类曲线进行离散化。
15.如权利要求11所述的设备,其中所述多种标定材料包括:石墨、铝、铁和铅。
16.如权利要求11所述的设备,其中每种标定材料从薄到厚设计多级阶梯。
17.如权利要求16所述的设备,其中每种标定材料最薄和最厚的厚度由系统的材料分辨范围决定。
18.如权利要求16所述的设备,其中阶梯级数的数目由标定的精度及放置自动标定装置的空间共同决定。
19.如权利要求16所述的设备,其中标定材料设计为只覆盖射线束方向的区域,得到的双能透射数据作为参数输入至自动标定算法中,生成X射线主束方向的能谱分布对应的分类参数,作为所有探测区域的分类参数。
20.如权利要求16所述的设备,其中标定材料覆盖所有感兴趣的探测区间,把所有探测高度划分成多个区域,每个区域独立统计,生成分类参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010621626 CN102175698B (zh) | 2007-11-15 | 2007-11-15 | 物质识别系统中创建分类曲线的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010621626 CN102175698B (zh) | 2007-11-15 | 2007-11-15 | 物质识别系统中创建分类曲线的方法和设备 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101774052A Division CN101435783B (zh) | 2007-11-15 | 2007-11-15 | 物质识别方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102175698A CN102175698A (zh) | 2011-09-07 |
CN102175698B true CN102175698B (zh) | 2013-09-04 |
Family
ID=44518904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010621626 Active CN102175698B (zh) | 2007-11-15 | 2007-11-15 | 物质识别系统中创建分类曲线的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102175698B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751163B (zh) * | 2013-12-27 | 2018-06-19 | 同方威视技术股份有限公司 | 对货物进行自动分类识别的透视检查系统和方法 |
CN105277578B (zh) * | 2014-06-09 | 2018-06-12 | 北京君和信达科技有限公司 | 一种提高双能辐射系统材料识别能力的方法及系统 |
CN105203569B (zh) * | 2014-06-09 | 2018-06-12 | 北京君和信达科技有限公司 | 双能辐射系统和提高双能辐射系统材料识别能力的方法 |
CN105806857B (zh) * | 2014-12-31 | 2019-02-19 | 同方威视技术股份有限公司 | 双能射线检查系统物质识别及其分类参数处理方法与装置 |
CN105223214B (zh) * | 2015-10-22 | 2019-01-11 | 同方威视技术股份有限公司 | 用于物质分辨的标定装置、标定方法和标定系统 |
CN107679024B (zh) * | 2017-09-11 | 2023-04-18 | 畅捷通信息技术股份有限公司 | 识别表格的方法、系统、计算机设备、可读存储介质 |
CN108254394B (zh) * | 2017-12-28 | 2020-09-01 | 合肥美亚光电技术股份有限公司 | X射线双能检测方法及系统 |
US10795049B2 (en) * | 2018-01-09 | 2020-10-06 | Voti Inc. | Methods for assigning a threat or safe condition to an object in an image |
WO2020082171A1 (en) | 2018-10-22 | 2020-04-30 | Voti Inc. | Tray insert for screening tray |
US11885752B2 (en) | 2021-06-30 | 2024-01-30 | Rapiscan Holdings, Inc. | Calibration method and device therefor |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4247774A (en) * | 1978-06-26 | 1981-01-27 | The United States Of America As Represented By The Department Of Health, Education And Welfare | Simultaneous dual-energy computer assisted tomography |
-
2007
- 2007-11-15 CN CN 201010621626 patent/CN102175698B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4247774A (en) * | 1978-06-26 | 1981-01-27 | The United States Of America As Represented By The Department Of Health, Education And Welfare | Simultaneous dual-energy computer assisted tomography |
Non-Patent Citations (1)
Title |
---|
邬小平等.双能X射线材料识别技术在大型集装箱检测系统中的应用.《核电子学与探测技术》.2005,第25卷(第6期),第782-783页. * |
Also Published As
Publication number | Publication date |
---|---|
CN102175698A (zh) | 2011-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101435783B (zh) | 物质识别方法和设备 | |
CN102175698B (zh) | 物质识别系统中创建分类曲线的方法和设备 | |
CN101614683B (zh) | 物质识别系统中的实时标定设备和方法 | |
US9915752B2 (en) | Inspection systems with two X-ray scanners in a first stage inspection system | |
US7366282B2 (en) | Methods and systems for rapid detection of concealed objects using fluorescence | |
US7257188B2 (en) | Dual energy radiation scanning of contents of an object | |
US20060098866A1 (en) | User interface for inspection system with isoluminant regions | |
CN108198227A (zh) | 基于x光安检机图像的违禁品智能识别方法 | |
US20050117700A1 (en) | Methods and systems for the rapid detection of concealed objects | |
US20090052622A1 (en) | Nuclear material detection system | |
US8290120B2 (en) | Dual energy radiation scanning of contents of an object based on contents type | |
CN108450027A (zh) | 高动态范围射线照相成像系统 | |
CN110231642A (zh) | 一种构建辐射场地图的方法、装置以及机器人 | |
Gilli et al. | The spatial clustering of mid-IR selected star forming galaxies at z~ 1 in the GOODS fields | |
CA2729861C (fr) | Procede et dispositif pour detecter la presence, dans une charge, d'objets suspects renfermant au moins un materiau a poids atomique donne | |
Kolokytha et al. | Creating a reference database of cargo inspection X-ray images using high energy CT of cargo mock-ups | |
Kolokytha et al. | Improving customs’ border control by creating a references database of cargo inspection X-ray images | |
US7970103B1 (en) | Interrogating hidden contents of a container | |
Bledsoe et al. | Application of Markov Chain Monte Carlo for Uncertainty Quantification in Quantitative Imaging Problems | |
WO2024050199A1 (en) | Systems and methods for classification of radiation energy spectra | |
RU2339021C2 (ru) | Тест-образец | |
CN105806857A (zh) | 双能射线检查系统物质识别及其分类参数处理方法与装置 | |
Mullens et al. | Neutron and Gamma Ray Imaging for Nuclear Materials Identification | |
CN108399613A (zh) | 一种平板探测器图像空场识别方法 |
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 |