CN106415325B - 对象中的物项探测 - Google Patents

对象中的物项探测 Download PDF

Info

Publication number
CN106415325B
CN106415325B CN201580026915.2A CN201580026915A CN106415325B CN 106415325 B CN106415325 B CN 106415325B CN 201580026915 A CN201580026915 A CN 201580026915A CN 106415325 B CN106415325 B CN 106415325B
Authority
CN
China
Prior art keywords
edge
symmetry
image
item
line
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
Application number
CN201580026915.2A
Other languages
English (en)
Other versions
CN106415325A (zh
Inventor
G·海曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Smiths Heimann GmbH
Original Assignee
Smiths Heimann GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Smiths Heimann GmbH filed Critical Smiths Heimann GmbH
Publication of CN106415325A publication Critical patent/CN106415325A/zh
Application granted granted Critical
Publication of CN106415325B publication Critical patent/CN106415325B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
    • G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
    • G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
    • G01V5/224—Multiple energy techniques using one type of radiation, e.g. X-rays of different energies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/20—Sources of radiation
    • G01N2223/206—Sources of radiation sources operating at different energy levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30112—Baggage; Luggage; Suitcase
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Geophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Analysis (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Spectroscopy & Molecular Physics (AREA)

Abstract

本发明涉及一种用于基于至少一个透射图像(1a；40a；400a；500a；600a；600b；600c)探测具有至少一个对称性的物项(23；53；104；402，404；501；603)的方法，包括步骤：(a)探测包含在透射图像中的单独的物项的边缘(29，31；59，65；410a，412a，412b，442，446，418a，420a，418b，420b，444，448；512a，512b)以产生边缘图像(1b；40b；400b；500b)；以及(b)基于所述边缘图像(1b；40b；400b；500b)的边缘图片元素对，利用确定与具有至少一个对称性的物项(23；53；104；402，404；501；603)相关联的对称线(27；61；408，416，511；601a；601b；601c)，探测所述物项(23；53；104；402，404；501；603)，该至少一个对称性包含在所述透射图像(1a；40a；400a；500a；600a；600b；600c)中，所述边缘图像(1b；40b；400b；500b)的边缘图片元素对是关于对称线(27；61；408，416，511；601a；601b；601c)相互对称定位的；并且在步骤(b)中，在确定所述边缘图像(1b；40b；400b；500b)的所述对称线(27；61；408，416，511；601a；601b；601c)中，仅所考虑的所述边缘图片元素是所述对称线(27；61；408，416，511；601a；601b；601c)位于包含在所述透射图像(1a；40a；400a；500a；600a；600b；600c)中的物项(23；53；104；402，404；501；603)中的图片元素，该物项是边缘所属于的物项。本发明还涉及用于处理的设备(210)，该设备(210)具有配置为执行所述方法的至少一个处理器(211)。

Description

对象中的物项探测
技术领域
本发明一般涉及利用电离辐射进行的对象的无损检测。特别地，本发明涉及在利用电离辐射产生的对象图像中具有对称性的物项的探测的方法，特别是在一件行李的图像中，例如由X-射线检测系统产生的X-射线图像。
背景技术
一些X-射线检测系统具有多个固定的照射平面，用于对象(检测对象)的无损检测。这种类型的检测例如可以在机场行李的安全筛查情况中执行。在检测期间，检测对象被传递通过多个照射平面，多个照射平面中的每一者由相应的固定辐射源输出。未被检测对象吸收的X-射线的强度及其内容由与辐射源相关联的探测器阵列进行测量。所测量的强度值被评估和使用，还包括其他事物，如用于产生检测对象的X-射线图像，基于此，可以执行检测对象的内容筛查。
特别地，对于自动化筛查，在行李中携带的诸如瓶子的容器是有问题的。瓶子可能包含危险液体。这就是为什么如果要带液体的话，仅可以将少量液体带上飞机。在现有技术中，当在机场执行手提行李的安全筛查时，安检人员必须首先在X-射线图像中认出此类容器，并随后将其从行李中移走以进行可视的检测。这种另外的检测工作量会引起乘客处理的延迟。这与托运行李是类似的问题。在那里，一件行李必须例如从自动处理移走并带至人工检测站，在人工检测站可能有必要将该件行李打开已进行可视的检测，并且如果需要的话，另外的检测也可能是必要的。这也引起了延迟。
一些方法用于识别包含在检测对象中的及在对象的X-射线图像中找到的物项(模糊点(blobs))的方法。为了更准确的识别，检测所探测的模糊点在其它事物中的对称性。与此类似，在用X-射线之前可以将瓶子放置在特定的盒子中，以使得瓶子相对于其所位于的表面以已知的角度定向，从而用于针对可能潜在威胁的内容进行瓶子的X-射线图像评估，所有关于瓶子的位置的几何信息都是已知的。
发明内容
本发明的目标是提出用于自动探测或发现X-射线图像中的容器的方法，该X-射线图像利用对象诸如一件行李的X-射线检测产生。本发明的另一目标是创建用于执行该方法的设备。
该目标用独立权利要求的特征达到。修改和有利的实施方式在各个从属权利要求中公开。在这个关系中，所描述的与根据发明的方法有关的特征和具体细节自然地还进行与设备或X-射线检测系统有关的应用，反之亦然；因而，每一者适用于与单独方面的公开有关的另一者。
本发明的核心概念在于基于将对称性认出是属于包含在对象中的物项来识别对象的X-射线图像中的区域。换句话说，意图是将对象的X-射线图像用于发现包含在对象中的具有对称性的物项。如果容器被探测到，那么基于与现有容器有关的知识，随后的方法可以就关于容器的内容作出推断，如液体，并因而关于可能的潜在危险作出推断。在这个关系中，当分析内容时，对于考虑组成容器的材料的影响是特别有利的。本发明已经意识到容器通常以对称性为特征。本发明因此提出将现有知识用于在X-射线图像中的发现容器。
在多件行李中找到的容器常常是瓶子。出于这个原因，在以下的阐述中，“瓶子”用作一类“具有至少一个对称性的容器”的同义词；然而，这并不意味着于此解释的原理唯一地限于瓶子。基本上，发明人提出的方法和改进可以相应地使用，例如，用于探测爆破筒、武器或弹药的一部分，等等。表达“至少一个对称性”意为容器不必必须从所有可能的查看角度都具有对称形状和/或可以仅在子区域中对称。物项的对称性由相关联的对称线定义。如果在图像中属于物项的对称线是已知的，那么包含在图像中的物项更容易发现或探测，其中在图像中，属于此类物项的图像区域可能更容易识别和分割。发明人提出将此用在X-射线图像上。
为了准备对称线的发现，X-射线图像首先被预处理以识别X-射线图像中的特征。在这个关系中，在待在X-射线图像中识别的特征可以与方向相关联的情况下这是更好的和有利的。这种预处理X-射线图像的结果然后是特征图像，在该特征图像中所识别的特征被突出和/或蒙住。优选地，包含在X-射线图像中的单独物项的外部边缘被探测为特征。预处理X-射线图像的结果那么就是边缘图像，其中已经识别为特征的外部边缘被突出和/或蒙住(即，图片元素，该图片元素可能不属于已经过滤出去的外部边缘)。这种预处理还可能指的是边缘提取。
然而，在上下文中，还不知道这种边缘图像中的哪个边缘属于特定物项。特定外部边缘与特定物项的关联或多或少地构成了物项的发现。这与现有技术中已知的方法是决定性的不同，其中已经在图像中探测到的物项将更具体地探知，例如，通过针对对称性对此类物项的已知的外部边缘进行检测。本发明(如以下更具体的解释)基于根据发明的核心概念的不同方法，尝试发现边缘图像中的对称线，该边缘图像可能属于具有对称性的物项。基于所发现的对称线，可以识别属于该对称线的物项的外部边缘并因而可以发现图像中的物项。
在上下文中，物项的“多个外部边缘”或“一个外部边缘”理解为在X-射线图像中可确定的线，该可确定的线是出现在X-射线图像中的物项的轮廓的一部分或整个轮廓。X-射线图像中的物项的轮廓对应于从相应查看方向的物项的剪影。在这种情况下的查看方向对应于当X-射线图像产生时的检测对象的照射方向。
功能上来说，在边缘确定中，在其颜色值或灰度值和/或亮度和/或强度上明显不同的X-射线图像中的平坦区域相互区分。在这些可区分区域之间的一个或多个线构成了即将产生的边缘图像的边缘。从图像处理方面，特定的边缘探测算法是已知的，该算法可以识别此类可区分区域之间的转变并将其识别为边缘。基于X-射线图像，边缘探测算法计算相关联的边缘图像。在这种情况下，例如，X-射线图像的每一个图片元素通过离散卷积相应建立的滤波矩阵而被重新设置；滤波矩阵常常也称为相关联的滤波算法的算子(operator)。各个边缘滤波器之间的首要区别主要在于不同适应的滤波矩阵；还可以使用多个不同的滤波矩阵。
为了在X-射线图像中找到边缘，可以例如使用类似被称为Canny过滤器的图像处理算法的图像处理过滤器。Canny过滤器由John Francis Canny在1986年11月的关于模式分析和机器智能的IEEE会报,Vol.PAMI8,No.6的“A Computational Approach to EdgeDetection”中进行描述。根据于此提出的上下文的使用，Canny过滤器可以用在作为数字化图像的X-射线图像上。自然地，还可以使用其它已知的或将来的适用于探测X-射线图像中的边缘的图像处理算法。换句话说，为了从X-射线图像创建边缘图像，可以使用以下已知边缘算子中的一者或其结合：Sobal算子、Scharr算子、Laplace算子、Prewitt算子、Roberts算子、Kirsch算子和Marr-Hildreth算子。
识别为特征的外部边缘可以与方向相关联。方向可以定义为在相应考虑的边缘图片元素的外部边缘的正切的方向矢量。换句话说，相关联的方向然后基本上对应于考虑中的边缘图片元素的边缘的定向或对应于外部边缘的边缘部分的定向。优选地，因而所探知的方向考虑了针对包含在X-射线图像中的物项所定义的轨道方向而确定，例如以基于方向矢量的方式，其总是可以清楚地确定方向矢量(左或右)的边，外部边缘所属于的物项位于方向矢量的边上。以特别优选的方式，方向可以以方向从相关联的物项指出或指入物项的方式来确定；从数学上来说，这个方向定义对应于在考虑中的外部边缘的边缘图片元素处相应切线的法线。
为了在进一步进行图像处理之前从边缘图像排除不感兴趣的物项的边缘，使用与X-射线图像中特定物项的边缘有关的现有知识是有利的。为了达到那个目的，可以例如在X-射线图像中所发现的区域附近分析有差异的点和/或其周围区域。分析结果优选地适于确定所发现的边缘是否属于容器。为了达到那个目的，可以例如在X-射线图像中确定所选择的图片元素的所识别的边缘的图像区域中的特征描述符，其描述符适于将在X-射线图像中所识别的边缘验证为容器的外部边缘。因而对于边缘图像中可能不是容器的外部边缘的那些边缘来说可以在确定对称性之前消除。例如，在X-射线图像中，“不变尺度的特征变换(SIFT)”可以针对所选择的关键(图片)元素或在所选择的关键(图片)元素周围确定图像区域的特征描述符。SIFT是用于从图像中提取局部图像特征的算法，该算法由David G.Lowe在1999年的University of British Columbia中公布并进行描述，另外，在2004年的“Distinctive Image Features from Scale-Invariant Keypoints”，计算机视觉国际杂志，US 6,711,293 B1或David G.Lowe中公开和描述。SIFT算法可以以X-射线图像的形式用在数字化图像上。图像处理的本领域技术人员能够使已知的SIFT算法适用于以上所描述的在X-射线图像中的容器外部边缘的验证或认出，例如以下所描述的。
已知的基于边缘图像的边缘定义了属性与其环境不同并且对透视失真不敏感的对象。SIFT算法因而可以用于在边缘图片元素附近确定X-射线图像的图像区域的特征描述符。例如，此类图像区域可以利用方向直方图来表示，其特征可以以矢量的形式储存。因而所确定的矢量可以用作指纹，可以说，用于与参考数据的比较。参考数据可以例如用已知物项的X-射线图像来确定，特别是容器。换句话说，SIFT特征可以出于探测容器的外部边缘的目的用作描述符。所探测的SIFT特征例如适合作为具有类似特征的边缘模型的索引。换句话说，在X-射线图像中所确定的边缘基于所确定的SIFT特征可以通过与在X-射线图像中容器边缘的已知边缘模型的比较来验证。换句话说，在X-射线图像中针对边缘的关键(图片)元素所确定的SIFT特征可以与容器外部边缘的数据库中的已知特征进行比较。当存在足够的一致和相似时，可以断定所确定的边缘是容器的外部边缘。
针对与参考的比较，可以例如使用RANSAC算法(随机样本一致性，其粗略地翻译为“与随机样本一致”)，该RANSAC算法特别适用于对在包括异常值和明显错误的一系列的测量值内的模型进行评估。
利用SIFT提取的特征对坐标转换(诸如平移、旋转和缩放)不敏感是特别有利的。在照明变化、图像噪声及例如当从不同查看点执行的物项的投影成像时出现的这种减少的高阶几何变型情况下，特征也是鲁棒性的。
基于从X-射线图像产生的边缘图像，可以探测可能与边缘相关联的对称线的边缘图片元素对。
当评估在边缘图像中所识别的边缘时，可能出现错误地探测到对称线，该对称线实际上匹配包含在X-射线图像中的物项的边缘，但是这些边缘不属于相同的物项，相反属于不同的物项。此类对称线于此称为伪对称线。伪对称线的探测可以尽可能避免。尤其，这是于此提出的改进的一个方面。
基于认出的对称线，可以探测X-射线图像中相关联的物项。物项的相关联的对称区域出于这个目的进行分割。
为了探测在由X-射线图像产生的边缘图像中的对称线，可以例如使用图像处理算法，如Li Zhang和Kleeman在“Real Time Detection and Segmentation ofReflectionally Symmetric Objects in Digital Images”，2006年IEEE/RSJ期刊，关于智能机器人和系统的国际会议，2006年10月9-15日，北京，中国，所提出的。为了避免重复，该公开的内容通过引用的方式结合至本文档中；这特别涉及与以下有关的陈述：与于此所描述的用于在边缘图像中探测对称线的算法的基本原理和功能有关的、与属于所探测的对称线的物项的轮廓的结构有关的及与可能与所探测的对称线相关联的对称边缘的分割和边缘图像中的对称区域的分割有关的，其中对称区域由相应边缘定义并可能与在初始X-射线图像中具有对称性的物项相关联。
在边缘图像中分割的X-射线图像的对称区域基于已知的关于各个图片元素(诸如材料属性)的其它信息可以进行进一步的分析。
在不同X-射线图像视图中识别的物项不能基于所识别的外部边缘来验证，因为属于物项的图像区域通常不是类似的。然而，发明人已经发现物项可以利用在各个X-射线图像中所识别的对称线在3D空间中进行验证。X-射线图像中的对称线最初不能在3D空间中唯一定义，而是对应于3D空间中的对称平面。如果相同物项的对称线已经在至少三个不同的X-射线图像视图中被探测，那么可以将这些对称线的对称平面投影至三维(3D)空间。如果相同物项实际上在所有X-射线图像中已经被探测，那么理论上3D空间中的两个相应的对称平面的所有交叉线位于相同区域，即相互邻近。实际上，交叉线的位置至少在特定的容差范围内相互邻近并且至少定向在相同方向。相关联的物项因此可以利用所确定的对称线在3D空间中被验证。
除了在X-射线图像上使用以上替代的算法或功能类似的算法，发明人特别提出了另外的测量，特别为了改进具有包含在X-射线图像中的对称性的物项的分割。另外的测量获得了方法-或执行方法的计算机程序的功能更具鲁棒性和/或更快速的事实。
本发明的第一方面因此涉及一种用于基于至少一个X-射线图像探测检测对象内部的具有对称性的物项的方法。如以上所解释的，方法特别优选地适用于在多件行李的形式的检测对象中探测可以包含液体的容器，例如瓶子。
方法优选地包括以下步骤：(a)探测包含在X-射线图像中的物项的边缘以产生边缘图像；以及(b)基于关于对称线相互对称的边缘图像的边缘图片元素对，通过检索可能与具有包含在X-射线图像中的对称性的物项相关联的对称线来探测物项。在步骤(b)中，当确定边缘图像中的对称线时，仅所考虑的边缘图片元素是涉及边缘所属于的物项的对称线位于可能与物项相关联的X-射线图像的图像区域中的图片元素。
发明人已经发现基于未被在X-射线图像中的针对单独的图片元素测量的检测对象吸收的X-射线的强度值，可以确定在考虑中的边缘的哪个边是X-射线图像的图像区域构成与边缘相关联的物项的一部分所在的边。与在传统照片中不同，在X-射线图像中的物项的边缘，可以识别边缘的哪个边是其上的图像区域是物项的一部分所在的边，X-射线是透射图像。因而由于物项吸收X-射线，作为物项的一部分的X-射线图像的区域比物项周围的图像区域更暗。换句话说，在这些位置中，由于物项吸收X-射线，在所探测的X-射线中较低的强度被测量到。在本上下文中，该现有技术的知识当确定对称线时被使用，边缘图像中的边缘仅在从边缘查看对称线实际上位于物项内的情况下考虑，即在在考虑中的边缘所属于的较暗的图像区域内。
从实际的观点来看，这可以以用于发现对称线的算法来实施，其中对于边缘和/或边缘图片元素，基于X-射线图像的各个图片元素已知的强度信息，方向矢量被确定并被储存用于相应的边缘和/或相应的边缘图片元素。
方向矢量可以优选地被确定从而开始于边缘或边缘图片元素，其指向边缘所属于的物项所在的图片区域的方向。当确定对称线时，边缘或边缘图片元素的相应的方向矢量可以被用作边缘图片元素是否属于特定对称线的标准。根据如示例提出的方向矢量定义，这意为当确定对称线时，边缘和/或边缘图片元素仅在其方向矢量指向或朝向该对称线的情况下考虑。
以上所解释的改进可以使伪对称线的探测被减半。
如例如从DE 101 49 254 A1已知的，使用双能量或多能量X-射线检测系统中的方法，可以使其有利于修改该方法，其中在步骤(a)中，边缘图像基于与X-射线图像相关联的材料信息的各个图片元素产生。因而可以检索由不同材料构成的物项，诸如分别搜索的塑料和玻璃。换句话说，从而可以分别针对由不同材料(诸如玻璃或塑料)构成的瓶子来检索X-射线图像。例如，在已经利用二能量或双能量X-射线方法产生的X-射线图像中，X-射线图像的各个图片元素(像素)可以根据已经针对该位置建立的所照射的材料的有效原子序数(Zeff)来区分。通常，玻璃的Zeff位于12至13的范围，而对于塑料来说，位于6至7的范围。
在进一步处理边缘图像之前，至于是否边缘实际上是物项的外部边缘，在其中所识别的边缘可以被验证。为了达到这个目的，例如针对在透射图像中所选择的边缘图片元素附近的至少一个图像区域，可以例如确定至少一个特征描述符。至少一个特征描述符可以例如基于以上所描述的图像区域的不变尺度的特征变换(SIFT)来确定。然后至少一个特征描述符可以与之前已知的参考值进行比较。因而可以将所选择的边缘图片元素验证为容器的外部边缘。例如，可能的是，对于边缘图像中的那些边缘来说，可能不是容器的外部边缘的边缘即将被删除或相应加权。那么此类边缘不再在随后的确定对称线中考虑。
为了在边缘图像中识别可能的对称线，如在已知的Li Zhang和Kleeman的算法中，可以以预定的0至π(0至180°)的角度范围递增地旋转边缘图像，以为了识别所旋转的边缘图像中的对称线，对称线相对于图像的外部边缘中的一者以相应的旋转角度Θ延伸。换句话说，在所旋转的图像中针对相应的垂直延伸的对称线执行检索。为了达到那个目的，在步骤(b)中，边缘图像递增地旋转通过预定的角度范围，优选地以等距的步骤。在所旋转的边缘图像中，基于物项的对称性，针对相互对称的边缘或边缘图片元素，对称线被相应地确定。
根据有利的修改，对于每一个旋转角度Θ，建议不考虑，即不用于确定对称线，那些属于所旋转的边缘图像的边缘的边缘图片元素关于对称线垂直或几乎垂直延伸。这同样地减少了伪对称线的探测，并且还减少了算法需要的计算量。
特别地，当待探测的物项是瓶子时，物项在几乎每一个查看方向上常常具有主要由形成直线的边缘部分组成的轮廓。用于探测对称线的方法因而可以针对在边缘图像中每一个差不多形成直线的边缘而被改进，边缘方向矢量被确定并且相关联的边缘被保存在存储器中以用于相关联的边缘图片元素。当确定对称线时，优选地仅所考虑的边缘图片元素是相对于该对称线相互对称延伸的那些边缘对。换句话说，利用储存在存储器中用于边缘图片元素的边缘方向矢量，可以对可能相对于在考虑中的对称线定位的边缘图片元素对执行合理性测试。如果测试示出在考虑中的边缘方向矢量未相对于所假定的对称线相互对称延伸，那么这些边缘图片元素不在确定在考虑中的对称线中考虑。
用于识别属于物项的图像区域的边缘方向矢量和以上提到的方向矢量是相互垂直的。换句话说，包含在两个矢量中的方向信息是冗余的。因而在存储器中确定和储存仅两个矢量中的一者是足够的。
根据Li Zhang和Kleeman提出的数字图像中的对称物项的探测方法，通过确定物项的轮廓，在边缘图像中具有对称性的物项可以基于相关联的对称线来分割。因为知道所探测的对称线属于具有对称性的物项，所以可以将关于所探测的对称线对称的轮廓线(contour line)确定为轮廓(outline)。轮廓将物项与其周围区分。轮廓可以基于与相同对称线相关联的边缘来确定。
为了识别可能是轮廓图片元素的边缘图片元素，可以对关于对称线相互对称的边缘图片元素进行加权。加权可以在考虑可能相对于对称线相互相关联的两个边缘线的点之间的相应的距离及连接两个边缘线的点的线的中心点距对称线的距离时进行。基于如此利用加权进行评估的边缘图片元素，最终可以在追溯构成轮廓的方法中，考虑与边缘图片元素相关联的相应权重。
特别地，在包含许多混杂在一起的许多物项的行李的多个X-射线图像中，物项可能在X-射线图像中重叠。这引起了物项的边缘和区域部分在X-射线图像中相互过渡从而难以相互区分的情况。特别的问题是，在上下文中，当在X-射线图像中存在重叠时，单独物项的轮廓，特别是由类似材料构成的物项，可能不再能通过高的对比差异识别。在相关联的边缘图像中，重叠的物项因此在重叠区域中没有外部边缘。
在有利的改进中，根据本发明的方法因此还具有步骤(c)，基于相关联的对称线，在边缘图像中分割具有对称性的物项；物项的轮廓被确定，这将物项与其周围区分。在步骤(c)中，优选地，在已经确定相关对称线对称的两个边缘中，通过考虑相应的其它边缘，缺少边缘中的一者的边缘图片元素将以镜像对称的方式相对于对称线添加至相应的其它边缘。换句话说，根据其它边缘的形状，缺口以镜像对称的方式相对于对称线填充。因而可以在位于重叠区域的轮廓的边缘关闭缺口。
物项和物项的边缘与另一物项部分重叠的重叠区域可以基于属于重叠区域的图片元素来确定。X-射线图像中的重叠区域由于X-射线在那里所测量的强度值比没有重叠的单独物项的物项区域中的低的情况而被区分。换句话说，重叠区域同样地比非重叠区域暗。并且在X-射线图像中，重叠的物项位于所覆盖的物项的前面是不重要的；重叠的物项也可能在所覆盖的物项的后面。这引起X-射线图像中相同的描述。
该测量使得能够改进部分覆盖的具有对称性的物项的分割。
在方法的另一有利修改中，具有对称性的特定物项的相应对称线在从不同的相应照射方向上的相同检测对象的至少三个X-射线图像中确定。方法然后还可以具有：(d)利用至3D空间的投影，将如图对称平面的所探测的单独X-射线图像的对称线投影至三维(3D)空间，并在3D空间中相互相对应地测试对称平面的交叉线的位置。换句话说，物项的对称性可以利用所探测的对称线来验证。为了达到那个目的，对于3D空间中对称平面的交叉线是否具有几乎相同的位置及是否在特定容差范围内相互邻近进行检查，优选地在物项的图像区域中进行检查。换句话说，对于交叉线是否几乎相互平行及是否间隔了未超过预定值的距离进行检查。
方法特被适用于探测具有对称性的作为物项的瓶子，例如在作为检测对象的一件行李中。当瓶子在X-射线中被探测时，其因而可以首先针对可能与瓶子相关联的对称线检索X-射线图像。如果对称线已经被探测，那么可以在属于瓶子的X-射线图像中分割对称区域。如果在不同的查看方向的相同对象的几个X-射线图像可用，那么对称线和这样的瓶子可以在三维空间中被验证。
在修改中，在方法的步骤(e)中，瓶子的底部和瓶子的颈部在相应的X-射线图像中确定。在瓶子中这是可能的，例如，因为底部通常比瓶子颈部宽。换句话说，可以认出宽的底部和与底部相比细的颈部。通过探测瓶子的底部和瓶子的颈部，可以唯一地将瓶子的对称线与一个方向相关联。该方向信息还可以用于3D空间中对称线的验证。
在另一有利修改中，根据本发明的方法具有步骤(f)，在步骤(f)中考虑物项的外部材料引出关于具有对称性的物项的内容物的推论。如以上所解释的，使用两个能量级别的X-射线的X-射线检测和相应的根据两个不同的能量级别的透射频谱评估使得可以针对每一个图片元素确定有效原子序数的可分配值。
本发明的第二方面涉及作为图像处理设备的具有至少一个处理器的计算机系统，该计算机系统配置为执行以上所描述的方法中的一者，用于根据之前的方法中的一者基于至少一个X-射线图像或多个X-射线图像来探测在检测对象内部具有至少一个对称性的物项。
本发明的第三方面涉及X-射线检测系统，该X-射线检测系统具有穿过照射隧道的传输设备并具有在传输设备周围排列的X-辐射源，该X-辐射源在至少两个不同的照射平面放射X-辐射，每一个照射平面与相应的探测器阵列相关联，以及X-射线检测系统具有以上所描述的计算机系统或者操作连接至此类计算机系统。
本发明的另一方面涉及计算机程序或具有程序代码的计算机程序产品，当计算机程序在计算机系统中根据本发明执行以上所描述的方法中的一者。换句话说，本发明涉及用于在计算机系统上实施以上所描述的方法中的一者的软件装置。本发明的另一方面涉及以上所描述的计算机程序的电可读程序代码储存在其上的数据存储设备。换句话说，本发明还涉及用于在计算机系统上实施以上所描述的方法中的一者的软件装置储存在其上的数据存储设备。本发明的另一方面涉及包括以上提到的计算机程序的程序代码的数据流。换句话说，本发明还涉及以可以以有线或无线方式在计算机系统间进行传送的软件装置。
关于计算机程序、数据存储设备和数据流，应当注意的是，用于实施图像处理设备的计算机系统可以是诸如工作站或笔记本电脑的传统计算机，该传统计算机是X-射线检测系统或可操作连接至X-射线检测系统或者可以是计算机系统，该X-射线检测系统或计算机系统专用于图像处理并可以集成至X-射线检测系统。
计算机和运算单元以已知的方式装配，或者与标准操作系统装配在一起成为编程环境以用于执行计算机程序或者与专有编程环境装配在一起用于专门适应其的编程代码或软件装置。计算机系统可以具有用于系统基本编程功能的非可擦除存储(只读存储器)和用于计算机程序的编程代码的可擦除存储器(读取/写入存储器)，该编程代码被存入系统和/或可以在执行计算机程序期间可以具有需要的或产生的工作数据。被存入系统的计算机程序的编程代码还可以储存在只读存储器上。计算机系统还可以包括至少一个可编程运算单元，诸如一个或多个微处理器等。可编程运算单元执行利用编程代码编写的计算机程序的指令，以实施利用计算机程序编写的方法，如于此所描述的方法中的一者。计算机系统还可以具有用于输入和输出数据的接口。这特别包括能够将编程代码从数据存储设备或从计算机网络(诸如本地计算机网络、因特网等)以数据流的形式存入计算机系统的可能性。
本发明特别适用于在图像处理设备中使用，该图像处理设备在——或连接至——这种X-射线检测系统，这种X-射线检查系统在用于航空公司乘客的安全筛查的安全检查站中或行李处理系统(例如在机场)中使用。在这种情况下，即将装载登上飞机的多件行李和/或运输货物进行自动无损检测。此类X-射线检测系统还可以用于其它检查点，如在安全相关区域或建筑的入口、在边界检查点等，用于检查诸如人们携带的手提行李的对象或诸如信件、包裹或小包的邮政物项。该检查的目的可以是探测特定物项，诸如数据存储设备，如DVD或CD-ROM，或诸如药品的物质，但是还可以探测具有潜在危险的诸如爆炸物或化学药品的物质。以上物项可能本身具有对称性或者以上物项、材料和物质还可能隐藏在具有对称性的容器中。
本发明的其它优势、特征和细节在以下说明中继续，其中本发明的示例性实施方式参考附图具体描述。在权利要求书和说明书中提到的特征对本发明本身可能是必要的或者可能相互以任何方式结合。同样，以上提到的和这里进一步具体描述的特征的每一者可以单独使用或以任何结合的方式同时几个同时使用。在功能上类似或相同的部件或组件有时提供相同的参考数字。在示例性实施方式的描述中使用的术语“左”、“右”、“上”和“下”涉及附图名称和/或参考数字可以以正常方式读取的方向的制图。所示出和所描述的实施方式应当理解为非详尽的并且仅仅是为了解释本发明在示例中符合。具体的说明针对本领域技术人员的信息提供；出于这个原因，为了不妨碍对本发明的理解，已知的电路、结构和方法为在说明书中具体示出或解释。
附图说明
图1和图2示出了第一件行李的X-射线图像和相关联的边缘图像的第一示例。
图3和图4示出了第一件行李的X-射线图像和相关联的边缘图像的第二示例。
图5示出了具有图像处理设备的X-射线检测系统的示例性框图，该图像处理设备用于执行所提出的探测X-射线图像中具有对称性的物项的方法。
图6示出了图10中X-射线检测系统的图像处理设备的示例性框图。
图7示出了用于探测边缘图像中的对称线的基本原理。
图8和图9使用简化的X-射线图像和相关联的边缘图像示出了用于避免伪对称线的探测的改进方面。
图10和图11使用简化的X-射线图像和相关联的边缘图像示出了当物项在X-射线图像中重叠时在边缘图像的物项分割中的改进。
图12至图14的每一个图示出了不同查看方向的图1中的第一件行李的X-射线图像；已经探测为属于瓶子的边缘和所探测的对称线在X-射线图像中的每一个图像中进行示出。
具体实施方式
应当注意，图1、3、6和7至8中的图示利用Floyd-Steinberg抖动(dithering)算法适用于使黑和白再现，即，这些图示是出于解释的目的提供了X-射线图像的示意性描述。
术语“耦合”和“连接/附着”及由此得到的术语于此并未同义使用。“连接/附着”意为两个或更多个元素相互间直接物理或电接触。“耦合”意为两个或更多个元素相互间协作或影响；这些元素相互间可以直接或也可以间接物理或电接触。除了在其它方面指示的，序数词“第一”、“第二”、“第三”等的使用指示通用对象，该通用对象仅指示对类似对象的不同示例所进行的参考。而不应采用这些序数词来暗示如此指定的对象必须以特定的时间顺序的、空间的、优先权等级的或其它顺序出现。
图1示出了袋子形式的第一件行李的X-射线图像1a的示例。X-射线图像1a示出了单独的物项，该单独的物项可以由人工观察员容易地认出和识别。因而在用X-射线照射的第一件行李中，在其它物件中可以认出几个鞋子3、5、7、9、11、13、15、17和电子设备19、21。物项还包括瓶子23。
如在开始所提到的，瓶子在安全相关领域构成了灾害风险，因为这些瓶子可能包含未申报的物质，诸如液体、凝胶、乳脂等。出于这个原因，在手提行李中携带液体、凝胶或乳脂形式的物质登上飞机现在是严格限制或禁止的。因此在安全检查中能够可靠地探测这种容器是必要的。
这种通常用于在机场进行行李筛查的X-射线检测系统示出了检测对象的一个或多个X-射线图像，检测对象诸如在显示单元上的一件手提行李。在场的安检人员那么可以能够从一个或多个X-射线图像中快速且可靠地认出安全相关的物项是否包含在其中。如果X-射线检测系统能够在一件行李中自动分析和评估安全关键的物项，例如容器，特别是瓶子，对于容器造成的潜在安全风险来说是特别有优势的。已经划分为无害的容器然后可以相应地被指定，以使得操作员认出其不需要进一步检测，特别地不需要进一步耗费时间的手工可视的检测。
图2示出了基于图1中X-射线图像产生的边缘图像1b。边缘图像1b已经通过用于探测图像的边缘的算法产生，诸如在开始提到的Canny滤波器。在这种情况下，基于已知的单独的图片元素的材料信息，诸如有效原子序数(Zeff)，边缘检索可能另外地限于玻璃制成的物项。应当注意，单独的图片元素的其它材料信息——如果知道的话——也可以考虑；此处例如可能是质量衰减系数和/或比密度。可替换地或另外地，适当的其它特征可以用于识别，诸如容器，特别是瓶子的外部边缘。例如，在开始讨论的SIFT算法可以用于X-射线图像以确定不同图片元素的图像区域中的特征描述。例如，在所识别的边缘的所选的边缘图片元素，可以以一定比例-和旋转不变的形式探测周围。基于这种方式下探测的SIFT特征，在X-射线图像中识别的边缘可以通过与X-射线图像中容器边缘已知的边缘模型的比较进行验证。如果在这里确定其可以以特定可能性推断出边缘图像中相关联的边缘不是容器的外部边缘，那么其可以在进一步的分析中被探测或不用考虑。
在图2所示的边缘图像1b中，瓶子23的轮廓25对人工观察员来说是容易认出的。对于机器来说，问题是认出形成轮廓25的边缘属于一个物项以能够执行该物项的分割。
根据这里提出的解决方案，某些物项可以基于对称性更好地识别。瓶子23例如关于可以探测的对称线27以对称性为特征。
瓶子23的轮廓25具有互相对称延伸的两个侧边缘29和31。因此，这些侧边缘29、31在对称线27已知的情况下可以容易地与瓶子23相关联。瓶子23的底部33瓶子的颈部35是可视的。瓶子23的底部33通常比瓶子23的颈部35更宽。
图3示出了第二件行李42的X-射线图像40a的另一示例，第二件行李42是手提箱。再一次，X-射线图像40a包含单独的对人工观察员来说可以认出的物项。例如，X-射线照射的第二件行李42在其它事物中包含多个电子设备45、47、49和51。物项还包括瓶子53、55和57。
图4示出了边缘图像40b。边缘图像40b利用Canny滤波器产生。如图2中，基于单独的图片元素的材料信息，边缘检索已经限于玻璃制成的物项。
在图4的边缘图像40b中，瓶子53的轮廓59对于人工观察员来说可以清晰地认出。如在图1和图2的示例中，瓶子53相对于可以探测的对称线61是以对称性为特性的。瓶子53的轮廓59具有相互对称延伸的两个侧边缘63和65。瓶子53的宽底部67和瓶子53的窄颈部69也是可视的。
在讨论为了改善X-射线图像中具有对称性的物项的探测而提出的单独的测量之前，X-射线检测系统100应当简略地结合图5进行解释。X-射线检测系统100可以产生检测对象的X-射线图像，该图像即将被处理。图6示出了图像处理设备210的示意性框图，图像处理设备210可以是图5中的X-射线检测系统的一部分或者可替换地可以是可操作地耦合至图5中的X-射线检测系统。例如，图像处理设备210可以经由有线或无线数据连接进行耦合并且可以通过编程来配置为执行于此提出的方法中的一者。
图5示意性地描述了X-射线检测系统100形式的检测设备，该检测设备用于检测对象102的安全筛查，检测对象102诸如图1至图4中图像的多件行李。此类检测通常在机场执行。目的是识别包含在多件行李中的物品104，以对其进行与其潜在安全风险有关的评估以及如果适当的话更接近地对其进行检测。利用这里提出的用于探测在X-射线图像中具有对称性的物项，X-射线检测系统100关于多件行李中的瓶子的探测进行了改进。
图5中示意性描述的X-射线检测系统主要包含作为辐射源的多个固定X-射线管组件106和108和相关联的探测器阵列110和112。探测器阵列110和112配置为测量未吸收的X-射线的强度。辐射源以高达160keV最大值的能量范围发射X-射线。为了简单起见，在图5中示出了仅两个辐射源及其相关联的作为探测器单元的L-形线性扫描器。
安排了X-射线管组件106和108以使得检测对象102以相应不同的方向进行辐射。因此，获得了相互独立的关于对象102的数据。为了那个目的，X-射线管组件106和108在照射隧道114外侧不同位置处在对象102的传输方向相互间隔开。对象102由传输设备(优选带式输送机116)传输通过照射隧道114。自然地，可以提供例如在DE 101 49 254 A1中所示的多于两个的X-射线管组件106和108及相应地多于两个的探测器阵列110和112，以从不同观察方向产生多于两个的X-射线图像，即对待检测对象(检测对象)102的不同视图。
在图5所示的取样的X-射线检测系统100中，X-射线管组件106和108每一者在两个优选扇形照射平面上发射X-射线，以照射检测对象102。相应的探测器阵列110和112定向在照射平面的每一者中。对象102因此照射在相互平行定向的至少两个分开的照射平面上。照射平面不相互平行定向也基本上是可能的。在任何情况下，检测对象102所照射的相应的方向是已知的并且可以考虑对评估关于由探测器阵列110和112探测的两个X-射线图像的信息进行分析。
探测器阵列110和112在线形阵列中包含相应的探测器，优选为L-形。因而可以探测通过对象102的所有射线，而仅需要少量的用于探测器阵列的空间。探测器阵列110和112包含双探测器，该双探测器配置为使用基本上已知的多能量或双能量方法来根据高能量和低能量分别测量X-射线的强度。
X-射线检测系统100还具有控制单元120，该控制单元120操作耦合至评估单元200。控制单元120包括X-射线控制单元122，该X-射线控制单元122操作耦合至X-射线管组件106和108并配置为控制该X-射线管组件106和108。控制单元120还包括传输控制单元124，该传输控制单元124操作耦合至用作传输设备的带式输送机116并配置为控制后者以优选地平稳传输对象102通过X-射线检测系统100。控制单元120还包括探测器数据获取单元126，该探测器数据获取单元126操作耦合至探测器阵列110和112并配置为接收已经穿过对象102且已经由探测器阵列110和112测量的X-射线的强度值。控制单元120本身协调单元122、124和126的控制任务并经由数据连接128将从探测器数据获取单元126接收的强度数据供应至评估单元200以进行进一步处理。
评估单元200具有图像处理设备210和成像单元220，该成像单元220具有屏幕222及在必要情况下具有打印机224，借助该打印机224或屏幕222，对象102和包含在其中的物项104的X-射线图像——基于探测的强度值产生——被示出以用于操作员的可视检测。
耦合至图像处理设备210的数据库230储存例如影响各种材料对X-射线的吸收的至少一个特定变量的值，从而可以探测后者的出现。这种材料是特定的具有潜在威胁的物质和材料，这种材料在对象102中的出现以及可能组成此类物项的材料必须被探测，特别在物项104的内容在对象102中隐蔽的时候。
液体主要储存在类似瓶子的容器中。因为容器的材料包裹了潜在危险的液体，所以更难评估包含在X-射线图像中的液体。因此有利的是，如果在图像评估中物项被识别为瓶子，从而可以考虑瓶子材料的影响评估瓶子的内容。
为了探测对象102中的特定材料，诸如玻璃，后者在带式输送机116上输送通过由X-射线管组件106和108产生的不同照射平面，并且未吸收的X-射线的强度由相应的探测器阵列110和112测量。基于所测量的强度值，探测器阵列110和112中的每一者产生对象102的相应的二维X-射线图像(参见图1和图3)，该图像储存在评估单元200的图像处理单元210中以用于进一步的处理。
X-射线图像可以由具有基于材料变量的相关强度和/或颜色值的图片元素(像素)组成，材料变量以由相应的探测器接收的强度为基础确定。优选地，对于每一个图片元素，有效原子序数(Zeff)的值被确定，有效原子序数(Zeff)的值根据已知的双能量或多能量方法基于相应的高和低能量频谱的强度值确定。所确定的值可以在屏幕222上显示为相关联的灰度值或颜色值。在X-射线图像中，接着确定区域，在该区域中，材料变量的值——即示例中Zeff的值——位于感兴趣的范围内，例如位于作为瓶子典型材料的塑料(Zeff大约6至7)或玻璃(Zeff大约13至14)的值范围中。已经识别为属于瓶子且已经分割的X-射线图像的区域构成了空间区域及对象102内的物项104，并挑出以进行瓶子内容的进一步检测。
图6示意性地描述了图5中图像处理单元210的简化的框电路图示，该图像处理单元210用于实施于此提出的方法中的一者以用于探测在对象102中具有至少一个对称性的物项104。
应当理解，评估单元200和控制单元120还可以利用单个计算机系统以系统控制的形式实施。
还应当理解，由检测设备100探测的强度值的处理和评估可能在计算机系统250中进行，该计算机系统250适于在X-射线检测系统100本地中或X-射线检测系统100上。自然地，对于此类计算机系统250，例如还可以经由计算机网络260耦合以集中定位在类似主机计算机系统的中央位置处，特别是对于多个X-射线检测系统。对计算机系统250来说还可以由多个计算机系统组成，这里的计算机系统相互经由计算机网络连接并进行空间分配。对于计算机系统250来说还可以以待连接至一个或多个X-射线检测系统的移动计算机的形式体现。最后，成像单元220和屏幕222还可以以平板计算机的形式体现为移动单元，对检测人员来说特别容易携带平板计算机并且为了能够更容易地探测该件行李内待检测的物项可以放置在例如贴近一件行李的正确方向。
图6基本上仅示出了图像处理单元210为实施所探测的X-射线图像的评估所需的基本部件。图像处理单元210具有至少一个软件可控处理器211。至少一个第一存储器212储存了例如计算机程序形式的软件装置，用于当计算机程序在至少一个处理器211中运行时执行所需要的功能/方法。
提供至少一个第二存储器213作为工作存储器以用于待处理的数据和中间或最终结果的存储。可以提供第三存储器214，该第三存储器214代替数据库230储存例如特定材料变量值的比较值；这些材料变量值例如可以是已知材料的特定变量，这些变量影响了X-射线的吸收、特别是这些材料的密度和/或质量衰减系数和/或有效原子序数。还可以储存例如作为基于X-射线图像确定的特征描述符的参考的模型数据。
图像处理单元210还具有输入装置215，诸如键盘、触摸屏、指针输入设备(计算机鼠标)等和/或这些装置中的适用于简单操作的任何一者的变型或其组合。
图像处理单元210经由数据接口或数据连接128耦合至X-射线检测系统100的控制单元120。
关于图像处理设备210，应当注意，术语“处理器”可能指的是任何电子单元和/或电路或者电子单元或电路的一部分，其处理来自寄存器和/或来自存储器的电子数据，以将电子数据转化为其它电子数据或产生对应于输入数据的输出数据并且可以储存在寄存器和/或存储器中。如以上所描述的，图像处理单元210可以包括处理器211或多个处理器或处理器核。
图像处理单元210优选地实施为硬件、固件和软件的结合。相应地，于此所描述的方法可以部分或甚至全部由储存在计算机可读介质上的软件装置组成，计算机可读介质可以被读取和执行以在图像处理单元210中被执行。计算机可读或电子可读介质(数据存储设备)可以配置用于任何机制以用于以计算机可以读取的形式进行储存、传送或接收信息。这些设备的非限制性示例包括只读存储器(ROM)、直接存取存储器(RAM)、磁存储盘、光存储介质和闪存存储介质。最后，软件装置还可以以数据流的形式配置，数据流诸如光、声或其它方面(如，载波、红外信号、数字信号等)传送的信号，该信号可以经由相应的接口进行传送，这里的接口诸如能够发送和/或接收这些信号的天线。
图7示出了用于探测边缘图像300中对称线的可能的基本原理，边缘图像300例如可以是图2和图4的边缘图像1b和40b；图7中的描述可以追溯至在开始提到的出版物，Li,Zhang和Kleeman的“Real Time Detection and Segmentation of ReflectionallySymmetric Objects in Digital Images”，2006年的IEEE/RSJ期刊，有关智能机器人和系统的国际会议，2006年10月9-15日，北京，中国。
在图7的描述中，假定存在待检索对称线的边缘图像300。可能的对称线302利用边缘图片元素对304a、304b和306a、306b来确定，边缘图片元素对关于对称线对称。这里为了简单起见，仅提供了边缘图片元素对的两个带附图标记的示例；一对的边缘图片元素的特性为相同附图标记，并且一对的点利用另外的为其设计的小写字母来区别。
作为边缘图像300中的示例描绘的对称线302可以通过其与图像中心点308的距离和通过角度Θ来描述，角度Θ可以相对于诸如垂直的图像边缘310的确定的参考线来定义。
探测对称线的基本原理为以固定角度步骤旋转边缘图像300通过从0至180°(0至π)构成，例如每次1°并然后在所旋转的边缘图像中检索垂直延伸的可能包含在边缘图像中的对称线。边缘图像300的当前旋转角度对应于在相应步骤中所探测的对称线的角度。
为了找到对称线302，例如在图7中右侧所示的，通过逐个对线312进行检索，从左至右针对每一个可能的垂直位置314对边缘图像300进行分析——假定对称线位于位置314——检索匹配相应列位置314中的对称线的边缘图片元素对(302a、302b)、(304a、304b)。以这种方式确定的边缘图片元素对组合为对应每一个列位置的矩阵Rot 316。如果特定列位置314的所有线312已经完成，那么已经在所关联的列位置314匹配了可能的对称线的所有边缘图片元素对可以针对对称线存在于该位置的假定而取得结果值。在图7中，列从图片中心点开始指向x方向(x)。在矩阵Rot 316领域，匹配对称轴302的边缘图片元素对的x坐标以每一个线312标注；该边缘图片元素对对应x值3和1。对于每一个旋转角度Θ，在一个完全通过所有列位置314之后，针对每一个列位置存在结果值，即针对每一个x值。基于穿过列位置x的该频率分布来进行探测可能在边缘图像300中存在的对称线。
前面的段落是简化描述的程序。更详细地，参考上述出版物，其公开的内容——如之前已经描述的——通过引用的方式结合于此。
所提出的避免探测伪对称线的改进的方面将在下面基于图8和图9进行解释。
如已经结合图1至图4基于真实的X-射线图像所论证的，包含在X-射线图像中单独的物项的边缘被探测并且产生了相应的边缘图像1a、40a(图2和图4)。
图8示出了X-射线图像400a的简化描述。
然后，如参照图7进行的示意性解释，可能的对称线确定用于包含在X-射线图像中的具有对称性的物项。如图7所示，这基于边缘图像300的边缘图片元素对(304a、304b)、(306a、306b)进行，边缘图像300的边缘图片元素对(304a、304b)、(306a、306b)参照对称线相互对称定位。
图9示出了属于图8中X-射线图像400a的利用边缘滤波器预处理生成的边缘图像400b。具体仅包含具有对称性的第一物项402和第二物项404。
第一物项具有第一轮廓406并关于第一对称线408对称。此外，第一物项402的左外部边缘部分410a和412a与右外部边缘部分410b和412b对称。第二物项404具有第二轮廓414并关于第二对称线416对称。此外，第二物项404的左外部边缘部分418a和420a与右外部边缘部分418b和420b对称。
由于以上参照图7解释的用于探测对称线算法的工作方式，还将用于探测第三对称线422。X-射线图像400不包含任何与第三对称线422相关的真实物项。因此，对称线422是伪对称线。这种伪对称线可能导致识别出X-射线图像中不正确区域并标记为物项的事实。这是可以避免的。
如以上所解释的，可以在X-射线图像400a中认出外部边缘410a、410b、412a、412b和418a、418b、420a、420b的哪个边是X-射线图像400a的图像区域属于物项402和404中的一者的边。因为X-射线400a基于位于波束路径材料中的X-射线的吸收产生成为透射图像，可能与X-射线图像400a的物项402和404中的一者相关联的图像区域424和426比属于物项402和404的周围环境的图像区域428、430和432更暗。对于每一个边缘或每一个边缘图像元素434、436、438、440，从而基本上可以确定物项相应的边缘的哪个边是物项所在的边。换句话说，可以确定从相应边缘开始的在所关联的物项内的图像区域的方向。换句话说，X-射线图像中单独的边缘的每一者可以与方向相关联。
这在探测对称线408、416时被考虑，以避免探测到伪对称线422。为了达到那个目的，在基于图7所解释的检索边缘图像400b中的对称线中，对于初始假定的对称线边缘，没有考虑那些边缘的图片元素，其中所假定的边缘的对称线位于上述边缘所属的物项的外侧。因而，对称线的检索区域有效地限于位于物项内侧的图片区域。
对于在考虑之中的边缘的两侧上的图片元素，通过比较在X-射线图像中所测量的X-辐射强度，边缘的“正确”侧被识别为属于包含在X-射线图像中的物项。原则上，主要具有较低强度值存在的图片区域424和426——即在X-射线图像400a中是较暗的——与物项402或404的内部相关联。
为了便于处理，对于每一个边缘图片元素434、436、438、440，矢量434v、436v、438v、440v储存在存储器中，定义矢量以从相关联的边缘410a、410b或418a开始，其指向或朝向属于相应边缘的物项402或404。因此，边缘图片元素的坐标与矢量一起构成了特征矢量。
在图8的X-射线图像400a和图9的边缘图像400b中，分别示出了两对(434、436)和(438、440)边缘图片元素。边缘图片元素434和436关于对称线408对称。根据与这些边缘图片元素434、436相关联的方向矢量434v、436v，对称线408位于可以与X-射线图像400a中的物项402相关联的图像区域424中。因而，两个边缘图片元素434、436在确定对称线408时考虑。换句话说，两个边缘图片元素434、436“公认决定(vote)”对称线408。然而，如果考虑了与边缘图片元素438、440相关联的方向矢量438v、440v，那么清楚的是，伪对称线422位于可能不与X-射线图像400a中的任何物项402、404相关联的图像区域430。具体来说，方向矢量438v、430v指向远离伪对称线422。因而，在对称线422中没有考虑两个边缘图片元素438、440。换句话说，两个边缘图片元素438、440没有“公认决定”对称线422。利用这种改进，在图7所描述的方法中伪对称线被给定较低的结果值并且未被识别为对称线。
在探测对称线的算法中，可以特别容易地考虑以上所解释的改进，仅检查其在考虑中与图片元素相关联的方向矢量是指向还是远离对称线。换句话说，对于可能的对称线，所使用的仅边缘图片元素是方向矢量指向考虑中的对称线的元素。
于此所解释的方向矢量并不是必须储存在存储器中来用于每一个单独的边缘图片元素，但是可替代地确定和储存在存储器中以用于单独的边缘部分。对于单独的边缘图片元素，然后利用与边缘的关联产生相应的方向矢量。
利用方向矢量434v、436v、438v、440v，进行的用于探测对称线的算法更具有鲁棒性。因此，结果伪对称线的探测减半。
与伪对称线和计算量有关的用于探测对称线的算法的另一改进通过以下测量获得，该测量可以另外地或可替换地用于以上所描述的改进。在结合图7解释的方法中，边缘图像300以预定的角度范围递增地旋转并对每一个旋转角度Θ，在所旋转的边缘图像300(Θ)中确定可能的垂直的对称线302。为了那个目的——如以上所解释的——基本上针对每一个可能的垂直对称线，确定了旋转的边缘图像300(Θ)的哪对边缘图片元素可以与特定对称线相关联。
在图9中，边缘图像还包含水平延伸的边缘442、444、446、448，该水平延伸的边缘同样关于相应的对称线408、416对称。因而，首先，边缘图片元素对与相应的对称线408、416有关显然是正确的，边缘图片元素对在即将考虑用于确定相应的对称线的边缘442、444、446、448上是可识别的。
然而，已经确定在大多数情况下，在旋转的边缘图像300(Θ)中水平延伸的边缘不属于物项，对于该物项来说在旋转的边缘图像300(Θ)中存在垂直的对称线。换句话说，水平的边缘主要引起旋转的边缘图像300(Θ)中的伪对称线的探测。
因此用于避免伪对称线的探测的算法的改进包括图7中所示的方法包括：对于每一个旋转角度Θ，没有考虑属于在旋转的边缘图像300(Θ)中的与对称线垂直延伸的边缘相应的边缘图片元素，例如图9中的边缘442、444、446、448，不考虑。这防止此类边缘图片元素合并入图7中的矩阵Rot 316并防止增加列的结果值，即“公认决定”并没有实际存在的对称线。这减少了伪对称线。这还减少了算法的计算量。
特别地，作为待检测的项目的瓶子非常经常具有——从几乎每一个查看的方向——主要由直线(即形成直线的边缘区域)组成的轮廓。从实际的观点来看，这可以在实施用于探测对称线的算法时实施，其中对于每一个近似形成直线的边缘，边缘方向矢量被确定并被储存在存储器中，如用于边缘的相关联边缘图片元素。
例如，在图9的边缘图像400b中，在确定对称线408中所考虑的边缘对的仅边缘图片元素是关于对称线408相互对称延伸的元素。因为，例如，边缘410a和410b的边缘方向矢量可以从两个边缘图片元素434和436的方向矢量434v和436v获得，可以对关于对称线408对称的边缘图片元素434和436进行合理性测试。在这个关系中，确定边缘方向矢量甚至不是绝对必要的。相反，检查在考虑中的边缘图片元素的相应方向矢量是否相互互补是足够的，即，两个角度必须相互以180°或360°互补。如果检查示出在考虑中的边缘方向矢量434v和436v相对于对称线408相互对称延伸，那么边缘图片元素434和436在确定对称线408中考虑；否则，边缘图片元素434和436不考虑，即不流入如图7所示的方法的矩阵Rot 316，即，边缘图片元素434和436不允许“公认决定”对称线408。
本方法的目的在于基于相应相关联的对称线408或416在边缘图像400b(图9)中分割具有对称性的例如物项402和404(图8)。为了达到那个目的，为物项402和404(图8)确定相应的轮廓406或414(图8和图9)。轮廓406、414是关于相应对称线408或416对称的外形线。
如图1和图3所示，在多件行李的X-射线图像中，许多物项包含在一片混乱中。因此，单独的物项在X-射线图像中相互重叠，从而X-射线图像中的物项边缘是隐藏的并且不能清楚地识别。
图10示出了简化的X-射线图像500a及图11示出了相关联的边缘图像500b。在X-射线图像500a中，存在相互部分重叠的两个物项501和503。两个物项501和503在图11中用其相应的轮廓505和507示出，并且两个物项501和503的重叠区域509用影线描绘。对于物项501，在图10和图11二者中示出的对称线511已经确定。
根据于此提出的方法的有利改进，两个边缘512a和512b已经确定为关于对称线511对称并且其中在边缘512b存在缺少的边缘图片元素，两个边缘512a和512b基于边缘512a相对于对称线511镜像对称填充。已经填充的边缘512b中的边缘块用附图标记512c标示。由重叠509引起的轮廓505的边缘512b中的缺口因而闭合了。
物项501和物项501的边缘512b与其它物项503部分重叠所在的重叠区域509基于X-射线强度来确定，该X-射线是针对与重叠区域509相关联的图片元素测量的。在X-射线图像500a中的重叠区域中，所测量的X-射线的强度值比在重叠之外的单独的物项501、503的图像区域514、516中低。重叠区域509因此在X-射线图像500a中比非重叠的图像区域514、516暗。
该测量使其可以实现具有对称性的部分隐藏物项501的较好分割。
图12至图14示出了本方法的另一有利改进。在这种情况下，在来自不同的相应照射方向的相同检测对象的至少三个X-射线图像600a、600b、600c中，相应的对称线601a、601b、601c已经被确定用于具有对称性的相同物项，即瓶子603。为了产生X-射线图像600a、600b、600c，例如可以使用从DE 101 49 254 A1已知的类型的X-射线检测系统。
在相应的X-射线图像600a、600b、600c中，还可以分别确定瓶子603的底部611a、611b、611c和瓶子603的颈部613a、613b、613c，以能够将方向与相应的对称线601a、601b、601c关联。这些测量使随后的投影更稳定。
在X-射线图像600a、600b、600c中识别的瓶子603不能基于其所识别的外部边缘来验证，因为X-射线图像600a、600b、600c中的图像区域是不同的。然而，瓶子603可以利用单独的X-射线图像600a、600b、600c中所识别的对称线601a、601b、601c来在3D空间中进行验证。本身所理解的X-射线图像600a、600b、600c的单独的对称线601a、601b、601c不能清楚地在3D空间中确定。每一个对称线601a、601b、601c对应于3D空间中的对应对称平面。在三个不同的X-射线图像600a、600b、600c中所确定的对称线601a、601b、601c是否属于相同的瓶子603可以利用将对称线601a、601b、601c投影至三维(3D)空间来进行检查。如果相同的瓶子603实际上已经在所有X-射线图像600a、600b、600c中被探测，那么理论上在3D空间中的两个分别的对称平面的三个交叉线是一致的。实际上，这些交叉线至少在特定的容差范围内相互邻近并且至少具有相同的方向。如果满足这个条件，那么在X-射线图像600a、600b、600c中所确定的瓶子603和对称线601a、601b、601c计为被验证。
基于在与瓶子603相关联的三个X-射线图像600a、600b、600c中相应分割的图像区域，瓶子603的三维模型已经确定。因为对于各个X-射线图像600a、600b、600c，检测对象所照射的各个方向是已知的，基于3D模型、外部边缘605a、607a；605b、607b；和605c、607c，及瓶子603的相应对称线601a、601b、601c被投影到相应的X-射线图像600a、600b、600c。因而对于X-射线检测系统的操作员来说瓶子603更容易认出。
以特别有利的方式，最初的可视边缘609a、609b和609c分别被投影至相应的X-射线图像600a、600b、600c。那么对于X-射线检测系统的操作员来说，瓶子603甚至更容易认出。
通过将所探测的瓶子603和所探测的对称线601a、601b或601c的相应X-射线图像600a、600b、600c中的边缘投影至三维(3D)空间，可以分别验证瓶子603和所探测的对称线601a、601b和601c。

Claims (10)

1.一种用于基于检测对象（102）的透射图像（1a；40a；400a；500a；600a；600b；600c）探测检测对象（102）内部的具有至少一个对称性的物项（23；53；104；402，404；501；603）的内容的方法，其中所述方法包括以下步骤：
（a）探测包含在透射图像（1a；40a；400a；500a；600a；600b；600c）中的物项的边缘（29，31；59，65；410a，412a，412b，442，446，418a，420a，418b，420b，444，448；512a，512b）以产生边缘图像（1b；40b；400b；500b），其中所述边缘图像（1b；40b；400b；500b）基于与所述透射图像（1a；40a；400a；500a；600a；600b；600c）的单独的图片元素相关联的材料信息产生；以及
（b）通过探测所述边缘图像（1b；40b；400b；500b）的边缘图片元素对来确定包含在所述透射图像（1a；40a；400a；500a；600a；600b；600c）中的具有至少一个对称性的所述物项（23；53；104；402，404；501；603）的对称线（27；61；408，416，511；601a；601b；601c）来探测具有至少一个对称性的所述物项（23；53；104；402，404；501；603），所述边缘图像（1b；40b；400b；500b）的边缘图片元素对位于关于待确定的对称线（27；61；408，416，511；601a；601b；601c）相互对称的位置；
其中在步骤（b）中，在确定所述边缘图像（1b；40b；400b；500b）的所述对称线（27；61；408，416，511；601a；601b；601c）时，仅考虑那些所述透射图像（1a；40a；400a；500a；600a；600b；600c）中所述对称线（27；61；408，416，511；601a；601b；601c）位于所述边缘图片元素所属于的所述物项（23；53；104；402，404；501；603）的所述图像区域中的边缘图片元素；
考虑所述物项的外部材料，推断具有对称性的物项（23；53；104；402，404；501；603）的内容；
其中所述方法在相同检测对象在三个照射方向的至少三个透射图像（600a；600b；600c）中确定具有至少一个对称性的物项（603），
其中所述方法被配置用于在作为检测对象的一件行李中探测作为具有至少一个对称性的所述物项的瓶子，在相应透射图像（600a；600b；600c）中，通过确定瓶子的底部（611a，611b，611c）和所述瓶子的颈部（613a；613b；613c），在相应透射图像（600a；600b；600c）中确定相应的对称线（601a；601b；601c）的方向。
2.根据权利要求1所述的方法，其中所述方法还包括：
基于所述图像区域的不变尺度的特征变换，针对在所述透射图像中所选择的边缘图片元素附近的至少一个图像区域，确定至少一个特征描述符，以及
将所述至少一个特征描述符与参考值进行比较，以验证所选择的边缘图片元素为容器的外部边缘。
3.根据权利要求1所述的方法，其中在步骤（b）中，基于所述透射图像（400a）中单独的图片元素的强度值，确定在考虑之中的边缘（410a，410b，418a）的哪个边是所述透射图像（400a）的图像区域（424，426，430）能够与属于所述边缘（410a，410b，418a）的所述物项（402和404）相关联的边。
4.根据权利要求1所述的方法，其中，在步骤（b）中，垂直于对称线（408，416）延伸的边缘（442，446，444，448）的相应的边缘图片元素未在所述对称线（408，416）的确定中考虑。
5.根据权利要求1所述的方法，其中在步骤（b）中，如果所述边缘图片元素（434，436）的相应的边缘（410a，410b）具有相对于所述对称线（408）的相互以180°或360°互补的边缘角度，边缘图片元素（434，436）仅在所述对称线（408）的确定中考虑。
6.根据权利要求1所述的方法，其中所述方法还包括：
（c）通过确定物项（501）的轮廓（505），在所述边缘图像（500b）中分割具有对称性的所述物项（501）；其中在步骤（c）中，当存在确定为关于对称线（511）对称的两个所确定的边缘（512a，512b）时，如果所述边缘（512a，512b）的缺少的部分（512c）位于所述物项（501）和所述物项（501）的所述边缘（512b）由另一物项（503）部分重叠的重叠区域（509），所述缺少的部分（512c）按照关于所述对称线（511）镜像对称来填充；以及其中所述重叠区域（509）基于所述透射图像（500a）的强度值来确定。
7.根据权利要求1所述的方法，所述方法还包括：
（d）通过至3D空间的投影验证对称线（601a；601b；601c）并相互检测在所述3D空间中的对称平面的交叉线的位置。
8.一种具有电可读控制信号的数据存储设备，该数据存储设备能够与可编程计算机系统交互以使得该计算机系统执行根据权利要求1至7中的一项权利要求的方法。
9.一种用于图像处理的设备（210），该设备（210）具有至少一个处理器（211），该至少一个处理器（211）配置为执行根据权利要求1至7中的一项权利要求所述的基于检测对象的至少一个透射图像（1a；40a；400a；500a；600a；600b；600c）来探测所述检测对象内部的具有对称性的物项（23；53；104；402，404；501；603）的方法。
10.一种X-射线检测系统（100），具有引导通过照射隧道（114）的传输设备（116）和在所述传输设备（116）周围排列的X-射线源（106和108），该X-射线源（106和108）在至少两个不同的照射平面发射X-射线，并且具有定向在这些平面中的每一者中的相应的探测器阵列（110和112），其中所述X-射线检测系统具有—或可操作地耦合至—用于根据权利要求9所述的处理图像的设备（210）。
CN201580026915.2A 2014-03-24 2015-03-24 对象中的物项探测 Active CN106415325B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102014205447.8 2014-03-24
DE102014205447.8A DE102014205447A1 (de) 2014-03-24 2014-03-24 Detektion von Gegenständen in einem Objekt
PCT/EP2015/056259 WO2015144706A1 (de) 2014-03-24 2015-03-24 Detektion von gegenständen in einem objekt

Publications (2)

Publication Number Publication Date
CN106415325A CN106415325A (zh) 2017-02-15
CN106415325B true CN106415325B (zh) 2020-08-28

Family

ID=52706193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580026915.2A Active CN106415325B (zh) 2014-03-24 2015-03-24 对象中的物项探测

Country Status (5)

Country Link
US (1) US10163200B2 (zh)
EP (1) EP3123208B1 (zh)
CN (1) CN106415325B (zh)
DE (1) DE102014205447A1 (zh)
WO (1) WO2015144706A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106560839B (zh) * 2015-09-30 2019-08-27 同方威视技术股份有限公司 瓶子的检测方法及装置
CN106885813B (zh) 2015-12-16 2019-06-07 清华大学 检查货物的方法、系统和装置
CN107958435A (zh) * 2016-10-17 2018-04-24 同方威视技术股份有限公司 安检系统及配置安检设备的方法
CN107146301A (zh) * 2017-03-21 2017-09-08 厦门腾星达电子科技有限公司 一种智能自助值机及行李托运检视设备及系统
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
CN111612020B (zh) * 2019-02-22 2024-04-26 杭州海康威视数字技术股份有限公司 一种异常被检物的定位方法以及安检分析设备、系统
CN111833364A (zh) * 2019-04-19 2020-10-27 湖北民族大学 X光图像边缘检测方法、装置、计算机设备和存储介质
US11885752B2 (en) 2021-06-30 2024-01-30 Rapiscan Holdings, Inc. Calibration method and device therefor
CN115471560B (zh) * 2022-11-11 2023-02-14 成都智元汇信息技术股份有限公司 一种基于主视角和侧视角的切图方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6088423A (en) * 1998-06-05 2000-07-11 Vivid Technologies, Inc. Multiview x-ray based system for detecting contraband such as in baggage
US6711293B1 (en) * 1999-03-08 2004-03-23 The University Of British Columbia Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image
CN1564938A (zh) * 2001-10-05 2005-01-12 史密斯海曼有限公司 利用电磁射线检测目标物中特定物质的方法和装置
US20050123217A1 (en) * 2003-10-06 2005-06-09 Yxlon International Security Gmbh, Incorporation Method for determining the change in position of an item of luggage in order to examine a suspect region in this item of luggage
US20060182218A1 (en) * 2003-06-27 2006-08-17 Jigang An Gamma radiation imaging system for non-destructive inspection of the luggage
WO2008149357A2 (en) * 2007-06-04 2008-12-11 Siemens Computer Aided Diagnosis Ltd. Identifying ribs in lung x-rays
US20120275646A1 (en) * 2009-07-31 2012-11-01 Optosecurity Inc. Method, apparatus and system for determining if a piece of luggage contains a liquid product
CN102870138A (zh) * 2010-03-15 2013-01-09 美国亚德诺半导体公司 用于二阶导数边缘检测方法的边缘取向
CN102928448A (zh) * 2012-10-30 2013-02-13 公安部第一研究所 通道式四视角x射线液态物品安全检查方法及检查装置
EP2696196A1 (en) * 2008-09-05 2014-02-12 Optosecurity Inc. Method and system for performing X-ray inspection of a liquid product at a security checkpoint

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI304187B (en) * 2006-01-03 2008-12-11 Realtek Semiconductor Corp Method and apparatus for image edge detection
US9690979B2 (en) * 2006-03-12 2017-06-27 Google Inc. Techniques for enabling or establishing the use of face recognition algorithms
WO2008034232A1 (en) * 2006-09-18 2008-03-27 Optosecurity Inc. Method and apparatus for assessing characteristics of liquids
JP5401344B2 (ja) * 2010-01-28 2014-01-29 日立オートモティブシステムズ株式会社 車両用外界認識装置
TWI410880B (zh) * 2010-03-29 2013-10-01 Anmo Electronics Corp 與數位影像分析相關的電腦程式產品

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6088423A (en) * 1998-06-05 2000-07-11 Vivid Technologies, Inc. Multiview x-ray based system for detecting contraband such as in baggage
US6711293B1 (en) * 1999-03-08 2004-03-23 The University Of British Columbia Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image
CN1564938A (zh) * 2001-10-05 2005-01-12 史密斯海曼有限公司 利用电磁射线检测目标物中特定物质的方法和装置
US20060182218A1 (en) * 2003-06-27 2006-08-17 Jigang An Gamma radiation imaging system for non-destructive inspection of the luggage
US20050123217A1 (en) * 2003-10-06 2005-06-09 Yxlon International Security Gmbh, Incorporation Method for determining the change in position of an item of luggage in order to examine a suspect region in this item of luggage
WO2008149357A2 (en) * 2007-06-04 2008-12-11 Siemens Computer Aided Diagnosis Ltd. Identifying ribs in lung x-rays
EP2696196A1 (en) * 2008-09-05 2014-02-12 Optosecurity Inc. Method and system for performing X-ray inspection of a liquid product at a security checkpoint
US20120275646A1 (en) * 2009-07-31 2012-11-01 Optosecurity Inc. Method, apparatus and system for determining if a piece of luggage contains a liquid product
CN102870138A (zh) * 2010-03-15 2013-01-09 美国亚德诺半导体公司 用于二阶导数边缘检测方法的边缘取向
CN102928448A (zh) * 2012-10-30 2013-02-13 公安部第一研究所 通道式四视角x射线液态物品安全检查方法及检查装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Wai Ho Li，et al..Real Time Detection and Segmentation of Reflectionally Symmetric Objects in Digital Images.《IEEE》.2006,第4867-4873页. *

Also Published As

Publication number Publication date
EP3123208B1 (de) 2020-09-16
WO2015144706A1 (de) 2015-10-01
DE102014205447A1 (de) 2015-09-24
CN106415325A (zh) 2017-02-15
EP3123208A1 (de) 2017-02-01
US20170103513A1 (en) 2017-04-13
US10163200B2 (en) 2018-12-25

Similar Documents

Publication Publication Date Title
CN106415325B (zh) 对象中的物项探测
JP7476194B2 (ja) 画像処理のためのシステムおよび方法
US8116428B2 (en) Method and apparatus for assessing characteristics of liquids
US7945105B1 (en) Automated target shape detection for vehicle muon tomography
US9772426B2 (en) Systems and methods for automated, rapid detection of high-atomic-number materials
US7738687B2 (en) Method of registration in a contraband detection system
KR102063859B1 (ko) Ai 및 딥러닝 기반의 공항 보안 검색 시스템 및 방법
CN108303747A (zh) 检查设备和检测枪支的方法
WO2004072685A1 (en) Method and device for examining an object
US20110186739A1 (en) Mobile tomographic cargo inspection system
CN105372713B (zh) X射线衍射成像系统及操作其的方法
KR102045079B1 (ko) 테라헤르츠파를 이용한 검사 장치
KR102325017B1 (ko) 딥러닝 기반의 화물 식별 모델을 이용한 화물 식별 장치 및 방법
Shutko et al. Two-Dimensional Spectral Detector for Baggage Inspection X-Ray System
Kehl et al. Distinguishing malicious fluids in luggage via multi-spectral CT reconstructions
Lafiosca et al. Automatic Segmentation of Aircraft Dents in Point Clouds (SAE Paper 2022-01-0022)

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant