CN106780447A - 一种智能选择图像增强方法 - Google Patents
一种智能选择图像增强方法 Download PDFInfo
- Publication number
- CN106780447A CN106780447A CN201611102621.6A CN201611102621A CN106780447A CN 106780447 A CN106780447 A CN 106780447A CN 201611102621 A CN201611102621 A CN 201611102621A CN 106780447 A CN106780447 A CN 106780447A
- Authority
- CN
- China
- Prior art keywords
- image
- priority
- pri
- enchancing method
- degree
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000005855 radiation Effects 0.000 claims abstract description 38
- 239000000463 material Substances 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 230000002708 enhancing effect Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 239000005416 organic matter Substances 0.000 claims description 9
- 230000035515 penetration Effects 0.000 claims description 8
- 239000007769 metal material Substances 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011378 penetrating method Methods 0.000 description 2
- 238000003339 best practice Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种智能选择图像增强方法，首先分析对同一屏幕上多幅图像处理的先后顺序，进而得到屏幕上不同位置图像处理的优先级，然后根据使用频繁程度对各个图像增强方法进行排序，进而获得各类图像增强方法的使用优先级，根据辐射图像中的物质材料信息、像素信息，得到各个图像增强方法的优先级，最后计算得到各个图像增强方法的优选级函数，根据屏幕上不同位置图像处理的优先级、每种图像增强算法的优先级函数，生成得到同一屏幕上多幅图像的处理顺序及对应的图像增强方法。
Description
技术领域
本发明涉及辐射成像技术领域，特别是一种智能选择图像增强方法。
背景技术
X射线辐射成像技术是各国广泛使用的安检系统中的主流技术，尤其是在机场、车站、海关、码头、展览会馆等公共场所，都采用了X射线安检机对旅客行李物品、货物集装箱等进行严格检查。
辐射成像以射线(如X射线)的透射衰减原理为基础。通常的辐射成像安检系统包括布置在被检测物的一侧的射线源，用于照射被检测物。布置在被检测物另一侧的射线采集装置接收透过被检测物的射线，射线源和射线采集装置的位置相对静止，由传送系统将被检物体移动通过安检系统完成扫描。将射线采集装置接收到的衰减射线数据输出给成像装置，用以识别并合成图像显示出来，然而图像在存储和传输的过程中，如果受到某种程度的破坏和各种各样的噪声污染，则会导致导致图像的品质下降，干扰图检员的判断标准的执行，增加检测结果的不确定性，这样极易导致安检系统起不到应有的安全检查作用。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种智能选择图像增强方法，通过分析辐射图像的特征信息，根据各类图像增强方法的优缺点和适用范围，结合安检员操作习惯等相关信息智能地推荐安检员使用最优的图像增强方法。
本发明的技术解决方案是：一种智能选择图像增强方法，包括如下步骤：
(1)分析对同一屏幕上多幅图像处理的先后顺序，进而得到屏幕上不同位置图像处理的优先级；
(2)根据使用频繁程度对各个图像增强方法进行排序，进而获得各类图像增强方法的使用优先级pri1(j)。
(3)根据辐射图像中的物质材料信息、像素信息，得到各个图像增强方法的优先级pri2(j)，其中，物质材料信息为不同被检测物体在辐射图像中的颜色类别、颜色深浅，像素信息为相同颜色类别、颜色深浅的区域；
(4)计算得到各个图像增强方法的优选级函数pri(j)为
pri(j)＝pri1(j)*ω1(j)+pri2(j)*ω2(j)
其中，pri1(j)表示根据使用频繁程度得到的对图像增强方法j的优先程度，pri2(j)表示根据物质材料信息、像素信息得到的对图像增强方法j的优先程度，ω1(j)表示优先程度pri1(j)的权重，ω2(j)表示优先程度pri2(j)的权重；
(5)根据步骤(1)得到屏幕上不同位置图像处理的优先级、步骤(4)得到的每种图像增强算法的优先级函数pri(j)，生成得到同一屏幕上多幅图像的处理顺序及对应的图像增强方法，进而得到图像增强方法处理后的图像。
所述的根据辐射图像中的物质材料信息、像素信息，得到各个图像增强方法的优先级pri2(j)的方法包括如下步骤：
(1)设定金属材料占被检物体比例的阈值σd，有机物连通区域的阈值Sd，未穿透区域的面积阈值δd，然后根据被检物体的辐射图像结合物质分类表求出当前金属材料占被检物体比例σ，有机物连通区域的面积S，未穿透区域的面积δ；
(2)当金属占比σ大于阈值σd或者未穿透区域面积δ大于阈值δd时，将高能穿透图像增强方法的优先级设为最高级，当有机物的连通区域的面积S大于阈值Sd时，将低能穿透图像增强方法的优先级设为最高级；
(3)将被检物体的辐射图像中包括像素个数大于20的灰度级视为有效灰度级，进而得到有效灰度级中的最大灰度级kmax和最小灰度级kmin；
(4)获取阈值kd，当kmax-kmin小于阈值kd时，将自动色阶图像增强方法优先级设为最高级，当kmax-kmin大于阈值kd时，将基于直方图均衡化的图像增强方法的优先级设为最高级；
(5)当被检物体的辐射图像中黑色面积最大，或者需要增强被检物体的辐射图像中暗色区域的白色或灰色时，将图像反色方法的优先级设为最高级；
(6)当需要突出被检物体的辐射图像中的边缘信息或者增强模糊信息时，将Laplacian锐化滤波器或LOG算子锐化滤波器算法的优先级设为最高级；
(7)当被检物体的辐射图像终端的光照不均匀时，将高斯型同态滤波算法、巴特沃斯型同态滤波算法、指数型同态滤波算法的优先级设为最高级。
所述的ω1(j)的取值范围为0.2～0.3，ω2(j)的取值范围为0.7～0.8，且ω1(j)+ω2(j)＝1。
所述的最高级为0.9。
本发明与现有技术相比的优点在于：
本发明通过分析图像的特征信息和安检员的操作习惯，结合各类图像增强方法的优缺点和局限性自动选择最优方法，能够获得最佳的增强效果，具有很好的使用价值。
附图说明
图1为本发明一种智能选择图像增强方法流程图。
具体实施方式
本发明针对现有技术的不足，提出一种智能选择X射线辐射图像增强的方法，通过分析辐射图像的特征信息，根据各类图像增强方法的优缺点和适用范围，结合安检员操作习惯等相关信息，智能地推荐安检员使用最优的图像增强方法，辅助安检员减少操作步骤，降低了安检员的工作量。同时该方法处理速度快、算法简单、稳定可靠，可以在实时系统中获得最佳的增强效果图像。下面通过实施例并结合附图，对本发明的技术方案作进一步具体的说明。实施例1
如图1所示，本发明提供了一种智能选择X射线辐射图像增强的方法，包括：分析安检员的操作习惯；分析辐射图像的特征信息与各类图像增强算法的适用范围；选择最优的图像增强方法。
每个步骤具体如下：
步骤1：分析安检员操作习惯:
①分析安检员对同一屏幕上多幅图像处理的先后顺序，选定多幅图像处理的优先级别。
②根据安检员的使用常见图像增强方法的频繁程度排序，分别获得各类图像增强方法使用的优先级pri1(j)。
步骤2：分析辐射图像的特征信息，包括但不限于物质材料信息、像素信息等，根据当前物质材料信息、像素信息选择适用的图像增强方法，分别获得各类图像增强方法使用的优先级pri2(j)，其中，物质材料信息为不同被检测物体在辐射图像中的颜色类别、深浅；像素信息为相同颜色类别、深浅的区域。
①分析辐射图像的物质材料信息：
设定金属材料占被检物体比例的阈值σd，有机物的连通区域的阈值Sd，未穿透区域的面积阈值δd。根据被检物体的辐射图像结合物质分类表求出当前金属材料占被检物体比例σ，有机物的连通区域的面积S，未穿透区域的面积δ。
当金属占比σ大于阈值σd或者未穿透区域面积δ大于阈值δd时，采用高能穿透方法能够有效地拉伸辐射图像暗部区域的灰度级分布，因而将高能穿透图像增强方法的优先级设为最高(如0.9)。当有机物的连通区域的面积S大于阈值Sd，采用低能穿透方法能够有效地拉伸辐射图像亮部区域的灰度级分布，因而将低能穿透图像增强方法的优先级设为最高(如0.9)。
②分析辐射图像的像素信息：
根据图像的灰度级范围分为低对比度图像和高对比图象。设定阈值kd，灰度级包括的像素个数大于20的灰度级视为有效灰度级，筛选得出有效灰度级中的最大灰度级kmax和最小灰度级kmin。
当kmax-kmin小于阈值kd时，视为低对比度图像，采用自动色阶增强方法可以在保留原图像的灰度层次的前提下，扩大灰度级范围增强对比度，因而将自动色阶图像增强方法优先级设为最高(如0.9)。设k为原图像的灰度级，增强图像的灰度值映射函数如下：
当kmax-kmin大于阈值kd时，视为高对比度图像，将基于直方图均衡化的优先级设为最高(如0.9)。设图像的像素总数为n，图像中出现灰度级k的次数是nk，灰度级总数目为l，直方图均衡化的映射函数如下：
③分析辐射图像的灰度信息：
当射线图像中黑色面积占主导地位，或者需要增强嵌入于图像暗色区域的白色或灰色细节时，采用图像反色增强算法，通过倒转图像的灰度产生对等图像。因而将图像反色方法优先级设为最高(如0.9)。
④分析辐射图像的边缘信息
当需要突出辐射图像中的边缘信息或者增强被模糊了的细节时，我们可以将Laplacian锐化滤波器或LOG算子锐化滤波器算法的优先级设为最高(如0.9)。
⑤分析辐射图像的光照信息
当辐射图像终端的光照不均匀时，同态滤波方法能够利用图像的光照特性，通过对照射分量和反射分量的操作，减少光照不均匀对图像产生的影响。因此，我们可以将高斯型同态滤波、巴特沃斯型同态滤波和指数型同态滤波等同态滤波器算法的优先级设为最高(如0.9)。
步骤4：根据各类图像增强方法的优缺点和适用范围，结合安检员操作习惯，图像内容的特征信息等相关信息，智能地推荐安检员使用最优的图像增强方法，优选级函数如下：
pri(j)＝pri1(j)*ω1(j)+pri2(j)*ω2(j) (3)
其中，pri1(j)表示安检员对于不同的图像增强方法j使用喜好优先程度；pri2(j)表示图像特征信息对于不同图像增强方法j需求的优先程度，ω1(j)、ω2(j)分别表示上述优先级pri1(j)、pri2(j)的权重，其中ω1(j)的取值范围为0.2～0.3，ω2(j)的取值范围为0.7～0.8，且ω1(j)+ω2(j)＝1。
步骤5：重复步骤(1)到步骤(4)，根据辐射图像得到每种图像增强算法的优先级函数pri(j)，将pri(j)中的最大值对应的增强算法作为最终选择的图像增强算法。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (4)
1.一种智能选择图像增强方法，其特征在于包括如下步骤：
(1)分析对同一屏幕上多幅图像处理的先后顺序，进而得到屏幕上不同位置图像处理的优先级；
(2)根据使用频繁程度对各个图像增强方法进行排序，进而获得各类图像增强方法的使用优先级pri1(j)。
(3)根据辐射图像中的物质材料信息、像素信息，得到各个图像增强方法的优先级pri2(j)，其中，物质材料信息为不同被检测物体在辐射图像中的颜色类别、颜色深浅，像素信息为相同颜色类别、颜色深浅的区域；
(4)计算得到各个图像增强方法的优选级函数pri(j)为
pri(j)＝pri1(j)*ω1(j)+pri2(j)*ω2(j)
其中，pri1(j)表示根据使用频繁程度得到的对图像增强方法j的优先程度，pri2(j)表示根据物质材料信息、像素信息得到的对图像增强方法j的优先程度，ω1(j)表示优先程度pri1(j)的权重，ω2(j)表示优先程度pri2(j)的权重；
(5)根据步骤(1)得到屏幕上不同位置图像处理的优先级、步骤(4)得到的每种图像增强算法的优先级函数pri(j)，生成得到同一屏幕上多幅图像的处理顺序及对应的图像增强方法，进而得到图像增强方法处理后的图像。
2.根据权利要求1所述的一种智能选择图像增强方法，其特征在于：所述的根据辐射图像中的物质材料信息、像素信息，得到各个图像增强方法的优先级pri2(j)的方法包括如下步骤：
(1)设定金属材料占被检物体比例的阈值σd，有机物连通区域的阈值Sd，未穿透区域的面积阈值δd，然后根据被检物体的辐射图像结合物质分类表求出当前金属材料占被检物体比例σ，有机物连通区域的面积S，未穿透区域的面积δ；
(2)当金属占比σ大于阈值σd或者未穿透区域面积δ大于阈值δd时，将高能穿透图像增强方法的优先级设为最高级，当有机物的连通区域的面积S大于阈值Sd时，将低能穿透图像增强方法的优先级设为最高级；
(3)将被检物体的辐射图像中包括像素个数大于20的灰度级视为有效灰度级，进而得到有效灰度级中的最大灰度级kmax和最小灰度级kmin；
(4)获取阈值kd，当kmax-kmin小于阈值kd时，将自动色阶图像增强方法优先级设为最高级，当kmax-kmin大于阈值kd时，将基于直方图均衡化的图像增强方法的优先级设为最高级；
(5)当被检物体的辐射图像中黑色面积最大，或者需要增强被检物体的辐射图像中暗色区域的白色或灰色时，将图像反色方法的优先级设为最高级；
(6)当需要突出被检物体的辐射图像中的边缘信息或者增强模糊信息时，将Laplacian锐化滤波器或LOG算子锐化滤波器算法的优先级设为最高级；
(7)当被检物体的辐射图像终端的光照不均匀时，将高斯型同态滤波算法、巴特沃斯型同态滤波算法、指数型同态滤波算法的优先级设为最高级。
3.根据权利要求1或2所述的一种智能选择图像增强方法，其特征在于：所述的ω1(j)的取值范围为0.2～0.3，ω2(j)的取值范围为0.7～0.8，且ω1(j)+ω2(j)＝1。
4.根据权利要求2所述的一种智能选择图像增强方法，其特征在于：所述的最高级为0.9。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611102621.6A CN106780447B (zh) | 2016-12-02 | 2016-12-02 | 一种智能选择图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611102621.6A CN106780447B (zh) | 2016-12-02 | 2016-12-02 | 一种智能选择图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106780447A true CN106780447A (zh) | 2017-05-31 |
| CN106780447B CN106780447B (zh) | 2019-07-16 |
Family
ID=58884336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611102621.6A Active CN106780447B (zh) | 2016-12-02 | 2016-12-02 | 一种智能选择图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106780447B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978794A (zh) * | 2019-03-29 | 2019-07-05 | 中山爱瑞科技有限公司 | 一种乳腺双能图像的处理方法和系统 |
| CN111640111A (zh) * | 2020-06-10 | 2020-09-08 | 詹俊鲲 | 医学图像处理方法、装置及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060222255A1 (en) * | 2005-03-29 | 2006-10-05 | Megachips Lsi Solutions Inc. | Image enhancement device |
| CN102567960A (zh) * | 2010-12-31 | 2012-07-11 | 同方威视技术股份有限公司 | 一种用于安全检查系统的图像增强方法 |
| CN104299196A (zh) * | 2014-10-11 | 2015-01-21 | 京东方科技集团股份有限公司 | 一种图像处理装置及方法、显示设备 |
-
2016
- 2016-12-02 CN CN201611102621.6A patent/CN106780447B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060222255A1 (en) * | 2005-03-29 | 2006-10-05 | Megachips Lsi Solutions Inc. | Image enhancement device |
| CN102567960A (zh) * | 2010-12-31 | 2012-07-11 | 同方威视技术股份有限公司 | 一种用于安全检查系统的图像增强方法 |
| CN104299196A (zh) * | 2014-10-11 | 2015-01-21 | 京东方科技集团股份有限公司 | 一种图像处理装置及方法、显示设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978794A (zh) * | 2019-03-29 | 2019-07-05 | 中山爱瑞科技有限公司 | 一种乳腺双能图像的处理方法和系统 |
| CN111640111A (zh) * | 2020-06-10 | 2020-09-08 | 詹俊鲲 | 医学图像处理方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106780447B (zh) | 2019-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Negi et al. | A hybrid approach to image enhancement using contrast stretching on image sharpening and the analysis of various cases arising using histogram | |
| Ghani et al. | Underwater image quality enhancement through integrated color model with Rayleigh distribution | |
| CN106570836A (zh) | 一种辐射图像局部增强方法 | |
| CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
| EP2235678B1 (en) | Edge detection | |
| CN100594516C (zh) | 一种x射线图像边缘和对比度综合增强方法 | |
| US20060291742A1 (en) | Method and apparatus for enhancing image acquired by radiographic system | |
| US11295417B2 (en) | Enhancing the legibility of images using monochromatic light sources | |
| CN105488763B (zh) | 一种适用于水下激光距离选通图像的图像增强方法 | |
| CN103996168B (zh) | 一种基于区域自适应处理的x射线安全检查图像增强方法 | |
| CN110021031A (zh) | 一种基于图像金字塔的x射线图像增强方法 | |
| Salihah et al. | Colour image enhancement techniques for acute leukaemia blood cell morphological features | |
| CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
| Wang et al. | An adaptive correction algorithm for non-uniform illumination panoramic images based on the improved bilateral gamma function | |
| CN106780447B (zh) | 一种智能选择图像增强方法 | |
| Yahaghi et al. | Interlaced bilateral filtering and wavelet thresholding for flaw detection in the radiography of weldments | |
| Anjana et al. | Color image enhancement using edge based histogram equalization | |
| Yan et al. | Highly dynamic X-ray image enhancement based on generative adversarial network | |
| Movafeghi et al. | Using nonlocal operators for measuring dimensions of defects in radiograph of welded objects | |
| Mamatha et al. | Performance analysis of various filters for De-noising of Handwritten Kannada documents | |
| Sharma et al. | Contrast Enhancement and Noise Reduction of chest X-ray images | |
| Dong | Research and application of image enhancement technology in traffic scene of fog and haze | |
| He et al. | Advanced processing methodologies improve neutron radiograph image quality | |
| Pardhi et al. | Enhancement of nighttime image visibility using wavelet fusion of equalized color channels and luminance with Kekre’s LUV color space | |
| Dmitruk et al. | Method for filling and sharpening false colour layers of dual energy x-ray images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |