DE102022207748A1 - Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse - Google Patents

Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse Download PDF

Info

Publication number
DE102022207748A1
DE102022207748A1 DE102022207748.2A DE102022207748A DE102022207748A1 DE 102022207748 A1 DE102022207748 A1 DE 102022207748A1 DE 102022207748 A DE102022207748 A DE 102022207748A DE 102022207748 A1 DE102022207748 A1 DE 102022207748A1
Authority
DE
Germany
Prior art keywords
voxel
segmentation method
luggage
segment
voxels
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.)
Pending
Application number
DE102022207748.2A
Other languages
English (en)
Inventor
Stephan Rein
Jens-Peter Schlomka
Gabriel Zienert
Holger Fleckenstein
Daniel Hirschmeier
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 Detection Germany GmbH
Original Assignee
Smiths Detection Germany 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 Detection Germany GmbH filed Critical Smiths Detection Germany GmbH
Priority to DE102022207748.2A priority Critical patent/DE102022207748A1/de
Priority to PCT/EP2023/070892 priority patent/WO2024023248A1/de
Publication of DE102022207748A1 publication Critical patent/DE102022207748A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G01N23/20—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 using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/20083—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 using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials by using a combination of at least two measurements at least one being a transmission measurement and one a scatter measurement
    • 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
    • G01N23/20—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 using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/2055—Analysing diffraction patterns
    • 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
    • G01V5/222—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays measuring scattered radiation
    • 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
    • G01V5/226—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays using tomography
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/639—Specific applications or type of materials material in a container
    • 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
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/643—Specific applications or type of materials object on conveyor
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20156—Automatic seed setting
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Quality & Reliability (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Segmentierungsverfahren für eine Abgrenzung von Objekten (O) als Segmente (S) in einem Gepäckstück (G) bei einer Röntgen-Diffraktionsanalyse, aufweisend die folgenden Schritte:- Erfassen von Impulsübertragungsfunktionen (20) für eine Vielzahl von Voxeln (30) des Gepäckstücks (G),- Vergleich der erfassten Impulsübertragungsfunktionen (20) mit wenigstens einer vorgegebenen Material-Funktion (40) und Erzeugung eines Ähnlichkeitswertes (50) als Vergleichsergebnis,- Auswahl von wenigstens einem Voxel (30) als Startvoxel (32) auf Basis der Ähnlichkeitswerte (50),- Erzeugen wenigstens eines Voxel-Clusters (34) ausgehend von dem wenigstens einen ausgewählten Startvoxel (32) mit einem Kombinationsverfahren, aufweisend die folgenden Schrittee) Kombination des Startvoxels (32) mit Nachbarvoxeln (33) jeweils in allen Raumrichtungen,f) Bestimmen des Ähnlichkeitwertes (50) mit der wenigstens eines Material-Funktion (40) für jede dieser Kombinationen,g) Hinzufügen derjenigen Nachbarvoxel (33) zum Voxel-Cluster (34), welche eine Verbesserung des Ähnlichkeitwertes (50) erzeugen,h) Wiederholen der Schritte a) bis c) bis zu einem Abbruchkriterium (60),- Kombinieren von überlappenden Voxel-Clustern (34) zu wenigstens einem Segment (S) unter Berücksichtigung einer Steigerung des Ähnlichkeitwertes (50) durch die Kombination.

Description

  • Die vorliegende Erfindung betrifft ein Segmentierungsverfahren für eine Abgrenzung von Objekten als Segmente in einem Gepäckstück bei einer Röntgen-Diffraktionsanalyse sowie ein Computerprogrammprodukt zur Durchführung eines solchen Segmentierungsverfahrens.
  • Es ist bekannt, dass in sicherheitsrelevanten Umgebungen, beispielsweise an einem Flughafen, Gepäckstücke hinsichtlich des Vorhandenseins von unerlaubten oder gefährlichen Objekten überprüft werden sollen. Beispielsweise handelt es sich dabei um illegale Materialien wie Drogen, Bargeld oder ähnliche Objekte. Auch ist es bekannt, dass gefährliche Objekte, beispielsweise Objekte, welche aus einem Sprengstoffmaterial bestehen oder ein solches Material aufweisen, sicher erkannt werden sollen. Um diese Aufgabe zu lösen, sind zum Beispiel an Flughäfen sogenannte Transmissionsscanner für das Aufgabegepäck im Einsatz, welche mithilfe von Röntgentransmission oder als Computertomografen (CT) einen Transmissionsscan der Gepäckstücke durchführen können.
  • Bei diesen Transmissionsverfahren ist es jedoch nachteilhaft, dass Informationen über das gefundene Material nur in sehr geringem Ausmaß extrahiert werden können. Vielmehr wird bei dieser Transmissionsüberprüfung im Wesentlichen eine Überprüfung hinsichtlich relevanter oder als gefährlich definierter Formen durchgeführt. Materialinformationen sind nur in relativ ungenauer Weise, beispielsweise durch einen Hinweis auf eine Materialdichte oder die effektive Kernladung durch diese Transmissionsverfahren erhältlich.
  • Um nun sicherzustellen, dass im Falle eines Objektes, welches als Alarmobjekt durch die Transmissionsüberprüfung klassifiziert wird, dieses nicht in unnötiger Weise aus einem Gepäckfördersystem für eine zeitaufwendige manuelle Überprüfung ausgesondert werden muss, sind in Flughäfen häufig zusätzlich in einem zweistufigen Prozess weitere Scanvorrichtungen vorgesehen. Eine Möglichkeit hierfür sind Beugungsscanner, welche eine Röntgen-Diffraktionsanalyse durchführen können. Hier wird nicht mehr die Transmission, sondern die gebeugte Röntgen-Strahlung bestimmt und daraus eine Ableitung über die spezifischen Materialien einzelner Objekte im Gepäckstück möglich. Der Nachteil der Röntgen-Diffraktionsanalyse ist es, dass sie zwar mit sehr hoher Genauigkeit materialspezifische Aussagen treffen kann, dies jedoch nur dann möglich ist, wenn der Scanvorgang verhältnismäßig langsam durchgeführt wird, um eine hohe Menge an Photonen bei der Beugungsanalyse zur Verfügung zu haben. Dies widerspricht jedoch dem üblicherweise geforderten hohen Durchsatz von zu überprüfenden Gepäckstücken in einem sicherheitsrelevanten Bereich, zum Beispiel einem Flughafen. Daher wird bei den bekannten Lösungen bei einer Röntgen-Diffraktionsanalyse ein Kompromiss versucht, zwischen einem möglichst schnellen Scannen und einer möglichst genauen materialspezifischen Auswertung. Je schneller ein Scan bei einer Röntgen-Diffraktionsanalyse erfolgt, desto weniger Photonen sind in den einzelnen Voxeln enthalten. Dadurch wird die Aussagekraft auf Ebene der einzelnen Voxel häufig so weit reduziert, dass keine vernünftige Segmentierung mehr möglich ist. In einigen Fällen wird daher versucht, aus den 4-dimensionalen Daten einen 3-dimensionalen Datensatz zu extrahieren, sodass eine grundsätzliche Auswertbarkeit gegeben ist, wobei jedoch durch diese Transformation Daten aus dem 4-dimensionalen Datensatz verloren gehen. In der nach der Segmentierung folgenden Klassifizierung kann dies zu schlechteren Ergebnissen und damit zur einer erhöhten Fehlarmrate führen. Es ist daher die Aufgabe der vorliegenden Erfindung, die voranstehend beschriebenen Nachteile zumindest teilweise zu beheben. Insbesondere ist es Aufgabe der vorliegenden Erfindung, in kostengünstiger und einfacher Weise eine möglichst genaue Abgrenzung von Objekten in einem Gepäckstück zu erhalten.
  • Die voranstehende Aufgabe wird gelöst, durch ein Segmentierungsverfahren mit den Merkmalen des Anspruchs 1 und ein Computerprogrammprodukt mit den Merkmalen des Anspruchs 14. Weitere Merkmale und Details der Erfindung ergeben sich aus den Unteransprüchen, der Beschreibung und den Zeichnungen. Dabei gelten Merkmale und Details, die im Zusammenhang mit dem erfindungsgemäßen Segmentierungsverfahren beschrieben sind, selbstverständlich auch im Zusammenhang mit dem erfindungsgemäßen Computerprogrammprodukt und jeweils umgekehrt, sodass bezüglich der Offenbarung zu den einzelnen Erfindungsaspekten stets wechselseitig Bezug genommen wird beziehungsweise werden kann.
  • Erfindungsgemäß wird ein Segmentierungsverfahren vorgeschlagen, für eine Abgrenzung von Objekten als Segmente in einem Gepäckstück bei einer Röntgen-Diffraktionsanalyse, aufweisend die folgenden Schritte:
    • - Erfassen von Impulsübertragungsfunktionen für eine Vielzahl von Voxeln des Gepäckstücks,
    • - Vergleich der erfassten Impulsübertragungsfunktionen mit wenigstens einer vorgegebenen Material-Funktion und Erzeugung eines Ähnlichkeitswertes als Vergleichsergebnis,
    • - Auswahl von wenigstens einem Voxel als Startvoxel auf Basis der Ähnlichkeitswerte,
    • - Erzeugen wenigstens eines Voxel-Clusters ausgehend von dem wenigstens einen ausgewählten Startvoxel mit einem Kombinationsverfahren, aufweisend die folgenden Schritte:
      1. a) Kombination des Startvoxels mit Nachbarvoxeln, jeweils in allen Raumrichtungen,
      2. b) Bestimmen des Ähnlichkeitswertes mit der wenigstens einen Material-Funktion für jede dieser Kombinationen,
      3. c) Hinzufügen derjenigen Nachbarvoxel zum Voxel-Cluster, welche eine Verbesserung und/oder Beibehaltung des Ähnlichkeitswertes erzeugen,
      4. d) Wiederholen der Schritte a bis c bis zu einem Abbruchkriterium,
    • - Kombinieren von überlappenden Voxel-Clustern zu wenigstens einem Segment unter Berücksichtigung einer Steigerung des Ähnlichkeitswertes durch die Kombination.
  • Der erfindungsgemäße Kerngedanke beruht nun darauf, für eine Segmentierung alle Daten, insbesondere in einem 4-dimensionalen Datensatz, auszunutzen und trotzdem auch bei geringer Photonenanzahl mit hoher Genauigkeit eine Segmentierung in materialspezifischer Weise durchzuführen. Dies wird dadurch ermöglicht, dass entgegen der bekannten Lösungen keine Reduktion in einen 3-dimensionalen Datensatz erfolgt, sondern die Segmentierung direkt an den erhalten Daten aus der Diffraktionsanalyse erfolgt. Um den Mangel an Photonen in den einzelnen Voxeln auszugleichen erfolgt eine gezielte Kombination einzelner Voxel, so dass die dadurch erzeugten Voxel-Cluster im Vergleich zu einzelnen Voxeln auf einer größeren Photonenzahl basieren und dementsprechend auch ein genaueres Segmentieren erlauben. Gleichzeitig bleibt bei diesen Schritten der Informationsgehalt der 4-dimensionalen Daten erhalten. Die erfindungsgemäße Ausgestaltung beruht auf dem Kerngedanken, dass eine Impulsübertragungsfunktion spezifisch für ein jeweiliges Material ist. Die Impulsübertragungsfunktion wird für vorzugsweise alle einzelnen Rauminhalte des Gepäckstücks, also vorzugsweise alle Voxel des Gepäckstücks, einzeln erfasst. Dabei kann die Auflösung der Voxel je nach Notwendigkeit unterschiedlich groß gewählt werden. Je größer das jeweilige Voxel gewählt wird, umso höher ist auch die Photonenzahl für dieses größere Voxel bei gleichbleibender Scangeschwindigkeit, umso ungenauer ist jedoch die Auflösung bei der nachfolgenden Segmentierung.
  • Vorzugsweise wird beim Erfassen von Impulsübertragungsfunktionen dieser Schritt für eine Vielzahl von identischen oder im wesentlichen identischen Voxeln durchgeführt. Darunter ist zu verstehen, dass alle Voxel eine identische oder im Wesentlichen identische Form und/oder Größe aufweisen. Am Ende dieses ersten Schritts liegt nun für eine beliebig große Anzahl von Voxeln jeweils eine Impulsübertragungsfunktion vor. Diese Impulsübertragungsfunktionen, beispielsweise bei 1000 Voxeln entsprechend auch 1000 Impulsübertragungsfunktionen, können nun in einem zweiten Schritt eines erfindungsgemäßen Verfahrens mit wenigstens einer vorgegebenen Material-Funktion verglichen werden.
  • Eine Material-Funktion ist im Sinne der vorliegenden Erfindung eine für ein jeweiliges Material spezifische Impulsübertragungsfunktion. Beispielsweise kann in einer Daten-Bibliothek für eine Vielzahl unterschiedlicher Materialien oder Materialienzusammensetzungen, eine entsprechende Vielzahl von für diese Zusammensetzungen spezifischen Material-Funktionen gespeichert sein. Aus dieser Daten-Bibliothek kann anschließend die passende Material-Funktion für den Vergleichsschritt gewählt werden. Im Rahmen eines Beispiels kann eine Suche nach einem bestimmten Sprengstoff durchgeführt werden, sodass für ein solches spezifisches Sprengstoffmaterial aus einer solchen Materialbibliothek die für dieses spezifische Sprengstoffmaterial zugehörige Material-Funktion für den Vergleich ausgewählt und vorgegeben wird. Im Vergleichsschritt werden nun die Impulsübertragungsfunktionen aller Voxel auf eine Ähnlichkeit mit dieser vorgegebenen Material-Funktion überprüft. Hierbei handelt es sich vorzugsweise um einen mathematischen Vergleich, sodass in qualitativer, aber auch in quantitativer Weise, ein Ähnlichkeitswert zwischen jeder Impulsübertragungsfunktion und der vorgegebenen Material-Funktion als Vergleichsergebnis erzeugt wird. Insbesondere werden Vektoren der Impulsübertragungsfunktion und der Material-Funktion miteinander verglichen. Das Ergebnis eines solchen Vektorvergleichs kann zum Beispiel ein skalarer Wert sein und insbesondere mit einem Grenzwert verglichen werden. Das Vergleichsergebnis kann qualitativ oder quantitativ den Bezug zu einem solchen Grenzwert angeben. Ein qualitativer Ähnlichkeitswert kann zum Beispiel die Werte „1“ für „ähnlich“ und „0“ für „unähnlich“ annehmen. Eine quantitative Ausbildung des Ähnlichkeitswerts kann den Grad der Ähnlichkeit zum Beispiel zwischen einem Maximum für „identisch“ und einem Minimum „vollständig anders“ annehmen. Mit anderen Worten bringt dieser Vergleichsschritt ein Vergleichsergebnis mit sich, welches für jedes einzelne Voxel, für welches eine Impulsübertragungsfunktion erfasst worden ist, eine Aussage angibt, ob und/oder in welchem Grad eine Ähnlichkeit zu der wenigstens einen vorgegebenen Material-Funktion besteht. Mit anderen Worten kann eine Aussage getroffen werden, in welchen Voxeln mit einer gewissen Wahrscheinlichkeit das gesuchte Material vorhanden ist, und in welchen Voxeln dies nicht der Fall ist.
  • Aufgrund eines bevorzugt schnellen Scans, welcher häufig als technische Vorgabe gesetzt ist, ist jedoch dieser Vergleichsschritt noch mit einer hohen Ungenauigkeit versehen, da für jedes einzelne Voxel durch den schnellen Scanvorgang bei der Röntgen-Diffraktionsanalyse nur eine sehr geringe Anzahl von Photonen erfasst werden konnte. Um nun einen Fehlalarm zu vermeiden und gleichzeitig ein unerwünschtes Nicht-Erkennen von relevantem Material zu minimieren, geht das erfindungsgemäße Segmentierungsverfahren weiter, indem nun alle Voxel, welche einen gewissen Ähnlichkeitsgrad zu der Material-Funktion aufweisen, als Startvoxel ausgewählt werden. Dabei kann es sich um eine rein qualitative Auswahl, aber auch um eine quantitative Auswahl, handeln. Bevorzugt, wie dies später noch erläutert wird, ist jeder Ähnlichkeitswert für jedes einzelne Voxel ein einzelner Skalawert, sodass eine sehr einfache Unterscheidung zwischen Ähnlichkeit und Unähnlichkeit zur vorgegebenen Material-Funktion durchgeführt werden kann.
  • Die Unterscheidung zwischen ähnlichen und unähnlichen Voxeln, und auf diese Weise eine Auswahl der Startvoxel, führt nun zu einem in das Segmentierungsverfahren integrierte Kombinationsverfahren, welches auch als Region-Growing-Verfahren (Wachstumsverfahren) bezeichnet werden kann. Hier wird der Begriff Region-Growing-Verfahren deswegen verwendet, da ausgehend von den einzelnen als Startvoxeln definierten Voxeln ein Wachstum und eine Kombination mit weiteren Nachbarvoxeln stattfinden kann, wie dies nachfolgend erläutert wird.
  • Jedes Startvoxel wurde deshalb als solches ausgewählt, weil es eine gewisse Mindestähnlichkeit, definiert durch das Vergleichsergebnis und damit durch den Ähnlichkeitswert, mit der Material-Funktion erfüllt. Nun wird für jeder Startvoxel eine Überprüfung einer möglichen Kombinierbarkeit mit den Nachbarvoxeln durchgeführt. Mit anderen Worten wird zuerst das Startvoxel mit einem ersten Nachbarvoxel kombiniert und damit der Rauminhalt der zu überprüfenden Kombination verdoppelt. Dies führt selbstverständlich auch dazu, dass die Anzahl der zu überprüfenden Photonen, welche die Grundlage für diesen Schritt darstellen, sich erhöht. Es ergibt sich für die Kombination aus Startvoxel und Nachbarvoxel dementsprechend eine für diese Kombination spezifische Impulsübertragungsfunktion, für die ebenfalls wieder ein Ähnlichkeitswert gemäß dem oben genannten Vergleichsschritt erfasst werden kann. Dieser Ähnlichkeitswert wird nun ebenfalls wieder eine Aussage erlauben, ob diese Kombination eine Ähnlichkeit zur Material-Funktion ausgibt oder nicht (qualitative Aussage), oder ob sogar in quantitativer Weise die Ähnlichkeit durch diese Kombination ansteigt, gleich bleibt oder abnimmt.. Bei einer dreidimensionalen Überprüfung eines Rauminhaltes, sind dementsprechend ausgehend von einem Startvoxel bis zu 26 Nachbarvoxel gegeben, welche alle einzeln hinsichtlich dieser Kombination überprüft werden, sodass anschließend, im Schritt c) des Kombinationsverfahrens, diejenigen Nachbarvoxel zu einem Voxel-Cluster mit dem Startvoxel kombiniert werden, welche aufgrund des bestimmten Ähnlichkeitswertes zu der vorgegebenen Material-Funktion passen. Die nicht zu dieser Material-Funktion passenden Nachbarvoxeln werden ausgeschlossen und damit als nicht zu diesem Voxel-Cluster gehörend definiert. Diese Schritte der Kombination mit Nachbarvoxeln und das damit immer weitere Anwachsen des Voxel-Clusters, werden so lange durchgeführt, bis ein später noch näher erläutertes Abbruchkriterium erreicht ist. Dieses Abbruchkriterium kann im einfachsten Fall eine maximale Anzahl von Iterationen sein, jedoch auch eine inhaltliche Bewertung der Qualität dieses Wachstums und/oder der Ähnlichkeitswerte beinhalten. Es sei an dieser Stelle noch darauf hingewiesen, dass selbstverständlich beim weiteren Durchlauf das jeweils entstandene Voxel-Cluster hinsichtlich aller Nachbarvoxel die Schritte a), b) und c) durchläuft, sodass auch die Anzahl der Nachbarvoxel für die Kombination und für die Bestimmung der Ähnlichkeitswerte für jeden Iterationsdurchlauf dieses Kombinationsverfahrens ansteigt.
  • Im Ergebnis wird wenigstens ein Voxel-Cluster, in der Praxis üblicherweise eine Vielzahl von separaten Voxel-Clustern, erzeugt, die sich voneinander unterscheiden, aber auch überlappen, können. Die Voxel-Cluster sind in der Interpretation nun zusammenhängende Voxel, welche einen Mindestgrad an Ähnlichkeit zur Material-Funktion aufweisen, und damit mit hoher Wahrscheinlichkeit Teil eines Objektes sind, welches das spezifische Material in Relation zur vorgegebenen Material-Funktion auch tatsächlich aufweisen. Dies hat den großen Vorteil, dass nun für jedes Voxel-Cluster nicht nur ein einziges Voxel, sondern eine spezifisch ausgewählte Kombination von mehreren Voxeln als Voxel-Cluster zugrunde gelegt werden kann, welches auf dieses Weise mit einer deutlich erhöhten Photonenanzahl eine deutlich erhöhte Genauigkeit der Korrelation zur vorgegebenen Material-Funktion mit sich bringt, und somit mit höherer Wahrscheinlichkeit ein gefährliches Material gefunden und von einem ungefährlichen Material unterschieden werden kann.
  • In einem letzten Schritt des erfindungsgemäßen Segmentierungsverfahrens erfolgt nun eine finale Kombination der überlappenden Voxel-Cluster zu wenigstens einem Segment. Mit anderen Worten wird nun nach dem Schritt des Wachstums, von Startvoxeln, welche auch als Seeds (Keime) bezeichnet werden können, alle auf diesen Seeds basierten und gewachsenen Voxel-Cluster miteinander kombiniert, sofern sie überlappen und sofern sie mit der identischen Material-Funktion korrelieren. Damit werden die Voxel-Cluster ähnlich einzelnen, überlappenden Puzzlestückchen zu einem Segment zusammengesetzt, welches abschließend als eigenständiges Objekt von anderen Segmenten oder anderen Objekten innerhalb des Gepäckstücks abgegrenzt und definiert werden kann.
  • Wie aus der voranstehenden Erläuterung ersichtlich wird, basiert nun ein erfindungsgemäßes Verfahren immer noch auf einer eindeutigen und spezifischen Vergleichbarkeit einer Impulsübertragungsfunktion bei einer Röntgen-Diffraktionsanalyse mit einer entsprechend für ein Material spezifischen Material-Funktion. Die Nachteile der geringen Photonenzahlen für jedes Voxel werden jedoch beim Auswerteverfahren dadurch verringert, dass in einem ersten Teil des Verfahrens eine Zuordnung für jedes Voxel zum Material durchgeführt wird und durch ein Optimierungsproblem, und damit eine algorithmische Iteration in Form der Erzeugung der Voxel-Cluster, ein Vergrößern derjenigen identifizierenten relevanten Startvoxel stattfindet, die tatsächlich während der Kombination und damit des Wachstums der einzelnen Keimvoxel zu einem Voxel-Cluster führen., Dagegen werden Startvoxel, deren Nachbarvoxel nicht zu einer Erhöhung der Ähnlichkeitswerte mit der Material-Funktion führen, wieder ausgeschlossen oder zu sehr kleinen Voxel-Clustern führen, welche dementsprechend im abschließenden Schritt der Kombination zu Segmenten ausgeschlossen werden. Dieses Vorgehen erlaubt es, die Segmentierung unter Nutzung aller Informationen der 4-dimensionalen Daten durchzuführen und trotzdem durch die gezielte und optimierte Kombination Segmente von hoher Genauigkeit zu erhalten. Bei vorgegebener Scangeschwindigkeit ist damit eine maximierte Auswertung im Rahmen der Segmentierung möglich. Sogar eine weitere Beschleunigung des Scanvorgangs kann möglich sein, da die sich weiter reduzierende Photonenanzahl durch die erfindungsgemäße Kombination in der Segmentierung wenigstens teilweise ausgeglichen werden kann. Dies führt zu genauerer anschließender Klassifizierung und/oder einer Reduktion der unerwünschten Fehlalarme.
  • Es kann von Vorteil sein, wenn bei einem erfindungsgemäßen Segmentierungsverfahren als Abbruchkriterium für das Kombinationsverfahren wenigstens eines der folgenden verwendet wird:
    • - Vorgegebene Anzahl an Iterationen
    • - Fehlende Verbesserung des Ähnlichkeitswertes durch die Schritte a) und b)
    • - Verschlechterung des Ähnlichkeitswertes durch die Schritte a) und b)
  • Im einfachsten Fall erfolgt ein Wachstum bis zu einem Maximalwert von beispielsweise drei oder vier Iterationen. Dies ist eine besonders einfache und vor allem hinsichtlich der benötigten Rechenzeit exakt definierte Vorgabe eines Abbruchkriteriums. Für eine erhöhte Genauigkeit können jedoch auch komplexere Abbruchkriterien, welche insbesondere die Entwicklung der Ähnlichkeitswerte durch die Kombination betrachten, verwendet werden. Beispielsweise kann immer dann, wenn sich der Ähnlichkeitswert nicht mehr weiter verbessert, abgebrochen werden, da das hinzugefügte oder zur Kombination anstehende Nachbarvoxel entsprechend nicht mehr zu einer Verbesserung und damit nicht mehr zu einer Steigerung der Ähnlichkeit mit der Material-Funktion führen würde. Noch stärker kann als Abbruchkriterium verwendet werden, wenn die Kombination sogar zu einer Verschlechterung der Ähnlichkeitswerte führen würde, also eine Kombinatorik mit einem Nachbarvoxel den Ähnlichkeitswert reduzieren und damit die Ähnlichkeit zur vorgegebenen Material-Funktion ebenfalls verringern würde. Auch eine Maximalzahl von Voxeln im Voxel-Cluster kann als Abbruchkriterium dienen und/oder ein Ausschluss sämtlicher Nachbarvoxel von der Kombination. Die Iteration wird also dann abgebrochen, wenn für alle zur Kombination überprüften Nachbarvoxel keine Verbesserung oder sogar eine Verschlechterung der Ähnlichkeitswerte definiert wird, sodass kein einziges Nachbarvoxel für eine Kombination übrigbleibt und entsprechend die Iterationsschritte und die Iterationsschleife hier als beendet definiert werden kann.
  • Von Vorteil ist es weiter, wenn bei einem erfindungsgemäßen Segmentierungsverfahren die erzeugten Voxel-Cluster vor dem Schritt des Kombinierens zu wenigstens einem Segment anhand ihres Ähnlichkeitswertes sortiert werden. Mit anderen Worten werden die Voxel-Cluster so sortiert, dass die Kombination mit denjenigen Voxel-Clustern startet, welche am vielversprechendsten für die Kombination erscheinen. Dies führt dazu, dass anschließend bei der Kombination zu dem wenigstens einem Segment anhand dieser Sortierung vorgegangen werden kann, also in einem ersten Schritt die Voxel-Cluster mit den größten Ähnlichkeitswerten und mit sinkenden Ähnlichkeitswerten die weiteren Voxel-Cluster berücksichtigt werden. Dies führt zu einer schnelleren Kombination und kann darüber hinaus diesen finalen Schritt des Kombinierens verbessern.
  • Weitere Vorteile sind erzielbar, wenn bei einem erfindungsgemäßen Segmentierungsverfahren als Startvoxel eine Gruppe von mehreren aneinandergrenzenden Voxeln ausgewählt wird. Neben einzelner Startvoxel kann auch eine solche Startvoxelgruppe definiert werden, insbesondere dann, wenn der Scan der Röntgen-Diffraktionsanalyse so schnell vonstatten gegangen ist, dass die einzelnen Voxel eine so geringe Photonendichte aufweisen, dass ein vernünftiger Vergleich zum Erzeugen der Ähnlichkeitswerte nicht möglich ist. Dieser Schritt kann auch so verstanden werden, dass die Größe der einzelnen Voxel so lange vergrößert wird, dass die kleinen Ausgangsvoxel zu vergrößerten Endvoxeln vergrößert werden, welche dann im Sinne der vorliegenden Erfindung als Startvoxelgruppe wieder ein einzelnes, nun vergrößertes Startvoxel, für die Durchführung des erfindungsgemäßen Verfahrens erlauben. Diese Größe beziehungsweise die Gruppierung kann vorzugsweise anpassbar sein, insbesondere an die Größe der Voxel und/oder die Scangeschwindigkeit beim Durchführen der Röntgen-Diffraktionsanalyse.
  • Darüber hinaus bringt es Vorteile mit sich, wenn bei einem erfindungsgemäßen Segmentierungsverfahren nach dem Kombinieren von überlappenden Voxel-Clustern zu einem Segment dieser Schritt mit den verbleibenden Voxel-Clustern wiederholt wird. Die verbleibenden Voxel-Cluster sind dabei Voxel-Cluster, welche mit den Voxel-Clustern des ersten Schritts des Kombinierens nicht überlappen, sondern mit diesen disjunkt ausgebildet sind. Mit anderen Worten handelt es sich dabei möglicherweise um andere Objekte, welche mit dem gleichen Material zu der Zusammenfügung zum Voxel-Cluster geführt haben. Dabei kann grundsätzlich auch die Größe der Voxel-Cluster berücksichtigt werden, ob für diese der Schritt des Kombinierens ebenfalls nochmals durchgeführt werden soll, oder ob sie als zu klein verworfen werden. Mit diesem Zusatz wird es möglich, auch zwei oder mehrere Objekte mit der identischen Material-Funktionsähnlichkeit zu finden. An dieser Stelle ist noch darauf hinzuweisen, dass das erfindungsgemäße Verfahren selbstverständlich auch für zwei oder mehr unterschiedliche Material-Funktionen entweder separat durchgeführt werden kann. Insbesondere dann, wenn kein Hinweis darauf gegeben ist, welches spezifische Material möglicherweise in dem Gepäckstück vorhanden ist, kann hier eine sehr breite Analytik vorgenommen werden, sodass nicht nur zwei, sondern sogar eine Vielzahl unterschiedlicher Material-Funktionen vorgegeben werden und das erfindungsgemäße Verfahren für eine Vielzahl unterschiedlicher vorgegebener Material-Funktionen die Schritte, und damit die Erkennung von einer Segmentierung von Objekten, durchführen kann.
  • Vorteile bringt es ebenfalls mit sich, wenn bei einem erfindungsgemäßen Segmentierungsverfahren der Ähnlichkeitswert als skalarer Wert ausgebildet ist. Ein solcher skalarer Wert kann beispielsweise einen einzigen und damit sehr einfachen vergleichbaren Parameter ausbilden und kann das Ergebnis des bereits beschriebenen Vektorvergleichs sein. Die Optimierungsschritte hinsichtlich der Iteration, wie auch die Vergleichsschritte in dem Durchlauf des erfindungsgemäßen Segmentierungsverfahrens, werden damit eindeutiger und vor allem hinsichtlich des benötigten Rechenaufwandes optimiert.
  • Darüber hinaus kann es von Vorteil sein, wenn bei einem erfindungsgemäßen Segmentierungsverfahren Ähnlichkeitswerte für wenigstens zwei unterschiedliche Material-Funktionen eingesetzt werden. Wie bereits erläutert worden ist, können diese Ähnlichkeitswerte sequenziell nacheinander durchgeführt werden, sodass gleichzeitig oder sequenziell eine Auswertung auf unterschiedliche Materialien erfolgen kann. Insbesondere integriert dies einen Ausschluss von Voxeln und Voxel-Clustern, welche einem Material zugeordnet worden sind, sodass für den Durchgang mit einer zweiten vorgegebenen Material-Funktion nur noch solche Voxel dem erfindungsgemäßen Segmentierungsverfahren zugeführt werden, welche aus dem ersten Segmentierungsverfahren übriggeblieben sind, um entsprechend Doppelvergleiche zu vermeiden.Vorteile bringt es ebenfalls mit sich, wenn bei einem erfindungsgemäßen Segmentierungsverfahren die wenigstens eine Material-Funktion auf Basis eines Überprüfungsergebnisses eines vorangegangenen Überprüfungsverfahrens vorgegeben wird. Ein solches vorangegangenes Überprüfungsverfahren könnte insbesondere ein Röntgentransmissionsverfahren sein. Aus solchen Transmissionsverfahren sind grundsätzlich Informationen, zum Beispiel über die Dichte einzelner Objekte erhältlich, sodass eine grundsätzliche Hinweisinformation enthalten ist, um welches Material es sich handeln könnte. Diese Information ist jedoch nicht so genau, dass ein Alarm ausgelöst beziehungsweise ausgeschlossen werden kann. Vielmehr führt dies dazu, dass bei einer Systemkombination (System of System) alle Gepäckstücke durch ein solches sehr schnell arbeitendes Transmissionsverfahren überprüft werden. Gepäckstücke, welche als möglicherweise gefährlich, da sie möglicherweise Alarmobjekte enthalten, identifiziert werden, und zwar nur solche identifizierten Gepäckstücke, werden dann der Röntgen-Diffraktionsanalyse zugeführt, sodass die Röntgen-Diffraktionsanalyse sich nur mit einem Teil aller Gepäckstücke befassen muss. Um nun die Röntgen-Diffraktionsanalyse, welche grundsätzlich deutlich langsamer arbeitet, als die Transmissionstechnologie, noch genauer und noch schneller arbeiten zu lassen, können die Informationen hinsichtlich des möglicherweise vorhandenen Materials in dem Gepäckstück für die Auswertung bei der Durchführung eines erfindungsgemäßen Segmentierungsverfahrens gewählt werden, sodass die Materialklasse oder sogar eine oder mehrere definierte vorgegebene Material-Funktionen passend zum ersten Überprüfungsergebnis vorgegeben werden.
  • Weitere Vorteile bringt es mit sich, wenn bei einem erfindungsgemäßen Segmentierungsverfahren die Schritte auf einen abgeschlossenen Bereich des Gepäckstücks begrenzt werden. Mit anderen Worten kann beispielsweise ein Teilbereich eines Gepäckstücks als Bereich mit einem Alarmobjekt definiert werden, sodass zwar der Scanvorgang mit der Röntgen-Diffraktionsanalyse vollständig oder zumindest für den scheibenförmigen Teil des Gepäckstücks, in welchem das Objekt angeordnet ist, durchgeführt wird, jedoch die Analyse nur für einen Teilbereich und nur einen Teil der Voxel im Gepäckstück ausgefüllt wird.
  • Darüber hinaus kann es Vorteile mit sich bringen, wenn bei einem erfindungsgemäßen Segmentierungsverfahren in Abhängigkeit der Kombination zu wenigstens einem Segment ein Alarmsignal ausgegeben wird und/oder ein vorhandenes Alarmsignal aufgehoben wird. Wird das Segmentierungsverfahren bei einem alleine arbeitenden System mit einer Röntgen-Diffraktionsanalyse eingesetzt, so kann ein Alarmsignal erzeugt oder unterdrückt werden, je nachdem, ob ein Objekt segmentiert worden ist, welches groß genug ist, und einer entsprechenden Material-Funktion durch die Ähnlichkeitswerte entspricht. Bevorzugt ist es jedoch, wenn eine solche Röntgen-Diffraktionsanalyse in Kombination mit einem vorangegangenen, schnell arbeitenden Transmissionssystem eingesetzt wird und damit nur der Überprüfung von als potentiell gefährlichen Gepäckstücken dient. Ein von der ersten Überprüfung als Transmissions-Vorrichtung ausgegebenes Alarmsignal wird damit durch die Röntgen-Diffraktionsanalyse durch ein erfindungsgemäßes Segmentierungsverfahren entweder bestätigt oder aufgehoben.
  • Ebenfalls vorteilhaft ist es, wenn bei einem erfindungsgemäßen Segmentierungsverfahren für das wenigstens eine Segment Segment-Koordinaten in einem Koordinatensystem des Gepäckstücks ermittelt werden. Das Koordinatensystem des Gepäckstücks ist in einem solchen Fall ein relatives Koordinatensystem, sodass das Segment und ein mit diesem Segment im Zusammenhang stehendes Objekt exakt innerhalb des Gepäckstücks definiert werden kann. Dies ist insbesondere dann sinnvoll, wenn diese Segment-Koordinaten mit dem Gepäckstück an eine manuelle Auswertung weitergegeben werden sollen oder für eine Weiterverarbeitung übernommen werden sollen. Das Koordinatensystem des Gepäckstücks bewegt sich mit dem Gepäckstück mit, sodass das Segment relativ zum Gepäckstück das Objekt in diesem festlegt unabhängig von der absoluten Orientierung des Gepäckstücks. Dies erlaubt, neben einer weitergehenden Analyse, auch eine Überlagerung mit Bildern, welche für dasselbe Gepäckstück zum Beispiel mit einer anderen Scanvorrichtung, zum Beispiel einer Transmissions-Vorrichtung, erzeugt worden sind. Insbesondere erlaubt dies auch eine Korrelation mit ortsspezifischen Alarmsignalen für das jeweilige Gepäckstück.
  • Weitere Vorteile können erzielt werden, wenn bei einem erfindungsgemäßen Segmentierungsverfahren mittels eines an demselben Gepäckstück durchgeführten, vorangegangenen Transmissionsverfahrens, insbesondere in Form eines CT-Verfahrens (Computertomographie-Verfahrens), wenigstens ein Transmissionssegment erzeugt worden ist, dessen Transmissionssegment-Koordinaten in dem Koordinatensystem des Gepäckstücks ermittelt werden. Dies führt dazu, dass sozusagen ein Transmissions-Segmentierungsverfahren, also ein Segmentierungsverfahren ausschließlich auf Basis der Daten des Transmissionsverfahrens, durchgeführt wird, um eine Segmentierung für ein oder mehrere Objekte innerhalb des Gepäckstücks durchzuführen., Anschließend kann eine Überlagerung oder sogar eine Weiterverwendung und ein Vergleich zwischen dem Transmissionssegment und dem Segment des erfindungsgemäßen Segmentierungsverfahrens stattfinden. Der einfachste Fall ist es dabei, wenn das Transmissionssegment für ein erfindungsgemäßes Segmentierungsverfahren als Beschriftung oder Bezeichnung in die Auswertung der Röntgen-Diffraktionsanalyse übertragen wird. Auch komplexere Umsetzungen sind jedoch grundsätzlich denkbar.
  • Darüber hinaus bringt es Vorteile mit sich, wenn bei einem erfindungsgemäßen Segmentierungsverfahren bei der Erzeugung des wenigstens einen Voxel-Clusters und/oder bei der Kombination zu den wenigstens einen Segment-Informationen, insbesondere die Grenzen des Transmissionssegments berücksichtigt werden. Eine solche Berücksichtigung erlaubt es während des Kombinationsverfahrens, also während des Wachsens der einzelnen Voxel-Cluster und/oder während der Kombination der Voxel-Cluster zu einem oder mehreren Segmenten, eine zusätzliche Berücksichtigung zu erzielen, sodass beispielswiese die im Transmissionsverfahren erkannten Grenzen des Segments als Grenzen für die Segmentierung bei der Röntgen-Diffraktionsanalyse mitberücksichtigt werden können. In der Segmentierung kann beispielsweise ein Strafterm und/oder ein Belohnungsterm, zum Beispiel in einer Kostenfunktion, eine solche Berücksichtigung ermöglichen. Mathematisch belohnt wird zum Beispiel das Einhalten der Segmentgrenzen aus Transmission bei der Segmentierung durch die Röntgen-Diffraktionsanalyse. Entsprechend bestraft wird ein Verstoß gegen die Segmentgrenzen aus der Transmission bei der Segmentierung durch die Röntgen-Diffraktionsanalyse, wobei insbesondere die Genauigkeit der Röntgen-Diffraktionsanalyse berücksichtig werden kann.
  • Ebenfalls Gegenstand der vorliegenden Erfindung ist ein Computerprogrammprodukt, aufweisend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, die Schritte eines erfindungsgemäßen Segmentierungsverfahrens durchzuführen. Damit bringt ein erfindungsgemäßes Computerprogrammprodukt die gleichen Vorteile mit sich, wie sie ausführlich mit Bezug auf ein erfindungsgemäßes Segmentierungsverfahren erläutert worden sind.
  • Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung, in der unter Bezugnahme auf die Zeichnungen Ausführungsbeispiele der Erfindung im Einzelnen beschrieben sind. Dabei können die in den Ansprüchen und in der Beschreibung erwähnten Merkmale jeweils einzeln für sich oder in beliebiger Kombination erfindungswesentlich sein. Es zeigen schematisch:
    • 1 eine Ausführungsform eines erfindungsgemäßen Segmentierungsverfahrens an einer Röntgen-Diffraktionsvorrichtung,
    • 2 ein Schritt eines erfindungsgemäßen Segmentierungsverfahrens,
    • 3 ein weiterer Schritt eines erfindungsgemäßen Segmentierungsverfahrens,
    • 4 eine Darstellung des Kombinationsverfahrens,
    • 5 ein erster Iterationsschritt des Kombinationsverfahrens,
    • 6 ein weiterer Iterationsschritt des Kombinationsverfahrens,
    • 7 ein weiterer Iterationsschritt des Kombinationsverfahrens,
    • 8 ein möglicher Ablauf im zweidimensionalen Raum für ein Kombinationsverfahren,
    • 9 der Schritt des Kombinierens von Voxel-Clustern,
    • 10 eine Kombination einer Transmissions-Vorrichtung mit einer Röntgen-D iffraktionsvorrichtung.
  • 1 zeigt schematisch, wie eine Röntgendiffraktions-Vorrichtung 100 aufgebaut sein kann. Hier wird ein Gepäckstück G durch einen schräg verlaufenden Durchleuchtungskanal gefahren, über welchen gebeugte Röntgenstrahlen in ein oder mehreren Detektoren wahrgenommen werden können. Je nach Geschwindigkeit, mit welcher das Gepäckstück G durch die Röntgen-Diffraktionsvorrichtung 100 fährt, können mehr oder weniger Photonen in gebeugter Form von den Detektoren pro Rauminhalt, in Form eines oder mehrerer Voxel 30, aufgenommen werden. Bei dieser Darstellung ist schematisch ein Objekt O als Alarmobjekt dargestellt, welches zum Beispiel als Sprengstoffobjekt von der Röntgen-Diffraktionsvorrichtung 100 mit hoher Sicherheit gefunden werden soll.
  • Um nun insbesondere bei schnellem Scan mit der Röntgen-Diffraktionsvorrichtung 100 und der damit einhergehenden geringen Photonenzahl pro Voxel 30 eine möglichst genaue Auswertung durch Segmentierung zur Verfügung stellen zu können, wird in einem ersten Schritt, wie dies die 2 darstellt, für alle einzelnen Voxel 30, also alle einzelnen Rauminhaltselemente, hier schematisch als Raumwürfel dargestellt, eine Impulsübertragungsfunktion 20 zur erfasst. Diese Impulsübertragungsfunktion 20 ist dabei spezifisch für jedes einzelne Voxel 30 und dennoch noch relativ ungenau, da sie bei hohen Scangeschwindigkeiten auf einer sehr geringen Anzahl von Photonen basiert.
  • Im nächsten Schritt, wie dies die 3 zeigt, wird nun für jedes einzelne dieser Voxel 30 überprüft, inwieweit die Impulsübertragungsfunktionen 20 mit einer Material-Funktion 40 eine ausreichende Ähnlichkeit aufweisen, und wenn dies der Fall ist, werden sie als Startvoxel 32 definiert. Voxel 30 mit nicht ausreichender Ähnlichkeit sind hier mit einem „X“ gekennzeichnet und werden vom weiteren Verfahren ausgeschlossen, da sie ausreichend unähnlich zur spezifischen Material-Funktion 40 sind. Hier kann insbesondere der später noch erläuterte Ähnlichkeitswert 50 eingesetzt werden, wobei in diesem ersten Schritt aufgrund der geringen Photonendichte noch mit einer großen Unschärfe gearbeitet werden kann, also eine große Anzahl von Startvoxeln 30 zur Erhöhung der Sicherheit, als Startvoxel 32 ausgewählt werden.
  • Für jedes dieser Startvoxel 32 wird nun ein Kombinationsverfahren durchgeführt, wie es nachfolgend mit Bezug auf die 4, 5, 6 und 7 näher erläutert wird. In der 4 ist dargestellt, wie von einem einzigen Startvoxel 32 hier nun in jeder der sechs Raumrichtungen ein Nachbarvoxel 33 überprüft wird, inwieweit eine Kombination mit diesem Nachbarvoxel 33 zu einer Verbesserung oder einer Verschlechterung eines Ähnlichkeitswertes 50 mit einer Material-Funktion 40 führen würde. Hier handelt es sich um ein regelmäßiges Raumgitter, wobei die erfindungsgemäßen Schritte selbstverständlich auch für unregelmäßige Raumaufteilungen einsetzbar sind.
  • In der 5 ist ein erster Iterationsschritt dargestellt. Die Keimzelle, das Startvoxel 32, weist eine einzige Impulsübertragungsfunktion 20 auf, welche eine ausreichende Ähnlichkeit mit der Material-Funktion 40 hatte, um als Startvoxel 32 ausgewählt zu werden. In dem ersten Iterationsschritt der 5 wird nun mit jeder der benachbarten sechs Nachbarvoxeln 33 eine Kombination durchgeführt, sodass sie entsprechend für die anschließende Bewertung auch sechs verschiedene mögliche Kombinationen an neuen kombinierten Impulsübertragungsfunktionen 20 bilden, welche alle hinsichtlich ihres Ähnlichkeitswertes 50 mit der Material-Funktion 40 verglichen werden. Bei der Darstellung der 5 entspricht nur eine der vier kombinierten Impulsübertragungsfunktionen 20 einem Ähnlichkeitswert 50, welcher groß genug ist, um für die Kombination zum Voxel-Cluster 34 ausgewählt zu werden. Die 6 und die 7 zeigen weitergehende Schritte, wobei ebenfalls wieder nur ein einziges Nachbar-Voxel 30 zu einer kombinierten Impulsübertragungsfunktion 20 führt, welche in eingekreister Weise, in 6 untern rechts und in 7 unten in der Mitte, zu einer Auswahl und Hinzufügen zum Voxel-Cluster 34 führt.
  • Die 8 zeigt schematisch, was durch die Kombinierschritte der 5, 6 und 7 erfolgen kann. Der Einfachheit halber ist die 8 zweidimensional dargestellt, wobei selbstverständlich die Funktionalität im Dreidimensionalen ablaufen kann und vorzugsweise auch soll. Ausgehend von einem einzigen Startvoxel 32 oben links werden hier im zweidimensionalen Raum vier Nachbarvoxel 33 überprüft, wobei nur die beiden oberen rechten Nachbarvoxel 33 zu einer kombinierten Impulsübertragungsfunktion 20 führen, welche einen ausreichend hohen Ähnlichkeitswert 50 aufweisen. In den nächsten Schritten wird nun immer weiter vergrößert beziehungsweise werden einzelne Nachbarvoxel 33 aufgrund eines reduzierten Ähnlichkeitswertes 50 von dem Voxel-Cluster 34 ausgeschlossen, so lange, bis ein Abbruchkriterium 60 erreicht wird. Bei der Ausführungsform der 8 ist das Abbruchkriterium dann erreicht, wenn das Voxel-Cluster 34 vollständig umgeben ist von Nachbar-Voxeln 33, welche den Ähnlichkeitswert 50 nicht weiter steigern oder sogar zu einer Kombination führen, deren kombinierter Impulsübertragungsfunktion 20 eine Reduktion des Ähnlichkeitswertes 50 mit der Material-Funktion 40 zur Folge hätte. Damit wurde zumindest ein Voxel-Cluster 34 zur Verfügung gestellt.
  • Die 9 zeigt nun, wie in diesem Fall zwei separate Segmente S ausgebildet werden. In einem oder in einem kombinierten Schritt werden überlappende Voxel-Cluster 34 miteinander kombiniert zu einzelnen und gemeinsamen Segmenten S. Diese Segmente S sind auf der rechten Seite dargestellt. Bei dem unteren Segment S auf der rechten Seite in kombinierter Form ist zusätzlich noch eine Korrelation zu einem Transmissionssegment TS zu erkennen, sodass eine Abgrenzung vorgenommen werden kann, ob das tatsächlich aufgefundene Segment S aus der Röntgendiffraktions-Vorrichtung 100 kleiner oder gleich einem entsprechenden Transmissionssegment TS, welches so in Transmissions-Vorrichtung 200 gefunden worden ist, entspricht oder verkleinert angeordnet ist.
  • In der 10 ist nochmal eine schematische Kombination von mehreren Systemen als sogenannte System of System Anordnung dargestellt. In einem ersten Schritt werden zum Beispiel in einem Flughafen alle Gepäckstücke G in einer Transmissions-Vorrichtung 200 durchleuchtet und gefundene Objekte, zum Beispiel anhand ihrer Form oder ihrer spezifischen Dichte, in einem Koordinatensystem des Gepäckstücks GKS lokalisiert. Hier erfolgt eine Rücktransformation aus der Erkennung in dem Koordinatensystem der Transmissions-Vorrichtung TKS. Damit können die Transmissionssegment-Koordinaten TKO an eine Auswertevorrichtung weitergegeben werden und insbesondere bei der Durchführung eines erfindungsgemäßen Segmentierungsverfahrens berücksichtigt werden. Auch bei der Durchführung des Segmentierungsverfahrens und dem Scannen in der Röntgendiffraktions-Vorrichtung 100 kann ausgehend von einer Erkennung im Koordinatensystem der Röntgen-Diffraktionsvorrichtung RKS das Objekt O durch Segmentierung eine Rücktransformation in Segment-Koordinaten SKO im Koordinatensystem des Gepäckstücks GKS erfolgen, sodass eine kombinierte Auswertung möglich ist.
  • Die voranstehende Erläuterung beschreibt die vorliegende Erfindung ausschließlich im Rahmen von Beispielen. Selbstverständlich können einzelne Merkmale, sofern technisch sinnvoll, frei miteinander kombiniert werden, ohne den Rahmen der vorliegenden Erfindung zu verlassen.
  • Bezugszeichenliste
    • 20
    Impulsübertragungsfunktion
    30
    Voxel
    32
    Startvoxel
    33
    Nachbarvoxel
    34
    Voxel-Cluster
    40
    Material-Funktion
    50
    Ähnlichkeitswert
    60
    Abbruchkriterium
    100
    Röntgendiffraktions-Vorrichtung
    200
    Transmissions-Vorrichtung
    O
    Objekt
    S
    Segment
    TS
    Transmissionssegment
    G
    Gepäckstück
    SKO
    Segment-Koordinaten
    TKO
    Transmissionssegment-Koordinaten
    GKS
    Koordinatensystem des Gepäckstücks
    TKS
    Koordinatensystem der Transmissions-Vorrichtung
    RKS
    Koordinatensystem der Röntgendiffraktions-Vorrichtung

Claims (14)

  1. Segmentierungsverfahren für eine Abgrenzung von Objekten (O) als Segmente (S) in einem Gepäckstück (G) bei einer Röntgen-Diffraktionsanalyse, aufweisend die folgenden Schritte: - Erfassen von Impulsübertragungsfunktionen (20) für eine Vielzahl von Voxeln (30) des Gepäckstücks (G), - Vergleich der erfassten Impulsübertragungsfunktionen (20) mit wenigstens einer vorgegebenen Material-Funktion (40) und Erzeugung eines Ähnlichkeitswertes (50) als Vergleichsergebnis, - Auswahl von wenigstens einem Voxel (30) als Startvoxel (32) auf Basis der Ähnlichkeitswerte (50), - Erzeugen wenigstens eines Voxel-Clusters (34) ausgehend von dem wenigstens einen ausgewählten Startvoxel (32) mit einem Kombinationsverfahren, aufweisend die folgenden Schritte a) Kombination des Startvoxels (32) mit Nachbarvoxeln (33) jeweils in allen Raumrichtungen, b) Bestimmen des Ähnlichkeitwertes (50) mit der wenigstens eines Material-Funktion (40) für jede dieser Kombinationen, c) Hinzufügen derjenigen Nachbarvoxel (33) zum Voxel-Cluster (34), welche eine Verbesserung und/oder Beibehaltung des Ähnlichkeitwertes (50) erzeugen, d) Wiederholen der Schritte a) bis c) bis zu einem Abbruchkriterium (60), - Kombinieren von überlappenden Voxel-Clustern (34) zu wenigstens einem Segment (S) unter Berücksichtigung einer Steigerung des Ähnlichkeitwertes (50) durch die Kombination.
  2. Segmentierungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass als Abbruchkriterium (60) für das Kombinationsverfahren wenigstens eines der folgenden verwendet wird: - Vorgegebene Anzahl an Iterationen - Fehlende Verbesserung des Ähnlichkeitwertes (50) durch die Schritte a) und b) - Verschlechterung des Ähnlichkeitwertes (50) durch die Schritte a) und b)
  3. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die erzeugten Voxel-Cluster (34) vor dem Schritt des Kombinierens zu wenigstens einem Segment (S) anhand ihres Ähnlichkeitwertes (50) sortiert werden.
  4. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass als Startvoxel (32) eine Gruppe von mehreren aneinandergrenzenden Voxeln (30) ausgewählt wird.
  5. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass nach dem Kombinieren von überlappenden Voxel-Clustern (34) zu einem Segment (S) dieser Schritt mit den verbleibenden Voxel-Clustern (34) wiederholt wird.
  6. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass der Ähnlichkeitswert (50) als skalarer Wert ausgebildet ist.
  7. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass Ähnlichkeitswerte (50) für wenigstens zwei unterschiedliche Material-Funktionen (40) eingesetzt werden.
  8. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die wenigstens eine Material-Funktion (40) auf Basis eines Überprüfungsergebnisses eines vorangegangenen Überprüfungsverfahrens vorgegeben wird.
  9. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Schritte auf einen abgeschlossenen Bereich des Gepäckstücks (G) begrenzt werden.
  10. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass in Abhängigkeit der Kombination zu wenigstens einem Segment (S) ein Alarmsignal ausgeben wird und/oder ein vorhandenes Alarmsignal aufgehoben wird.
  11. Segmentierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass für das wenigstens eine Segment (S) Segment-Koordinaten (SKO) in einem Koordinatensystem (GKS) des Gepäckstücks (G) ermittelt werden.
  12. Segmentierungsverfahren nach Anspruch 11, dadurch gekennzeichnet, dass mittels einem an demselben Gepäckstück (G) durchgeführten, vorangegangenen Transmissionsverfahrens wenigstens ein Transmissionssegment (TS) erzeugt worden ist, dessen Transmissionssegment-Koordinaten (TKO) in dem Koordinatensystem (GKO) des Gepäckstücks (G) ermittelt werden.
  13. Segmentierungsverfahren nach einem der Ansprüche 11 bis 12, dadurch gekennzeichnet, dass bei der Erzeugung des wenigstens einen Voxel-Clusters (34) und/oder bei der Kombination zu dem wenigstens einem Segment (S) Informationen, insbesondere die Grenzen eines Transmissionssegments (TS) berücksichtigt werden.
  14. Computerprogrammprodukt, umfassend Befehle, die bei einer Ausführung des Programms durch einen Computer diesen veranlassen die Schritte eine Segmentierungsverfahrens mit den Merkmalen eines der Ansprüche 1 bis 13 auszuführen.
DE102022207748.2A 2022-07-28 2022-07-28 Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse Pending DE102022207748A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102022207748.2A DE102022207748A1 (de) 2022-07-28 2022-07-28 Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse
PCT/EP2023/070892 WO2024023248A1 (de) 2022-07-28 2023-07-27 Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022207748.2A DE102022207748A1 (de) 2022-07-28 2022-07-28 Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse

Publications (1)

Publication Number Publication Date
DE102022207748A1 true DE102022207748A1 (de) 2024-02-08

Family

ID=87556143

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022207748.2A Pending DE102022207748A1 (de) 2022-07-28 2022-07-28 Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse

Country Status (2)

Country Link
DE (1) DE102022207748A1 (de)
WO (1) WO2024023248A1 (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2988117A1 (de) 2014-08-19 2016-02-24 Morpho Detection, LLC Röntgenstrahlbeugungs-abbildungssystem mit signalaggregation über voxel, die objekte enthalten und verfahren zum betrieb davon

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7539337B2 (en) * 2005-07-18 2009-05-26 Analogic Corporation Method of and system for splitting compound objects in multi-energy computed tomography images
US9679389B2 (en) * 2009-05-19 2017-06-13 Algotec Systems Ltd. Method and system for blood vessel segmentation and classification
IT1405995B1 (it) * 2010-07-09 2014-02-06 Alta Lab S R L Sistema e metodo per la ispezione a raggi x e la identificazione della composizione chimica dei materiali
US11403765B2 (en) * 2019-08-14 2022-08-02 Lawrence Livermore National Security, Llc Automatic threat recognition system and method using material disambiguation informed by physics in x-ray CT images of baggage

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2988117A1 (de) 2014-08-19 2016-02-24 Morpho Detection, LLC Röntgenstrahlbeugungs-abbildungssystem mit signalaggregation über voxel, die objekte enthalten und verfahren zum betrieb davon

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A. Korolkovas, A. Katsevich, M. Frenkel, W. Thompson, E. Morton: Fast X-Ray Diffraction (XRD) Tomography for Enhanced Identification of Materials. TechRxiv. Preprint (2021). DOI: 10.36227/techrxiv.17125448.v1
B. S. Morse: Lecture 18: Segmentation (Region Based). Brigham Young University, 1998. URL: https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MORSE/region.pdf [abgerufen am 05.07.2023]
C. Revol-Muller, F. Peyrin, Y. Carrillon, C. Odet: Automated 3D region growing algorithm based on an assessment function. Pattern Recognition Letters Volume 23, Issues 1–3, January 2002, Pages 137-150. DOI: 10.1016/S0167-8655(01)00116-7
R. Adams, L. Bischof: Seeded region growing. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 16, no. 6, pp. 641-647, June 1994. DOI: 10.1109/34.295913
Z. Xiong, Y. He, J. R. Hattrick-Simpers, J. Hu: Automated Phase Segmentation for Large-Scale X-ray Diffraction Data Using a Graph-Based Phase Segmentation (GPhase) Algorithm. ACS Comb. Sci. 2017, 19, 137−144. DOI: 10.1021/acscombsci.6b00121

Also Published As

Publication number Publication date
WO2024023248A1 (de) 2024-02-01

Similar Documents

Publication Publication Date Title
DE19812055C2 (de) Bildverarbeitung zur Materialerkennung mittels Röntgenstrahlungen
DE112016001796T5 (de) Feinkörnige bildklassifizierung durch erforschen von etiketten von einem bipartiten graphen
DE112018002822T5 (de) Klassifizieren neuronaler netze
DE2557553A1 (de) Verfahren und anordnung zur bilddatenverdichtung und -reexpansion
DE102006010607A1 (de) Wahrscheinlichkeitstheoretischer Verstärkungsbaum-Rahmen zum Lernen von Unterscheidungsmodellen
DE112009005018B4 (de) Trennung zusammengesetzter Objekte
DE102017219282A1 (de) Verfahren und Vorrichtung zum automatischen Erzeugen eines künstlichen neuronalen Netzes
WO2019229151A2 (de) Verfahren zum scannen von teilbereichen einer probe mittels eines rastermikroskops, computerprogrammprodukt, computerlesbares medium und system zum scannen von teilbereichen einer probe mittels eines rastermikroskops
DE102018206108A1 (de) Generieren von Validierungsdaten mit generativen kontradiktorischen Netzwerken
EP3734260A2 (de) Verfahren und vorrichtung zur röntgeninspektion von produkten, insbesondere von lebensmitteln
WO2006000456A1 (de) Verfahren zur überprüfung eines gepäckstücks mittels eines röntgenbeugungsverfahrens
DE3622222A1 (de) Zeichenerkennung in zweidimensionalen signalen
DE102022207748A1 (de) Segmentierungsverfahren für eine abgrenzung von objekten als segmente in einem gepäckstück bei einer röntgen-diffraktionsanalyse
DE102023107476A1 (de) Ultraschall-defekterkennung und klassifikationssystem unter verwendung von maschinellem lernen
DE102022201679A1 (de) Verfahren und Vorrichtung zum Trainieren eines neuronalen Netzes
DE102019103382A1 (de) Verfahren zur Rekonstruktion einer digitalen Repräsentation von Objektmerkmalen eines Untersuchungsobjekts im Ortsraum eines Röntgensystems
DE19652925C2 (de) Verfahren und Vorrichtung zur orts- und größenunabhängigen Erfassung von Merkmalen aus einem Bild
EP3547254A1 (de) Analyse-verfahren und analyseeinheit zur ermittlung radiologischer ergebnisdaten
DE19844543A1 (de) Zweischritt-Radon-Inversionsverarbeitung für phi-Ebenen mit lokalen Radon-Ursprüngen
EP2642749B1 (de) Vorrichtung und Verfahren zur Optimierung der Bestimmung von Aufnahmebereichen
DE2134392B2 (de) Radarvideoquanten Verarbeitungs anordnung mit Zielverfolgungsrechner
DE102022204263A1 (de) Verfahren und Vorrichtung zum Trainieren eines neuronalen Netzes
DE102022206122A1 (de) Erzeugungsverfahren für künstliche Trainingsdaten für eine Durchführung eines maschinellen Lernverfahrens bei einem Training einer künstlichen Intelligenz für den Einsatz in einem Klassifizierungsverfahren
DE2725927C2 (de)
DE102021202512A1 (de) Verfahren für eine Überprüfung von Gepäckstücken zur Erkennung von Objekten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication