DE112009005102T5

DE112009005102T5 - Aufspaltung mehrteiliger Objekte

Info

Publication number: DE112009005102T5
Application number: DE112009005102T
Authority: DE
Inventors: Sergey Simanovsky; Zhengrong Ying; Ram Naidu; Julia Pavlovich
Original assignee: Analogic Corp
Current assignee: Analogic Corp
Priority date: 2009-07-29
Filing date: 2009-07-29
Publication date: 2013-04-25
Anticipated expiration: 2029-07-30
Also published as: US8774496B2; WO2011014163A1; DE112009005102B4; US20120121168A1

Abstract

Darstellungen eines Objekts (110) in einer von einer bildgebenden Vorrichtung (100) erzeugten Abbildung können zwei oder mehr separate Unterobjekte umfassen, woraus sich ein mehrteiliges Objekt (500) ergibt. Mehrteilige Objekte können die Qualität der Objektvisualisierung und Ausführung der Gefahrenidentifizierung beeinträchtigen. Wie hier erwähnt, kann ein mehrteiliges Objekt (500) in Unterobjekte (800) aufgeteilt werden. Topologiestrukturdaten (156), die die topologischen Unterschiede in dem potenziell mehrteiligen Objekt (500) darstellen, können berechnet und in einer statistischen Verteilung (352) zur Identifizierung von Moden benutzt werden, die auf Unterobjekte schließen lassen. Den identifizierten Moden kann eine Bezeichnung zugewiesen werden, und ein Voxel der für das potenziell mehrteilige Objekt (500) bezeichnenden Bilddaten kann umbenannt werden auf Basis der Bezeichnung eines Modus, der Daten entsprechend den Eigenschaften eines durch das Voxel dargestellten Abschnitts des Objekts darstellt zur Erstellung von Bilddaten, die auf ein oder mehrere Unterobjekte (158) schließen lassen.

Description

Allgemeiner Stand der Technik
Die vorliegende Patentanmeldung bezieht sich auf das Gebiet des Röntgens und der Computertomografie (CT). Sie kommt insbesondere in CT Sicherheitsscannern zum Einsatz. Ferner bezieht sie sich auf medizinische, sicherheitstechnische und andere Einsätze, bei denen die Identifizierung von Unterobjekten eines mehrteiligen Objekts nützlich ist.
Die Sicherheit auf Flughäfen und in anderen reisebezogenen Bereichen ist angesichts des heutigen sozialpolitischen Klimas sowie anderer Überlegungen ein wichtiges Thema. Eine zur Förderung der Reisesicherheit benutzte Technik ist die Gepäckkontrolle. Oft wird eine bildgebende Vorrichtung zur Durchführung der Gepäckkontrolle benutzt. Zum Beispiel könnten mit Hilfe eines CT-Geräts zwei- und/oder dreidimensionale Ansichten eines Objekts zur Prüfung durch das Sicherheitspersonal erzeugt werden. Nach Betrachten der von der bildgebenden Vorrichtung bereitgestellten Bilder kann das Sicherheitspersonal eine Entscheidung treffen, ob das Gepäck die Sicherheitskontrolle passieren kann, oder ob weitere (von Hand durchzuführende) Inspektionen erforderlich sind.
Die aktuellen Kontrolltechniken und -systeme können automatische Objekterkennung in zum Beispiel Bildern einer bildgebenden Vorrichtung verwenden, wenn nach potenziell gefährlichen Objekten im Gepäck gesucht wird. Diese Systeme sind in der Lage, ein Objekt aus einem Bild zu extrahieren und die Eigenschaften dieser extrahierten Objekte zu berechnen. Die Eigenschaften der gescannten Objekte können dazu verwendet werden, zwischen Objekten zu unterscheiden, indem diese (zum Beispiel Dichte, Form usw.) mit bekannten Eigenschaften gefährlicher Gegenstände, ungefährlicher Gegenstände und/oder beider Gegenstandsklassen verglichen werden. Es versteht sich, dass die Fähigkeit potenzielle Gefahren herauszustellen, reduziert ist in Fällen, in denen ein extrahiertes Objekt mehrere getrennte physikalische Objekte umfasst. Ein solches extrahiertes Objekt wird als mehrteiliges Objekt bezeichnet.
Ein mehrteiliges Objekt kann sich aus zwei oder mehr getrennten Gegenständen zusammensetzen. Wenn zum Beispiel zwei Gegenstände nebeneinander liegen und/oder einander berühren, könnte ein Sicherheitsscanner die beiden Gegenstände als ein einziges mehrteiliges Objekt extrahieren. Da das mehrteilige Objekt in Wirklichkeit aber zwei separate Objekte umfasst, ist es eventuell nicht möglich, die Eigenschaften des mehrteiligen Objekts wirksam mit solchen bekannter gefährlicher und/oder ungefährlicher Gegenstände zu vergleichen. Zum Beispiel könnte ein mehrteiliges Objekt unnötigerweise für zusätzliche (manuelle) Inspektion markiert werden, weil die Eigenschaften des mehrteiligen Objekts den Eigenschaften eines bekannten gefährlichen Objekts ähneln. Dadurch kann sich u. a. der Durchsatz an der Sicherheitskontrolle verringern. Es könnte aber auch sein, dass ein mehrteiliges Objekt, dass eingehender inspiziert werden sollte, nicht als potenziell gefährliches Objekt identifiziert wird, weil seine Eigenschaften mit Eigenschaften eines oder mehrerer (ungefährlicher) Objekte „verunreinigt” oder kombiniert wurden, und diese „verunreinigten” Eigenschaften (des mehrteiligen Objekts) mehr denjenigen eines ungefährlichen Objekts als denjenigen eines gefährlichen Objekts gleichen oder umgekehrt.
Mehrteilige Objektspaltung kann auf Objekte angewendet werden in dem Versuch, die Erkennung von gefährlichen Gegenständen zu verbessern und dadurch den Durchsatz und die Wirksamkeit an einer Sicherheitskontrolle zu erhöhen. Mit mehrteiliger Objektspaltung werden im Wesentlichen potenziell mehrteilige Objekte identifiziert und in Unterobjekte aufgeteilt. Es ist möglich, mehrteilige Objektspaltung in Anwesenheit verschiedener Objektdichten unter Einsatz eines histogrammbasierten Spaltungsalgorithmus für mehrteilige Objekte durchzuführen. Zu anderen Techniken zum Spalten von Objekten gehört der Einsatz von Oberflächenvolumenerosion. Wenn jedoch Erosion als Standalone-Technik zum Spalten von mehrteiligen Objekten eingesetzt wird, kann dies unerwünschte Folgen haben. Zum Beispiel kann durch Erosion die Masse eines Objekts reduziert werden, nicht-mehrteilige Objekte können wahllos gespalten werden, und/oder das Spalten mancher mehrteiligen Objekte kann versagen. Außerdem könnten Erosion und Spaltung bei diesen Techniken wahllos/universell zum Einsatz kommen, ohne Rücksicht darauf, ob ein Objekt überhaupt ein potenziell mehrteiliges Objekt ist.
Kurzdarstellung
In Aspekten der vorliegenden Patentanmeldung werden die obigen und andere Themen angesprochen. Gemäß eines Aspekts ist ein Verfahren zum Spalten eines mehrteiligen Objekts vorgesehen. Das Verfahren umfasst den Einsatz von Topologiestrukturdaten, um aus Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind, Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Gemäß eines anderen Aspekts ist eine Vorrichtung für mehrteilige Objektspaltung vorgesehen. Die Vorrichtung umfasst eine Verteilungskomponente, die konfiguriert ist, eine statistische Verteilung von Objekt-Voxeln zu erzeugen, wobei Topologiestrukturdaten zum Einsatz kommen, die von Bilddaten abgeleitet wurden, die bezeichnend für ein eine Kontrolle durchlaufendes potenziell mehrteiliges Objekt sind. Die Vorrichtung umfasst ferner eine Segmentierungskomponente, die konfiguriert ist, Moden in der statistischen Verteilung zu identifizieren. Die Vorrichtung umfasst ferner einen Umbenenner (Relabeler), der konfiguriert ist, Voxels der Bilddaten zu benennen, die gemäß den identifizierten Moden bezeichnend für das potenziell mehrteilige Objekt sind, um Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Gemäß eines anderen Aspekts ist ein Verfahren vorgesehen. Das Verfahren umfasst das Erzeugen von Topologiestrukturdaten aus dreidimensionalen Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind, und das Erstellen einer multivariaten Verteilung von Objekt-Voxeln unter Einsatz mindestens der Topologiestrukturdaten und einer anderen Eigenschaft des potenziell mehrteiligen Objekts. Das Verfahren umfasst ferner das Segmentieren der multivariaten Verteilung von Objekt-Voxeln, um Moden in der multivariaten Verteilung zu identifizieren. Das Verfahren umfasst ferner das Benennen von Voxeln der dreidimensionalen Bilddaten, die gemäß den identifizierten Moden bezeichnend für das potenziell mehrteilige Objekt sind, um dreidimensionale Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Für einen in der Technik bewanderten Fachmann werden sich nach dem Durchlesen und Verstehen der beigefügten Beschreibung noch andere Aspekte der vorliegenden Erfindung ergeben.
Beschreibung der Zeichnungen
1 ist ein schematisches Blockdiagramm, das einen beispielhaften Scanner darstellt.
1 ist ein Komponenten-Blockdiagramm, das ein oder mehrere Komponenten einer Umgebung darstellt,
3 ist ein Komponenten-Blockdiagramm, das Details einer oder mehrerer Komponenten einer Umgebung darstellt, wobei mehrteilige Objektspaltung von Objekten in einem Bild wie hier dargestellt implementiert werden kann.
4 ist ein Ablaufdiagramm eines beispielhaften Verfahrens für mehrteilige Objektspaltung.
5 ist eine grafische Darstellung von Bilddaten, die bezeichnend sind für ein potenziell mehrteiliges Objekt.
6 ist eine grafische Darstellung von Voxeln, denen ein Topologiewert zugewiesen wurde.
7 ist eine Darstellung einer multivariaten Verteilung.
8 ist eine grafische Darstellung von Bilddaten, die auf ein oder mehrere Unterobjekte schließen lassen.
9 ist eine Veranschaulichung eines beispielhaften computerlesbaren Mediums, umfassend durch einen Prozessor ausführbare Anweisungen, die konfiguriert sind, eine oder mehrere der hier beschriebenen Maßnahmen zu verkörpern.
Ausführliche Beschreibung
Im Folgenden soll der beanspruchte Gegenstand unter Bezugnahme auf die Zeichnungen beschrieben werden, wobei durchweg gleiche Bezugszeichen für gleiche Elemente benutzt werden. In der folgenden Beschreibung wurden zum Zwecke des Verständnisses zahlreiche spezifische Details beschrieben, um ein gründliches Verständnis des beanspruchten Gegenstands zu gewährleisten. Es versteht sich jedoch, dass der beanspruchte Gegenstand auch ohne diese spezifischen Details praktiziert werden kann. In anderen Fällen sind Strukturen und Geräte in Blockdiagrammform veranschaulicht, um das Beschreiben des beanspruchten Gegenstands zu vereinfachen.
Vorgesehen sind Systeme und Techniken zum Aufteilen einer mehrteiligen Objektdarstellung in Unterobjekte in einem Bild, das dadurch erzeugt wurde, dass ein oder mehrere Objekte mit einer bildgebenden Vorrichtung bildlich (zum Beispiel als Computertomografiebild eines an einer Sicherheitsstation in einem Flughafen kontrollierten Gepäckstücks) dargestellt wurden. Das heißt in einer Ausführung Techniken und Systeme zum Spalten mehrteiliger Objekte in getrennte Unterobjekte.
1 ist eine Veranschaulichung einer beispielhaften Umgebung 100, in welcher ein System zum Identifizieren potenziell gefährlicher Objekte aus einer Klasse von Objekten innerhalb eines Behälters eingesetzt wird, der mit Hilfe eines bildgebenden Apparats (zum Beispiel einem CT-Scanner) einer Bildgebung unterzogen wurde. In der beispielhaften Umgebung 100 ist die bildgebende Vorrichtung ein Objekt-Scanning-Apparat 102, wie ein Security Scanning Apparat (wie er zum Beispiel in Flughäfen zum Scannen von Gepäck verwendet wird). Der Scanning-Apparat 102 kann zum Scannen eines oder mehrerer Objekte 110 verwendet werden (zum Beispiel einer Reihe von Koffern in einem Flughafen). Der Scanning-Apparat umfasst typisch einen rotierenden Gerüstabschnitt 114 und einen stationären Gerüstabschnitt 116.
Der rotierende Gerüstabschnitt 114 umfasst eine Strahlungsquelle 104 (zum Beispiel eine Röntgenröhre), eine Schar von Strahlendetektoren (zum Beispiel Röntgendetektoren) und einen Rotor 112 (zum Beispiel einen Gerüstmotor) zum Drehen des rotierenden Gerüstabschnitts 114 (zum Beispiel einschließlich Strahlungsquelle 104 und Detektoren 106) um das/die gescannten Objekte 110. Eine Prüfungsoberfläche 108 (zum Beispiel ein Förderriemen) läuft durch ein Loch im rotierenden Gerüstabschnitt 114 und kann konfiguriert werden, das/die Objekte 110 von einem Upstream-Abschnitt des Objekt-Scanning-Apparats 102 zu einem Downstream-Abschnitt zu befördern (zum Beispiel Fördern des Objekts im Wesentlichen in einer Z-Dimension).
Beispielsweise könnte ein CT-Sicherheitsscanner 102, beinhaltend eine Röntgen-Quelle 104 wie eine Röntgenröhre, einen fächerförmigen, kegelförmigen, keilförmigen oder anders geformten Strahl erzeugen, der ein oder mehrere Objekte 110 wie zum Beispiel Koffer in einer Prüfungsregion durchleuchtet. In diesem Beispiel werden die Röntgenstrahlen von der Quelle 104 ausgegeben, durchlaufen die Prüfungsregion, die das/die zu scannenden Objekte enthält, und werden von einem Röntgendetektor 106 detektiert, der quer zur Röntgenquelle 104 verläuft. Ferner kann ein Rotor 112, wie ein am Scanner 102 befestigter Gerüstmotorantrieb dazu benutzt werden, zum Beispiel die Röntgenquelle 104 und den Detektor 106 um das/die Objekte 110 zu drehen. Auf diese Weise können Röntgen-Projektionen einer Vielfalt von Koffer-Perspektiven gesammelt und ein Satz von Röntgen-Projektionen für das/die Objekte erstellt werden. Obwohl die Strahlungsquelle hier mit einer Röntgenquelle 104 und einem um ein Objekt rotierenden Detektor 106 dargestellt ist, könnten die Strahlungsquelle 104 und der Detektor 106 auch stationär sein, während das Objekt 110 gedreht wird.
In der beispielhaften Umgebung 100 ist eine Datenerfassungskomponente 118 betrieblich mit dem Scanning-Apparat 102 gekoppelt und typisch konfiguriert, Information und Daten vom Detektor 106 zu sammeln, und kann dazu benutzt werden, die gesammelten Daten zu Projektionsraumdaten 150 für ein Objekt 110 zusammenzustellen. Ferner kann während des Förderns des/der Objekte 110 von einem Upstream-Abschnitt des Objekt-Scanning Apparats 102 zu einem Downstream-Abschnitt (zum Beispiel Fördern der Objekte parallel zur Drehachse des Scanning Array (in die Seite hinein und aus der Seite heraus)) die Mehrzahl der Winkelstellungs-Röntgen-Projektionen an einer Mehrzahl von Punkten entlang der Rotationsachse mit Bezug auf das/die Objekte 110 erfasst werden. In einer Ausführungsform könnte die Mehrzahl von Winkelstellungen eine X- und Y-Achse mit Bezug auf das/die gescannten Objekte umfassen, während die Drehachse eine Z-Achse mit Bezug auf das/die gescannten Objekte sein könnte.
In der beispielhaften Umgebung 100 ist ein Bildextraktor 120 an die Datenerfassungskomponente 118 gekoppelt und konfiguriert, die Daten 150 von der Datenerfassungskomponente 118 zu empfangen, und für das gescannte Objekt 110 bezeichnende dreidimensionale Bilddaten 152 mit Hilfe einer geeigneten analytischen, iterativen und/oder anderen Rekonstruktionstechnik (zum Beispiel Rückprojektion vom Projektionsraum zum Bildraum) zu erzeugen.
In einer Ausführungsform könnten die dreidimensionalen Bilddaten 152 zum Beispiel für einen Koffer schließlich auf einem Monitor eines Terminals 130 (zum Beispiel Desktop oder Laptop Computer) zur menschlichen Betrachtung angezeigt werden. In dieser Ausführungsform könnte ein Bediener das Bild isolieren und manipulieren, indem er den Koffer dreht und ihn aus einer Vielfalt von Winkeln heraus in verschiedenen Zoomstufen und Positionen betrachtet.
Es versteht sich, dass, auch wenn die beispielhafte Umgebung 100 den Bild-Extraktor 120 verwendet, um dreidimensionale Bilddaten zum Beispiel für einen gescannten Koffer aus den von der Datenerfassungskomponente 118 erzeugten Daten 150 zu extrahieren, die hier beschriebenen Techniken und Systeme nicht auf diese Ausführungsform beschränkt sind. In einer anderen Ausführungsform zum Beispiel könnten die dreidimensionalen Bilddaten von einem bildgebenden Apparat erzeugt werden, der nicht an das System gekoppelt ist. In diesem Beispiel könnten die dreidimensionalen Bilddaten auf einem elektronischen Speichergerät (zum Beispiel einem CD-ROM, einem Festplattenlaufwerk, einem Flash-Speicher) gespeichert und elektronisch an das System geliefert werden.
In der beispielhaften Umgebung 100 könnte ein Objekt- und Merkmal-Extraktor 122 die Daten 150 von der Datenerfassungskomponente 118 empfangen, um aus dem/den gescannten Gegenständen 110 (zum Beispiel ein Gegenstände enthaltendes Carry-on Gepäckstück) Objekte und Merkmale 154 zu extrahieren. Es versteht sich, dass die hier beschriebenen Systeme nicht auf die Anwesenheit eines Objekt- und Merkmal-Extraktors 122 an einem Ort in der beispielhaften Umgebung 100 beschränkt sind. Zum Beispiel könnte der Objekt- und Merkmal-Extraktor 122 eine Komponente des Bild-Extraktors 120 sein, wobei der Bild-Extraktor 120 sowohl dreidimensionale Bilddaten 152 als auch Objekt-Merkmale 154 sendet. In einem anderen Beispiel könnte der Objekt- und Merkmal-Extraktor 122 nach dem Bildextraktor angeordnet 120 sein und könnte Objektmerkmale 154 aus den dreidimensionalen Bilddaten 152 extrahieren. Ein in der Technik bewanderter Fachmann könnte auch andere Anordnungen zum Liefern der dreidimensionalen Bilddaten 152 und Objektmerkmale 154 an das beispielhafte System entwickeln.
In der beispielhaften Umgebung 100 kann eine Eingangssteuerung 124 dreidimensionale Bilddaten 152 und Objektmerkmale 154 für ein oder mehrere gescannte Objekte 110 empfangen. Die Eingangssteuerung 124 kann konfiguriert werden, ein potenziell mehrteiliges Objekt in den dreidimensionalen Bilddaten 152 aufgrund von Objektmerkmalen zu identifizieren. In einer Ausführungsform kann die Eingangssteuerung 124 dazu verwendet werden, Objekte auszuwählen, die mehrteilige Objekte 156 für die Verarbeitung durch ein mehrteiliges Objektspaltungssystem 126 sein könnten. In einem Beispiel können die Objektmerkmale 154 (zum Beispiel Eigenschaften eines Objekts in einem Bild wie zum Beispiel eine „Eigenbox Fill Ratio”) vor der Eingangssteuerung 124 berechnet und mit vorherbestimmten Merkmalen für mehrteilige Objekte (zum Beispiel Merkmalen, die aus bekannten mehrteiligen Objekten während eines System-Training extrahiert wurden) verglichen werden, um zu bestimmen, ob das eine oder die mehreren Objekte mehrteilige Objekte sind. In einem anderen Beispiel berechnet die Eingangssteuerung 124 eine Durchschnittsdichte und eine Standardabweichung eines potenziell mehrteiligen Objekts. Wenn die Standardabweichung außerhalb eines vorherbestimmten Bereichs liegt, kann die Eingangssteuerung 124 das Objekt als potenziell mehrteiliges Objekt identifizieren. Objekte, die von der Eingangssteuerung 124 nicht als potenziell mehrteilige Objekte identifiziert werden, können nicht durch das mehrteilige Objektspaltungssystem 126 geschickt werden.
In der beispielhaften Umgebung 100 empfängt das mehrteilige Objektspaltungssystem 126 für ein potenziell mehrteiliges Objekt 156 (zum Beispiel Voxel-Daten) bezeichnende dreidimensionale Bilddaten von der Eingangssteuerung 124. Das mehrteilige Objektspaltungssystem 126 ist konfiguriert, Voxel der für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten auf Basis von Topologiestrukturdaten zu benennen, die aus den für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten erzeugt wurden. Durch das Benennen der Voxel auf Basis von Topologiestrukturdaten (und wahlweise anderen Daten) werden die für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten in dreidimensionale Bilddaten umgewandelt, die auf ein oder mehrere Unterobjekte hindeuten.
Die Topologiestrukturdaten stellen die topologischen Unterschiede im potenziell mehrteiligen Objekt dar. Es versteht sich, dass sich der hier benutzte Ausdruck „topologische Unterschiede” auf die Dickheit oder Dünnheit eines Objekts bezieht, wobei die Dickheit oder Dünnheit eines Objekts durch einen Wert der ersten Dimension (zum Beispiel Breite, Tiefe, Höhe usw.) des Objekts mit Bezug auf die anderen beiden Dimensionen des Objekts definiert wird. Ein „dünnes” Objekt zum Beispiel kann definiert werden als ein Objekt, das signifikant kleiner (zum Beispiel kürzer) in einer Dimension als in anderen Dimensionen ist. Desgleichen kann „Topology Score” als der Wert definiert werden, der einem Voxel aufgrund der Wahrscheinlichkeit zugewiesen wird, dass ein Voxel bezeichnend für ein dünnes oder dickes Objekt bezogen auf die Wahrscheinlichkeit ist, dass ein oder mehrere benachbarte Voxel bezeichnend für ein dünnes oder dickes Objekt sind. Es versteht sich jedoch, dass allgemein gesprochen ein „Topology Score” eine Metrik ist, die sich auf andere Eigenschaften wie eine Krümmung, einen Radius usw. zum Beispiel beziehen könnte. Das heißt, ein Dünnheits-/Dickheits-Wert ist lediglich ein einziges Beispiel für das mögliche Maß eines Topology Score (und nicht bezeichnend für alle Topology Scores). Dennoch bedeutet zum Zwecke dieser Patentanmeldung der hier benutzte Ausdruck Topology Score ein statistisches Maß eines Voxels, das bezeichnend dafür ist, wie wahrscheinlich es ist, dass dieses Voxel zu einem dünnen oder einem dicken Objekt gehört. In einer Ausführungsform ist das mehrteilige Objektspaltungssystem 126 konfiguriert, unter Einsatz geeigneter analytischer, iterativer oder anderer dem Fachmann bekannten CFAR Techniken (CFAR = Constant False Alarm Rate) eine Topology Score Map des potenziellen Objekts zu erzeugen. Auf diese Weise kann ein erster Abschnitt des potenziell mehrteiligen Objekts, das einen ersten Topologie-Wertebereich aufweist, als ein erstes Unterobjekt identifiziert werden, und ein zweiter Abschnitt des potenziell mehrteiligen Objekts, das einen zweiten Topologie-Wertebereich aufweist, der sich vom ersten Topologie-Wertebereich unterscheidet, kann als zweites Unterobjekt identifiziert werden.
In der beispielhaften Umgebung 100 kann ein Gefahrenbestimmer 128 Bilddaten für ein Objekt empfangen, welche auf Unterobjekte 158 hindeutende Bilddaten umfassen können. Der Gefahrenbestimmer 128 kann konfiguriert werden, die Bilddaten einer oder mehrerer vorherbestimmter Schwellen zu vergleichen, entsprechend einem oder mehreren potenziell gefährlichen Objekten. Es versteht sich, dass die hier bereitgestellten Systeme und Techniken nicht auf den Einsatz eines Gefahrenbestimmers 128 beschränkt sind und auch ohne denselben zum Trennen von mehrteiligen Objekten eingesetzt werden können. Zum Beispiel könnten Bilddaten für ein Objekt an ein Terminal 130 geschickt werden, wobei ein Bild eines geprüften Objekts 110 zur menschlichen Betrachtung angezeigt werden kann.
Information über mögliche Gefahren in einem gescannten Objekt und/oder Information über Unterobjekte 160 kann an ein Terminal 130 in der beispielhaften Umgebung 100 geschickt werden, wo zum Beispiel eine Anzeige vorhanden ist, die an einer Gepäckkontrolle von Sicherheitspersonal betrachtet werden kann. Auf diese Weise kann in diesem Beispiel Echtzeitinformation für Objekte abgerufen werden, die einem Scan mit einem Sicherheitsscanner 102 unterzogen werden.
In der beispielhaften Umgebung 100 ist eine Steuerung 132 betrieblich an das Terminal 130 gekoppelt. Die Steuerung 132 empfängt Befehle von dem Terminal 130 und erzeugt Anweisungen für den Objekt-Scanning-Apparat 102, die sich auf die durchzuführenden Vorgänge beziehen. Es könnte sein, dass ein menschlicher Bediener das Objekt 110 nochmals scannen will, und die Steuerung 132 könnte die Anweisung geben, die Prüfungsoberfläche 108 anzuweisen, die Richtung umzukehren (zum Beispiel Zurückbringen des Objekts in eine Prüfregion des Objekt-Scanning-Apparats 102).
2 ist ein Komponentenblockdiagramm, das eine Ausführungsform 200 einer Eingangssteuerung 124 veranschaulicht, die konfiguriert werden kann, ein potenziell mehrteiliges Objekt auf Basis der Merkmale des Objekts zu identifizieren. Die Eingangssteuerung 124 kann eine Merkmalschwelle-Vergleichskomponente 202 umfassen, die konfiguriert werden kann, den oder die Merkmalwerte 154 mit einer entsprechenden Merkmalschwelle 250 zu vergleichen.
In einer Ausführungsform werden Bilddaten 152 für ein in Frage stehendes Objekt zusammen mit einem oder mehreren entsprechenden Merkmalwerten 154 an die Eingangssteuerung 124 gesendet. In dieser Ausführungsform können die Merkmalwerte 154 u. a. die Formeigenschaften eines Objekts beinhalten, wie z. B. eine Eigen-box Fill Ratio (EBFR) für das in Frage stehende Objekt. Zum Beispiel haben Objekte mit einem großen EBFR typisch eine einheitlichere Form, während Objekte mit einem kleinen EBFR typisch unregelmäßiger geformt sind. In dieser Ausführungsform kann die Merkmalschwelle-Vergleichskomponente 202 einen oder mehrere Objektmerkmalwerte mit einem Schwellenwert für dieses Objektmerkmal vergleichen um zu bestimmen, welches oder welche Merkmale in diesem Fall auf ein mehrteiliges Objekt schließen lassen. In einer anderen Ausführungsform können die Merkmalwerte 154 Eigenschaften beinhalten, die sich auf die Durchschnittsdichte des Objekts und/oder auf die Standardabweichung von Dichten von Abschnitten des Objekts beziehen. Die Merkmalschwelle-Vergleichskomponente 202 könnte die Standardabweichung der Dichten mit einem Schwellenwert vergleichen, um zu bestimmen, ob es sich um ein mehrteiliges Objekt handelt.
In der beispielhaften Umgebung 100 kann die Eingangssteuerung 124 eine Eingangsentscheidungskomponente 204 beinhalten, die konfiguriert werden kann, ein potenziell mehrteiliges Objekt auf Basis von Ergebnissen von der Merkmalschwelle-Vergleichskomponente 202 zu identifizieren. In einer Ausführungsform könnte die Entscheidungskomponente 204 ein potenziell mehrteiliges Objekt auf Basis einer gewünschten Anzahl positiver Ergebnisse für entsprechende Objektmerkmale identifizieren, wobei die positiven Ergebnisse auf ein potenziell mehrteiliges Objekt schließen lassen. Beispielsweise könnte in dieser Ausführungsform eine gewünschte Anzahl von Ergebnissen zu hundert Prozent positiv sein, was bedeutet, dass bei nur einem Objektmerkmal, das nicht auf ein mehrteiliges Objekt hindeutet, das Objekt nicht zum Trennen weitergeleitet wird (zum Beispiel würden die nicht auf ein mehrteiliges Objekt 158 hindeutenden Daten an den Gefahrenbestimmer 128 weitergeleitet). Wenn jedoch in diesem Beispiel das fragliche Objekt die gewünschte Anzahl positiver Ergebnisse aufweist (zum Beispiel nur positive Ergebnisse), können die Bilddaten für das potenziell mehrteilige Objekt zur Trennung 156 weitergeleitet werden. In einem anderen Beispiel könnte die Eingangsentscheidungskomponente 204 ein potenziell mehrteiliges Objekt identifizieren, wenn die Standardabweichung an der Schwellenvergleichskomponente 202 eine vorherbestimmte Schwelle überschreitet.
3 ist ein Komponentenblockdiagramm einer beispielhaften Ausführungsform 300 eines mehrteiligen Objektspaltungssystems 126, das konfiguriert werden kann, dreidimensionale Bilddaten 158 zu erzeugen, die auf Unterobjekte aus für ein potenziell mehrteiliges Objekt bezeichnenden dreidimensionalen Bilddaten 156 schließen lassen.
Die beispielhafte Ausführungsform des mehrteiligen Objektspaltungssystems 126 umfasst eine Topologieabbildungskomponente 302, die konfiguriert ist, dreidimensionale Bilddaten zu empfangen, die bezeichnend für ein potenziell mehrteiliges Objekt 156 sind, das zum Beispiel gerade von einer Eingangssteuerungskomponente (zum Beispiel 124 in 1) geprüft wird. Die Topologieabbildungskomponente 302 ist ferner konfiguriert, aus den für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten Topologiestrukturdaten 350 zu erzeugen, die topologische Unterschiede des potenziell mehrteiligen Objekts darstellen. Anders ausgedrückt ist die Topologieabbildungskomponente 302 konfiguriert, einen Topologiewert für entsprechende Voxel der dreidimensionalen Bilddaten 156 zu bestimmen. Auf diese Weise kann zum Beispiel die Dichte eines ersten Abschnitts des durch ein Voxel darstellten potenziell mehrteiligen Objekts relativ zu der Dichte benachbarter Voxel bestimmt werden (die benachbarte Abschnitte des potenziell mehrteiligen Objekts darstellen).
In einem Beispiel kann eine einem in der Technik bewanderten Fachmann bekannte CFAR Technik (CFAR = Constant False Alarm Rate) dazu benutzt werden, die Topologiestrukturdaten 350 zu erzeugen. Im Allgemeinen umfasst die CFAR Technik typisch das Berechnen der mittleren Abweichung und der Standardabweichung einer Eigenschaft wie Dichte oder Ordnungszahl für Abschnitte des potenziell mehrteiligen Objekts, das durch an ein Test-Voxel angrenzende Voxel dargestellt wird (zum Beispiel ein gerade geprüftes Voxel). Dem Test-Voxel wird nun ein Topologiewert zugewiesen, indem die Eigenschaft des Test-Voxels vom Mittelwert subtrahiert und danach durch die Standardabweichung plus einen Faktor geteilt wird (zum Beispiel eine kleine Konstante, die dazu dient, sicherzustellen, dass der Nenner nicht gleich Null ist). Diese Handlungen können für eine Mehrzahl von Test-Voxeln wiederholt werden. Es versteht sich, dass auch andere dem in der Technik bewanderten Fachmann bekannte Techniken zum Erzeugen von Topologiestrukturdaten 350 in Verbindung mit oder an Stelle der hier beschriebenen CFAR Technik verwendet werden können.
In der beispielhaften Ausführungsform 300 umfasst das mehrteilige Objektspaltungssystem 126 ferner eine Verteilungskomponente 304, die konfiguriert ist, die Topologiestrukturdaten zu empfangen und anhand der Topologiestrukturdaten statistische Verteilungsdaten 352 von Objekt-Voxeln zu erzeugen. Es versteht sich, dass die Verteilung die Daten von Objekt-Voxeln darstellt (zum Beispiel Dichtewerte, Ordnungszahlwerte, Topologiestrukturdaten usw.), so dass somit ein einzelner Punkt in der Verteilung repräsentativ für eine Mehrzahl von Objekt-Voxeln sein kann (wobei zum Beispiel jedes Voxel ähnliche Werte für die eine oder die mehreren in der Verteilung dargestellten Variablen hat), ein Voxel aber nicht mehr als einen Punkt in der Verteilung darstellen kann (zum Beispiel kann ein Voxel nur einen Dichtewert, einen Topology Score Map Wert usw. aufweisen).
In einem Beispiel ist die statistische Verteilung eine multivariate Verteilung umfassend eine n-te Anzahl von Variablen, wobei „n” eine Ganzzahl größer als Null ist. Zum Beispiel könnte eine erste Dimension der multivariaten Verteilung eine Verteilung der Topologiestrukturdaten darstellen, eine zweite Dimension könnte eine Verteilung einer anderen Eigenschaft des Objekts (und dargestellt durch die entsprechenden Voxel) wie Dichte und/oder Ordnungszahl sein (falls der Objekt-Scanning Apparat 102 ein Doppelenergie-Scanner ist) und eine dritte Verteilung könnte zum Beispiel Höhe oder Häufigkeit sein.
Anders ausgedrückt, wenn eine multivariate Verteilung erzeugt wird, können mindestens zwei Eigenschaften des potenziell mehrteiligen Objekts, die von den für das potenziell mehrteilige Objekt bezeichnenden dreidimensionalen Bilddaten abgeleitet werden können, als Variablen in der Verteilung eingesetzt werden. Eine erste für die Verteilung benutzte Eigenschaft ist der den entsprechenden Voxeln (von der Topologieabbildungskomponente) zugewiesene Topologiewert, und eine zweite Eigenschaft könnte zum Beispiel die den jeweiligen Voxeln zugewiesene Dichte und/oder Ordnungsnummer sein (auf Basis der Strahlung, die von dem Abschnitt des durch das Voxel dargestellten potenziell mehrteiligen Objekts absorbiert wurde).
Es versteht sich, dass dort, wo die Verteilungskomponente 304 zur Erzeugung einer multivariaten Verteilung konfiguriert ist, die in die Verteilung eingehenden Daten außer den in den Topologiestrukturdaten enthaltenen Topologiewerten von einer externen Quelle außerhalb des mehrteiligen Objektspaltungssystems 126 kommen können. Zum Beispiel kann die Komponente 304 konfiguriert sein, die für das potenziell mehrteilige Objekt 156 bezeichnenden Bilddaten (die Daten enthalten können, die bezeichnend für die Dichte entsprechender Voxel sind) von der Eingangssteuerung 124 zu empfangen.
In einer anderen Ausführungsform umfassen die Topologiestrukturdaten 350 sowohl die Topologiewerte als auch die für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten (zum Beispiel werden die Topologiewerte einfach zu den dreidimensionalen Bilddaten 156 hinzugefügt). Anders ausgedrückt empfängt die Verteilungskomponente 304 (alle) Daten, die zur Erzeugung der Verteilung aus der Topologieabbildungskomponente 302 benutzt werden.
Die beispielhafte Ausführungsform 300 umfasst ferner eine Segmentierungskomponente 306, die konfiguriert ist, die Verteilungsdaten 352 zu empfangen und die segmentierten Verteilungsdaten 354 auszugeben. Zur Erzeugung der segmentierten Verteilungsdaten 354 ist die Segmentierungskomponente 306 konfiguriert, Moden (zum Beispiel Spitzen) in der (multivariaten) Verteilung 352 zu segmentieren oder zu identifizieren, wobei analytische, iterative oder andere statistische Segmentierungstechniken zum Einsatz kommen, die einem in der Technik bewanderten Fachmann bekannt sind (zum Beispiel ein „Mean-Shirt” Algorithmus oder anderer „Hill-Climbing” Algorithmus). Solche Spitzen oder Moden in der Verteilung können bezeichnend für potenziell mehrteilige Objekte sein, und somit kann das Identifizieren der Moden zum Identifizieren von Unterobjekten, zum Beispiel, beitragen.
Die beispielhafte Ausführungsform 300 umfasst ferner eine erste Verfeinerungskomponente 308, die konfiguriert ist, die segmentierten Verteilungsdaten 354 von der Segmentierungskomponente 306 zu empfangen. Die erste Verfeinerungskomponente 308 kann auch konfiguriert werden, die segmentierte Verteilung zu verfeinern, indem sie die Anzahl der Moden in der segmentierten Verteilung 354 reduziert. Anders ausgedrückt ist die erste Verfeinerungskomponente 308 konfiguriert, Moden aufzulösen, die nicht die vorherbestimmten Kriterien erfüllen. In einem Beispiel löst die erste Verfeinerungskomponente 308 schwache Spitzen auf (zum Beispiel Spitzen, die neben Spitzen mit größerer Höhe liegen), und/oder kombiniert mit einer oder mehreren Spitzen verknüpfte Daten mit einer dominanteren Spitze (zum Beispiel einer Spitze mit größerer Höhe relativ zur schwachen Spitze). Auf diese Weise werden zum Beispiel Spitzen, die wahrscheinlich keine Unterobjekte sondern kleine Zusammensetzungsabweichungen in einem Unterobjekt sind, nicht als Unterobjekt identifiziert. Wenn solche Spitzen nicht aufgelöst werden, könnten mehr Unterobjekte identifiziert werden als es tatsächlich in dem potenziell mehrteiligen Objekt gibt.
Verfeinerte Verteilungsdaten 356, die von der ersten Verfeinerungskomponente 308 ausgegeben wurden, werden in der beispielhaften Ausführungsform 300 an einen Umbenenner 310 übertragen. Der Umbenenner (Relabeler) 310 ist konfiguriert, Voxel der für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten gemäß den Spitzen in der verfeinerten Verteilung 356 umzubenennen. Wenn zum Beispiel die in die Verteilung für einen Abschnitt des durch ein erstes Voxel dargestellten Objekts aufgenommenen Eigenschaften (zum Beispiel Topology Score und Dichte) in einen ersten Hügel aufgenommen wurden, kann das erste Voxel umbenannt werden in „1”, und wenn die Eigenschaften in einen von dem ersten Hügel abweichenden zweiten Hügel aufgenommen wurden, kann das erste Voxel in „2” umbenannt werden. Auf diese Weise werden die für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Bilddaten zu dreidimensionalen Bilddaten, die auf ein oder mehrere Unterobjekte 358 schließen lassen.
Anders ausgedrückt wird beim Benennen von Voxeln eine Verknüpfung mit einem Objekt hergestellt. Wenn zum Beispiel zehn Objekte in einem Koffer identifiziert wurden, werden die mit einem ersten Objekt verknüpften Voxel mit „1”, die mit einem zweiten Objekt verknüpften Voxel mit „2” usw. benannt. Wenn das zweite Objekt als zum Beispiel potenziell mehrteiliges Objekt identifiziert wird, können die für das zweite Objekt bezeichnenden Daten (zum Beispiel die für das potenziell mehrteilige Objekt 156 bezeichnenden dreidimensionalen Daten) einschließlich der mit „2” benannten Daten an das mehrteilige Objektspaltungssystem 126 übertragen werden. Die ursprünglich mit „2” benannten Daten können vom Umbenenner 310 umbenannt werden. Wenn zum Beispiel die erste Verfeinerungskomponente 308 drei dominante Spitzen (die zum Beispiel bezeichnend für drei Unterobjekte sind) identifiziert, kann der Umbenenner 310 die mit einem ersten „Hügel” der Verteilung verknüpften Voxel mit „2” benennen (weil das Voxel durch einen Punkt dargestellt ist, der innerhalb des ersten „Hügels” liegt), die mit einem zweiten „Hügel” der Verteilung verknüpften Voxel mit „11” (weil bereits 10 Objekte im Koffer identifiziert wurden) und die mit einem dritten ”Hügel” verknüpften Voxel der Verteilung mit ”12”. Wenn zum Beispiel der erste Punkt ein erstes Voxel darstellt (zum Beispiel weil der erste Punkt auf Koordinaten liegt, die sich mit der Dichte und dem Topology Score des ersten Voxels decken) und der erste Punkt innerhalb eines mit „3” benannten „Hügels” liegt, kann das erste Voxel mit „3” benannt werden. Durch das hier beschriebene Umbenennen der Voxel kann der Umbenenner 310 bewirken, dass zwölf Objekte anstatt der ursprünglichen zehn Objekte im Koffer identifiziert werden.
Es versteht sich, dass die für das potenzielle Objekt 156 bezeichnenden dreidimensionalen Bilddaten an den Umbenenner 310 von einer Quelle übertragen werden können, die außerhalb des mehrteiligen Objektspaltungssystems 126 liegt (zum Beispiel von der Eingangssteuerung 124) und/oder die dreidimensionalen Bilddaten 156 können Teil der Daten sein, die durch das mehrteilige Objektspaltungssystem 126 laufen (zum Beispiel könnten die für das potenzielle Objekt 156 bezeichnenden dreidimensionalen Bilddaten Teil der Topologiestrukturdaten 350, der Verteilungsdaten 352, der segmentierten Verteilungsdaten 354 und/oder der verfeinerten Verteilungsdaten 356 sein). Egal wie der Umbenenner 310 die für das potenzielle Objekt 156 bezeichnenden dreidimensionalen Bilddaten empfängt, ist der Umbenenner, wenn er die Daten einmal empfangen hat, konfiguriert, die Voxel der für das potenzielle Objekt bezeichnenden dreidimensionalen Bilddaten auf Basis der Moden in den verfeinerten Verteilungsdaten 356 umzubenennen.
In der beispielhaften Ausführungsform 300 umfasst das mehrteilige Objektspaltungssystem 126 auch eine zweite Verfeinerungskomponente 312, die konfiguriert ist, die für ein oder mehrere Unterobjekte bezeichnenden dreidimensionalen Bilddaten 354 zu empfangen. Die zweite Verfeinerungskomponente 312 ist ferner konfiguriert, die für ein oder mehrere Unterobjekte 358 bezeichnenden dreidimensionalen Bilddaten zu verfeinern, indem sie die korrekt benannten Voxel verifiziert. In einem Beispiel benutzt die zweite Verfeinerungskomponente 312 Konnektivitätsanalyse, um zu identifizieren, dass ein erstes Voxel mit einem ersten Namen innerhalb einer vorherbestimmten geometrischen Nähe eines Clusters von Voxeln liegt, die ebenfalls den ersten Namen tragen. Wenn ein Cluster von Voxeln, die als mit einem ersten Unterobjekt verknüpft identifiziert wurden (zum Beispiel weil sie den ersten Namen tragen), in einer identifizierten geometrischen Region liegen, ein oder mehrere der Voxel (zum Beispiel eine relativ kleine Zahl) jedoch außerhalb der identifizierbaren Region liegen (d. h. die Voxel sind nicht geometrisch mit anderen mit dem Unterobjekt verknüpften Voxeln verbunden), können die außerhalb der identifizierbaren Region liegenden Voxel von der zweiten Verfeinerungskomponente 312 umbenannt werden, um einem Unterobjekt zu entsprechen, das eine ähnliche geometrische Position wie die Voxel aufweist, und/oder um dem Hintergrund zu entsprechen (d. h. die Voxel könnten mit „0” benannt sein). Auf diese Weise kann die Wahrscheinlichkeit verbessert werden, dass ein korrekt benanntes Voxel und somit ein aus den Voxeln resultierendes Bild verbessert werden kann (zum Beispiel weniger Artefakten).
Die (verfeinerten) dreidimensionalen Bilddaten der Unterobjekte 158 können an einem Monitor eines Terminals (zum Beispiel 130 in 1) angezeigt und/oder an einen Gefahrenbestimmer (zum Beispiel 128 in 1) übertragen werden, der konfiguriert ist, Gefahren gemäß den Eigenschaften eines Objekts zu identifizieren. Weil das mehrteilige Objekt in Unterobjekte aufgeteilt wurde, kann der Gefahrenbestimmer die Eigenschaften eines Objekts besser erkennen und somit genauer detektieren, ob ein Objekt zum Beispiel eine Gefahr oder eine Nicht-Gefahr ist.
Es kann ein Verfahren zum Spalten eines mehrteiligen Objekts in Unterobjekte in einem Bild eingerichtet werden, das in einem bildgebenden Apparat erzeugt wurde. In einer Ausführungsform kann das Verfahren von einem Gefahrenbestimmungssystem an einer Sicherheitskontrolle eingesetzt werden, an der Passagiergepäck auf potenziell gefährliche Gegenstände hin durchleuchtet wird. In dieser Ausführungsform kann eine Fähigkeit eines Gefahrenbestimmungssystems, potenzielle Gefahren zu detektieren, verringert werden, wenn mehrteilige Objekte eingeführt werden, da berechnete Eigenschaften des mehrteiligen Objekts nicht unbedingt speziell auf ein einzelnes physikalisches Objekt zutreffen müssen. Deshalb ist es wünschenswert, das mehrteilige Objekt in getrennte Unterobjekte, aus denen es besteht, aufzuteilen.
4 zeigt ein Ablaufdiagramm eines beispielhaften Verfahrens 400. Ein solches beispielhaftes Verfahren 400 kann nützlich zum Spalten eines potenziell mehrteiligen Objekts zum Beispiel sein. Das Verfahren beginnt bei 402, erzeugt bei 404 Topologiestrukturdaten aus für ein potenziell mehrteiliges Objekt bezeichnenden Bilddaten. In einer Ausführungsform sind die Daten dreidimensional und gleichen den Bilddaten, die mit Hilfe eines CT-Scans des potenziell mehrteiligen Objekts erfasst werden können.
5 ist eine Veranschaulichung von Bilddaten eines potenziell mehrteiligen Objekts 500 (punktschattiert). Das potenziell mehrteilige Objekt umfasst einen rahmenartigen Abschnitt 502 und einen ovalförmigen Abschnitt 504. Der nicht-schattierte Bereich 508 stellt Hintergrund dar (d. h. einen Abschnitt des Bildes, der nicht das Objekt enthält). Es versteht sich, dass obwohl die Bilddaten des potenziell mehrteiligen Objekts 500 anscheinend zweidimensional sind, sie in Wirklichkeit dreidimensional sein können (wobei die dritte Dimension in die Seite eintritt).
Die Topologiestrukturdaten identifizieren die Topologie des potenziell mehrteiligen Objekts durch Vergleichen der Wahrscheinlichkeit, dass ein Test-Voxel (zum Beispiel ein einer Prüfung unterzogenes Voxel) mit einem dicken oder dünnes Objekt verknüpft ist, mit der Wahrscheinlichkeit, dass andere räumlich in der Nähe des Test-Voxels liegende Voxel bezeichnend für ein dickes oder dünner Objekt sind, und zwar unter Einsatz von Techniken, die einem in der Technik bewanderten Fachmann bekannt sind (zum Beispiel einer CFAR Technik). In einem Beispiel umfasst das Erzeugen der Topologiestrukturdaten das Berechnen der mittleren Dichte und der Standardabweichung für Voxel, die in der Nähe des Test-Voxels liegen. Die Dichte des Test-Voxels, oder vielmehr die Dichte eines Abschnitts des durch das Voxel dargestellten potenziell mehrteiligen Objekts kann danach von der mittleren Dichte subtrahiert werden. Dieser Wert kann dann durch die Standardabweichung plus einen Faktor (falls die Standardabweichung Null ist) dividiert werden, um den Topologiewert zu bestimmen, der dem Test-Voxel zugewiesen werden kann. Die Handlungen des Subtrahierens und Dividierens können für eine Mehrzahl von Voxeln wiederholt werden, um die Topologiestrukturdaten zu erzeugen (wobei zum Beispiel jedes Voxel in der Abbildung ein dem gegebenen Voxel zugewiesenes Topology Score umfasst).
6 ist eine grafische Darstellung von Voxeln 600, die Topologiewerte eines Abschnitts (d. h. der gestrichelten Linien 506 in 5) der Bilddaten des potenziell mehrteiligen Objekts 500 enthalten. Zum Zwecke der Veranschaulichung ist nur eine Lage (die Oberflächenlage) von Voxeln mit Topologiewerten dargestellt. In einem dreidimensionalen Bildraum könnten jedoch zahlreiche Voxel-Lagen existieren, wobei den Voxeln in jeder Lage Topologiewerte zugewiesen sein könnten.
Wie in 6 veranschaulicht, können Voxel, die eine Kante eines Abschnitts eines mehrteiligen Objekts 500 darstellen (zum Beispiel eine Kante des rahmenartigen Abschnitts 502 und/oder eine Kante eines ovalförmigen Abschnitts 504), größere Topologiewerte aufweisen als Voxel, die andere Abschnitte des mehrteiligen Objekts 500 darstellen (zum Beispiel Voxel im Innern des rahmenartigen Abschnitts 502 und/oder Voxel im Innern des ovalförmigen Abschnitts 504). Anders ausgedrückt können Voxel, die Objektabschnitte darstellen, die räumlich gesehen in der Nähe eines Bereichs mit sich ändernder Dichte liegen (falls Dichte zum Berechnen der Topologiewerte verwendet wird), größere Topologiewerte aufweisen als Voxel, die Abschnitte des Objekts mit einer weitgehend konstanten Dichte aufweisen.
In dem dargestellten Beispiel stellen Voxel in einem Topologiebereich von sechs oder sieben 602 eine Kante des ovalförmigen Abschnitts 504 dar (wo Abschnitte des Objekts, die durch einige der Nachbar-Voxel dargestellt sind, eine weitgehend andere Dichte aufweisen), und Voxel in einem Topologiebereich von zwei oder drei 604 stellen eine Kante des rahmenartigen Abschnitts 502 dar. Voxel in einem Topologiebereich von fünfzehn bis sechzehn 606 stellen Hintergrund dar (d. h. diese Voxel stellen kein potenziell mehrteiliges Objekt dar) und weisen somit eine Dichte von Null auf. Es versteht sich, dass die hier verwendeten Topologiewerte lediglich beispielhafte Werte darstellen. Die tatsächlichen Topologiewerte können sich von den hier verwendeten Werten unterscheiden.
Es versteht sich, dass Test-Voxel, die von anderen Voxeln mit dem Test-Voxel ähnlichen Dichten umgeben sind (zum Beispiel Test-Voxel im Innern des rahmenartigen Abschnitts 502, des ovalförmigen Abschnitts 504 und/oder des Hintergrunds), niedrigere Topologiewerte aufweisen als Voxel, die neben einer Kante des rahmenartigen Abschnitts 502 und/oder des ovalförmigen Abschnitts 504 liegen, weil die Dichten der Nachbar-Voxel ähnlich sind (d. h. der Mittelwert der Dichte benachbarter Voxel minus der Dichte des Test-Voxels ist sehr klein). In dem dargestellten Beispiel weisen solche „innenliegenden” Voxel einen Topologiewert von eins auf.
Die Topologiestrukturdaten können zur Erzeugung von Bilddaten, die auf ein oder mehrere Unterobjekte hindeuten, aus den für ein potenziell mehrteiliges Objekt bezeichnenden Bilddaten verwendet werden (zum Beispiel wie in früheren Handlungen beschrieben).
Bei 406 wird eine Verteilung von Objekt-Voxeln (zum Beispiel eine Verteilung von anhand der Voxel erfassten Daten) unter Einsatz der Topologiestrukturdaten erstellt. Die Verteilung kann eine einzelne oder multivariate Verteilung mit mindestens einer Variablen, oder Achse, der Verteilung sein, die bezeichnend für die Topologiestrukturdaten ist. Eine zweite Achse kann die Häufigkeit, oder Höhe, der Verteilung darstellen, und im Falle die Verteilung eine multivariate Verteilung ist, kann eine dritte Achse (z. B., und zweite Variable) der Verteilung bezeichnend für eine andere Eigenschaft des potenziell mehrteiligen Objekts sein, das durch die Voxel dargestellt wird, wie zum Beispiel Dichte und/oder Ordnungszahl. Es versteht sich, dass die Anzahl der Variablen und/oder der zur Erzeugung der Verteilung benutzten Eigenschaften nicht auf die hier beschriebenen begrenzt ist. Zum Beispiel könnte in einer anderen Ausführungsform eine multivariate Verteilung drei Variablen umfassen, d. h. eine Variable für die Topologiestrukturdaten, eine für die Dichte und eine für die Ordnungszahl.
7 veranschaulicht eine beispielhafte multivariate Verteilung 700 von Objekt-Voxeln. Wie dargestellt zeigt die X-Achse 702 Dichten des potenziellen Objekts für verschiedene Voxel, die Z-Achse zeigt das Topology Score des potenziellen Objekts für verschiedene Voxel (zum Beispiel basierend auf den Topologiestrukturdaten) und die Y-Achse 706 zeigt Höhen (ausgedrückt in Wahrscheinlichkeitswerten), die bezeichnend sind für die Wahrscheinlichkeit, dass ein Voxel eine gegebene Dichte und Topology Score aufweist, basierend auf der Häufigkeit von Voxeln, von denen bekannt ist, dass sie eine gegebene bestimmte Dichte und Topology Score aufweisen. Anders ausgedrückt ist die Höhe bezeichnend für die Anzahl von Voxeln, die eine gegebene Dichte und Topology Score aufweisen (d. h. je größer die Anzahl von Voxeln mit einer gegebenen Dichte und Topology Score, umso wahrscheinlicher ist es, dass ein anderes willkürlich gewähltes Voxel ebenfalls die gegebene Dichte und Topology Score aufweist).
Ein Hügel 708 in der Verteilung 700 (mit einer einen Verteilungsmodus darstellenden Spitze 710) könnte ein Unterobjekt sein. In dem dargestellten Beispiel umfasst die Verteilung einen ersten Hügel 708 und einen zweiten Hügel 712, so dass die Verteilung zwei oder weniger Unterobjekte darstellen könnte. Es versteht sich, dass nicht alle Hügel Unterobjekte darstellen müssen (zum Beispiel könnten Hügel mit schwachen Moden kompositionelle Änderungen in einem einzelnen Unterobjekt darstellen), und somit ist unbekannt (bis zu der bei 410 durchgeführten Handlung), ob sowohl der erste Hügel 708 als auch der zweite Hügel 712 Unterobjekte darstellen.
Zurückgehend zu 4 wird bei 408 die Verteilung der Objekt-Voxel segmentiert, um einen oder mehrere Moden in der Verteilung (zum Beispiel einen Wert, der häufiger als andere Werte in einem gegebenen Datensatz auftritt) unter Verwendung analytischer, iterativer oder anderer Modus-Identifizierungstechniken zu identifizieren. In einem Beispiel wird ein „Mean-Shift” Algorithmus oder anderer statistischer „Hill-Climbing” Algorithmus zum Identifizieren von Moden in der Verteilung verwendet. Da Hügel in der Verteilung eine entsprechende Spitze (zum Beispiel 710 in 7) aufweisen, gestattet das Identifizieren von Moden, dass Hügel identifiziert werden können, die entsprechende Unterobjekte darstellen (und aus Daten aus einer Mehrzahl von Voxeln bestehen).
Bei 410 werden die Moden, die nicht den vorherbestimmten Kriterien entsprechen, aufgelöst. Zum Beispiel können Moden, die nicht in einen vorherbestimmten Höhenbereich fallen, Moden, die nicht einer bestimmten Höhenschwelle genügen, und/oder Hügel, die nicht bezeichnend für Daten aus einer vorherbestimmten Anzahl von Voxeln sind, aufgelöst werden. Zum Beispiel könnte, zurückkehrend zu 7, ein Modus aufgelöst werden, wenn keine Höhenveränderung (d. h. Wahrscheinlichkeit) von mindestens 0,1 vom Fuße der Hügel 708 oder 712 bis zum Modus, oder Spitze 710, in der Verteilung 700 stattgefunden hat. Somit würden weder der erste Hügel 708 (und angeschlossener Modus) noch der zweite Hügel 712 (und angeschlossener Modus) aufgelöst.
Das Auflösen von Moden (und angeschlossenen Hügeln) umfasst typisch das Löschen von einen Modus darstellenden Daten und/oder das Ändern von Daten, damit diese zu einem Teil des Nachbarhügels werden, der nicht aufgelöst wird. Auf diese Weise werden (schwache) Moden, die höchstwahrscheinlich keine Unterobjekte (sondern eine Dichteschwankung in einem einzelnen Objekt und/oder ein Artefakt in den ein potenzielles Objekt darstellenden Bilddaten, zum Beispiel) darstellen, aufgelöst, während (dominante) Moden, die höchstwahrscheinlich Unterobjekte darstellen, beibehalten werden. Somit wird durch das Auflösen von Moden die Wahrscheinlichkeit reduziert, dass mehr Unterobjekte identifiziert werden als tatsächlich in dem potenziell mehrteiligen Objekt enthalten sind.
Bei 412 werden Voxel der ein potenziell mehrteiliges Objekt darstellenden dreidimensionalen Bilddaten benannt oder umbenannt (falls die Voxel früher bereits während einer dreidimensionalen Segmentierung benannt wurden, um das potenziell mehrteilige Objekt zu identifizieren), wobei Modellverknüpfung gemäß den identifizierten Moden (d. h. was nach Auflösung der schwachen Moden noch übrig bleibt) in der Verteilung der Objekt-Voxel zum Einsatz kommt, um Bilddaten zu erzeugen, die ein oder mehrere Unterobjekte (zum Beispiel 158 in 1) darstellen. Anders ausgedrückt werden die Voxel des potenziell mehrteiligen Objekts allgemein mit dem gleichen Namen bezeichnet (zum Beispiel einer das potenziell mehrteilige Objekt identifizierenden Kennnummer). Nach Erstellung der Verteilung und Identifizierung der Moden können die Voxel umbenannt werden, so dass einige der Voxel einen ersten Namen und einige der Voxel einen zweiten Namen aufweisen, wobei entsprechende Namen einem Unterobjekt des potenziell mehrteiligen Objekts entsprechen. Es versteht sich, dass in Fällen, in denen nur ein einziges Unterobjekt auf Basis der Moden in der Verteilung identifiziert wird (d. h. das potenziell mehrteilige Objekt ist gar kein mehrteiliges Objekt), die Voxel nicht umbenannt werden.
In einer Ausführungsform umfasst Modellverknüpfung das Vergleichen der Eigenschaften des potenziell mehrteiligen Objekts, die durch ein erstes Voxel in der Verteilung dargestellt werden, und das Identifizieren eines Punktes in der Verteilung, der den Eigenschaften entspricht. Dem Voxel kann nun ein Name zugewiesen werden, der dem Namen des Modus und dem angeschlossenen Hügel entspricht, in dem sich der identifizierte Punkt befindet. Wenn zum Beispiel die durch das erste Voxel dargestellten Eigenschaften einem Punkt innerhalb des ersten Hügels entsprechen, kann dem ersten Voxel ein Name zugewiesen werden, der dem ersten Hügel zugewiesen ist. Auf diese Weise werden die Voxel in den Bilddaten, die das potenziell mehrteilige Objekt darstellen (zum Beispiel 256 in 1), zu Voxeln der Bilddaten, die ein oder mehrere Unterobjekte darstellen (zum Beispiel 158 in 1).
Bei 414 wird ein erstes Voxel mit einem ersten Namen (der zum Beispiel bei 412 zugewiesen wurde) umbenannt, falls das erste Voxel nicht innerhalb einer vorherbestimmten geometrischen Nähe (zum Beispiel auf Basis der Konnektivitätsanalyse) eines Clusters von Voxeln liegt, die den ersten Namen tragen. Anders ausgedrückt kann einem Voxel, dem ein erster Name auf Basis der Dichte und/oder eines Topologiewerts des Abschnitts des durch das Voxel dargestellten Objekts zugewiesen wurde, ein zweiter anderer Name zugewiesen werden, wenn das Voxel nicht innerhalb eines vorherbestimmten geometrischen Bereichs eines ersten Clusters von Voxeln liegt, denen ebenfalls der erste Name zugewiesen wurde. Zum Beispiel kann dem Voxel ein zweiter anderer Name zugewiesen werden, wenn das Voxel nicht an eine vorherbestimmte Anzahl von Voxeln angrenzt, denen der erste Name zugewiesen wurde. Der neue Name, der dem Voxel zugewiesen wurde, kann ein Hintergrundname sein (so dass die Daten des Voxels ignoriert werden), oder das Voxel kann umbenannt werden in einen Namen, der Voxeln zugewiesen wurde, die innerhalb einer vorherbestimmten geometrischen Nähe des Voxels liegen (d. h. dem Voxel wird ein Name zugewiesen, der dem Namen eines zweiten Clusters von Voxeln entspricht, der sich von dem Namen des ersten Clusters von Voxeln unterscheidet).
8 ist eine Veranschaulichung von Bilddaten eines oder mehrerer Unterobjekte 800 (zum Beispiel Unterobjekte des potenziell mehrteiligen Objekts 500 in 5). Wie dargestellt, bewirkten die dort beschriebenen Handlungen, dass die ein potenziell mehrteiliges Objekt darstellenden Bilddaten als zwei Unterobjekte identifiziert wurden – ein rahmenartiges Objekt 802 (punktschattiert) und ein ovalförmiges Objekt 804 (streifenschattiert).
Zurückkehrend zu 4 endet das Verfahren bei 416.
Eine wiederum andere Ausführungsform bezieht sich auf ein computerlesbares Medium, das prozessor-ausführbare Anweisungen umfasst, die konfiguriert sind, eine oder mehrere der hier beschriebenen Techniken zu implementieren. Ein beispielhaftes computerlesbares Medium, das auf diese Weise erstellt werden kann, ist in 9 dargestellt, wobei die Implementierung 900 ein computerlesbares Medium 902 (zum Beispiel ein CD-R, DVD-R oder eine Platte eines Festplattenlaufwerks) umfasst, auf dem die computerlesbaren Daten 904 codiert sind. Die computerlesbaren Daten 904 umfassen ihrerseits einen Satz von Computeranweisungen 906, die konfiguriert sind, gemäß eines oder mehrerer hier festgelegten Prinzipien zu funktionieren. In einer derartigen Ausführungsform 900 könnten die prozessor-ausführbaren Anweisungen 906 konfiguriert sein, ein Verfahren wie zum Beispiel das beispielhafte Verfahren 400 von 4 durchzuführen. In einer anderen derartigen Ausführungsform könnten die prozessor-ausführbaren Anweisungen 906 konfiguriert sein, ein Scannersystem wie mindestens den beispielhaften Scanner 100 von 1 zum Beispiel zu implementieren. Viele solche computerlesbaren Medien, die konfiguriert sind, gemäß den hier erklärten Techniken zu funktionieren, können von einem in der Technik bewanderten Fachmann entwickelt werden.
Schließlich ist zu erwähnen, dass die Verwendung der Worte „Beispiel” und/oder „beispielhaft” in dieser Spezifikation „als Beispiel, Instanz oder Veranschaulichung dienend” bedeutet. Die hier als „Beispiel” und/oder „beispielhaft” beschriebenen Aspekte, Designs usw. sind nicht so zu verstehen, als ob sie anderen Aspekten, Designs usw. gegenüber von Vorteil wären. Vielmehr dient der Einsatz dieser Begriffe dem Zweck, Konzepte auf konkrete Art darzustellen. Der in dieser Schrift verwendete Ausdruck „oder” ist als inklusives „oder”, nicht als exklusives „oder” zu verstehen. Das heißt, wenn nicht anders angegeben oder es aus dem Zusammenhang nicht klar ist, werden unter „X verwendet A oder B” alle natürlichen inklusiven Permutationen verstanden. Das heißt, wenn „X verwendet A”; „X verwendet B”; oder „X verwendet sowohl A als auch B”, dann ist „X verwendet A oder B” für jede der oben erwähnten Instanzen zufriedengestellt. Ferner, die in dieser Anmeldung und in den beigefügten Ansprüchen benutzten Artikel „a” (ein) und „an” (ein) sind allgemein als „ein oder mehrere” zu verstehen, soweit nicht anders angegeben, oder wenn aus dem Zusammenhang heraus klar ist, dass der Singular gemeint ist.
Ferner, obwohl die Offenbarung mit Bezug auf eine oder mehrere Implementierungen dargestellt und beschrieben ist, werden einem in der Technik bewanderten Fachmann nach dem Durchlesen und Verstehen dieser Spezifikation einschließlich der beigefügten Zeichnungen gleichwertige Änderungen und Modifikationen einfallen. Die vorliegende Offenbarung beinhaltet alle derartigen Modifikationen und Änderungen und ist ausschließlich durch den Geltungsbereich der folgenden Ansprüche begrenzt. Bezug nehmend insbesondere auf die verschiedenen Funktionen, die von den oben beschriebenen Komponenten durchgeführt werden (zum Beispiel Elemente, Ressourcen usw.) sind die Ausdrücke, mit denen diese Komponenten beschrieben werden, soweit nicht anders angegeben, als jeder Komponente entsprechend zu verstehen, die die angegebene Funktion der beschriebenen Komponente durchführt (d. h. die in gleicher Weise funktioniert), auch wenn sie nicht gleich der offenbarten Struktur ist, die die Funktion in den hier veranschaulichten Implementierungen der Offenbarung durchführt. Des weiteren, obwohl ein bestimmtes Merkmal der Offenbarung mit Bezug auf nur eine von mehreren Implementierungen offenbart wurde, kann ein solches Merkmal, falls wünschenswert und vorteilhaft für eine gegebene oder bestimmte Anwendung, mit einem oder mehreren anderen Merkmalen der anderen Implementierungen kombiniert werden. Des weiteren, insofern als die Ausdrücke „einschließen”, „haben”, „hat”, „mit” oder Varianten derselben in der ausführlichen Beschreibung oder in den Ansprüchen benutzt wurden, sind diese Ausdrücke als inklusive entsprechend dem Ausdruck „umfassend” zu verstehen.

Claims

Verfahren (400) zum Spalten eines mehrteiligen Objekts, umfassend: Verwenden (406–412) von Topologiestrukturdaten, um aus Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind, Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Verfahren nach Anspruch 1, umfassend das Erzeugen von Topologiestrukturdaten aus den Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind, wobei die Topologiestrukturdaten ein statistisches Maß eines Voxels umfassen, das bezeichnend dafür ist, wie wahrscheinlich es ist, dass das Voxel zu einem dünnen oder dicken Objekt gehört.
Verfahren nach Anspruch 1, umfassend das Erzeugen einer Verteilung der Objekt-Voxel, wobei mindestens eine Variable der Verteilung bezeichnend für die Topologiestrukturdaten ist.
Verfahren nach Anspruch 3, wobei die Verteilung eine multivariate Verteilung ist.
Verfahren nach Anspruch 3, wobei eine zweite Variable der Verteilung der Objekt-Voxel bezeichnend für eine andere Eigenschaft des potenziell mehrteiligen Objekts ist.
Verfahren nach Anspruch 3, umfassend das Identifizieren von Moden in der Verteilung.
Verfahren nach Anspruch 6, umfassend das Benennen von Voxeln der Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind, gemäß den identifizierten Moden in der Verteilung der Objekt-Voxel, um Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Verfahren nach Anspruch 7, umfassend, vor dem Benennen, das Auflösen von Moden, die nicht die vorherbestimmten Kriterien erfüllen.
Verfahren nach Anspruch 1, umfassend das Erzeugen einer multivariaten Verteilung der Objekt-Voxel, wobei eine erste Variable der multivariaten Verteilung die Topologiestrukturdaten sind und eine zweite Variable eine andere Eigenschaft des potenziell mehrteiligen Objekts ist.
Verfahren nach Anspruch 9, umfassend das Benennen eines ersten Voxels der Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind, mit einem ersten Namen, der einem entsprechenden Modus in der multivariaten Verteilung der Objekt-Voxel zugewiesen wurde, um Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Verfahren nach Anspruch 10, umfassend das Umbenennen des ersten Voxels, das den ersten Namen trägt, wenn es nicht innerhalb einer vorherbestimmten geometrischen Nähe eines Clusters von Voxeln liegt, die den ersten Namen tragen.
Verfahren nach Anspruch 1, wobei die Bilddaten dreidimensional sind.
Verfahren nach Anspruch 12, wobei die Bilddaten mit Hilfe eines CT-Scans des potenziell mehrteiligen Objekts erfasst werden.
Apparat (126) für mehrteilige Objektspaltung, umfassend: eine Verteilungskomponente (304), die konfiguriert ist, eine statistische Verteilung (352) von Objekt-Voxeln unter Einsatz von Topologiestrukturdaten (350) zu erzeugen, die von Bilddaten (156) abgeleitet sind, die bezeichnend für ein eine Prüfung durchlaufendes potenziell mehrteiliges Objekt sind; und eine Segmentierungskomponente (306), die konfiguriert ist, Moden in der statistischen Verteilung (352) zu identifizieren; und einen Umbenenner (Relabeler) (310), der konfiguriert ist, ein für ein potenziell mehrteiliges Objekt bezeichnendes erstes Voxel der Bilddaten (156) mit einem Namen zu benennen, der einem identifizierten Modus zugewiesen wurde, der dem ersten Voxel entspricht, um Bilddaten (158) zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Apparat nach Anspruch 14, umfassend eine Topologie-Abbildungskomponente (302), die konfiguriert ist, Topologiestrukturdaten (350) aus den für ein potenziell mehrteiliges Objekt bezeichnenden Bilddaten (156) zu erzeugen.
Apparat nach Anspruch 14, umfassend eine erste Verfeinerungskomponente (308), die konfiguriert ist, Moden in der statistischen Verteilung (354) aufzulösen, die nicht die vorherbestimmten Kriterien erfüllen.
Apparat nach Anspruch 14, umfassend eine zweite Verfeinerungskomponente (312), die konfiguriert ist, die Voxel, die nicht in einer vorherbestimmten geometrischen Nähe eines Clusters von ähnlich benannten Voxeln liegen, umzubenennen.
Apparat nach Anspruch 14, die statistische Verteilung (352) eine multivariate Verteilung von Objekt-Voxeln ist und die Topologiestrukturdaten (350) eine erste Variable der Verteilung darstellen, die zweite Variable bezeichnend für eine andere Eigenschaft des potenziell mehrteiligen Objekts ist.
Apparat nach Anspruch 14, wobei der Apparat (126) Teil eines CT-Scanners (100) ist.
Verfahren (400) zum Spalten von mehrteiligen Objekten, umfassend: Erzeugen (404) von Topologiestrukturdaten aus dreidimensionalen Bilddaten, die bezeichnend für ein potenziell mehrteiliges Objekt sind; Erstellen (406) einer multivariaten Verteilung von Objekt-Voxeln unter Einsatz mindestens der Topologiestrukturdaten und einer anderen Eigenschaft von Voxeln des potenziell mehrteiligen Objekts; Segmentieren (408) der multivariaten Verteilung von Objekt-Voxeln, um Moden in der multivariaten Verteilung zu identifizieren; und Benennen (412) eines ersten Voxels der für ein potenziell mehrteiliges Objekt bezeichnenden dreidimensionalen Bilddaten mit einem Namen, der einem dem ersten Voxel entsprechenden Modus zugewiesen wurde, um dreidimensionale Bilddaten zu erzeugen, die auf ein oder mehrere Unterobjekte schließen lassen.
Verfahren nach Anspruch 20, umfassend das Umbenennen des ersten den ersten Namen tragenden Voxels, wenn es nicht innerhalb einer vorherbestimmten geometrischen Nähe eines Clusters von Voxeln liegt, die den ersten Namen tragen.