JP2010223963A - コンテナを検査する方法及びシステム - Google Patents

Abstract

【課題】コンテナの内容物の画像を再構築して、分割する方法及びシステムが提供される。
【解決手段】実際の走査データを前記コンテナの走査から受信することと、実際のデータを再構築して、再構築された画像を取得することと、再構築された画像を分割して、分割された画像を取得するステップと、分割された画像に対応するシミュレートされた走査データを導出することと、シミュレートされた走査データと実際の走査データとの間の差異に基づいて、エラー項を導出することと、基準が満足されるか否かを判定することと、基準が満足されない場合には、エラー項を用いて修正済みの再構築された画像を生成し、前記再構築された画像と置き換えられた修正済みの再構築された画像を用いて、前段階を繰り返すことと、基準が満足される場合には、分割された画像から情報を出力することを含む方法が提供される。
【選択図】図１

Description

本明細書に記載される実施形態は、概して、コンテナの検査に関し、より詳細には、複数のコンテナの内容物の画像を再構築して、分割し、コンテナ内部に秘匿される物体の検査を容易にすることに関する。

少なくとも幾つかの既知の検出システムには、コンテナの画像を構築し、画像を分析して、コンテナ内部にある爆発物、薬物、武器及び／又はその他の禁輸品を検出するものがある。少なくとも一つの既知のコンテナ内部にある物体を検出する方法は、エックス線を用いてコンテナを走査して、コンテナの画像を再構築する第一のステップと、再構築された画像を検査して、問題となる物体を検出する第二のステップとを含む。

第一のステップは、コンピュータ断層撮影（ＣＴ）画像などのコンテナ内部の画像を再構築することを含む。再構築された画像のピクセルの各々は、概して、該ピクセルの位置に対応するコンテナ内容物によるエックス線の相対的減衰を表す。画像を再構築する既知の方法は、例えば、フィルタ処理された背面投影（ＦＢＰ）及び反復再構成（ＩＲ）を含む。これらの方法の既知の実施携帯は、様々な画像の品質の測定基準に基づいて、性能を最適化するように試みている。そのような既知の画像再構築アルゴリズムは、典型的には、医療分野において用いられることによって、発展してきた。したがって、これらのアルゴリズムの実施は、病気を診断する目的のために、人間に合わせた画像解釈の下で最適化されてきた。

少なくとも幾つかの既知の検出システムは、そのような最終的な再構築された画像を入力として受理し、様々な検査アルゴリズムを適用して、画像内において問題となる物体を識別する。そのような検査アルゴリズムは、画像データの要素を典型的には、画像データの要素を、コンテナ内部の特定の物体若しくは物体の一部に対応するものとなる、同様の値を持つものの集団にグループ分けすることからなる、画像“分割”及び／又は“ラベリング”と呼ばれることが多い手順によって開始される。そのような既知の画像分割手順は、典型的には、再構築アルゴリズムから受信される画像データ内に何らかの不均質性がある場合に、測定されたエックス線データ内にある不一致、ノイズ、誤差のために再構築されたデータから導出された人工的なものであると推定する。その結果として、既知の画像再構築及び検査アルゴリズムを用いる検出システムでは、検査ステップにおいて、複雑な経験則に基づいた訂正方法を利用して、画像再構築ステップを通過したエラーを補償しなければならない。従って、画像再構築及び画像分割を二つの独立したステップに分割することによって、既知の検出システムの正確性を減少させ、既知のシステムによる検査に要求される時間及び費用を増加させることになる。

一態様において、コンテナの内容物の画像を再構築し、分割する方法が提供される。この方法は、コンテナを走査することによって実際の走査データを受信すること、該実際の走査データを再構築して、再構築した画像を得ること、及び、該再構築した画像を分割して、分割した画像を得ることを含む。この方法は又、該分割したデータに対応するシミュレートされた走査データを導出すること、このシミュレートした走査データと実際の走査データとの違いに基づいて、エラー項を計算すること、及び、基準を満足しているか否かを判定することを含む。この方法は、さらに、エラー項を用いて、修正済みの再構築された画像を生成すること、基準が満足されない場合には、再構築された画像に代えて、修正済みの再構築された画像を用いて、上述のステップを繰り返すこと、及び、基準が満足される場合には、分割した画像から情報を出力することを含む。

別の態様においては、コンテナ内の物体を検出する検査システムが、提供される。このシステムは、コンテナの走査による実際の走査データを受信し、該実際の走査データを再構築して再構築された画像を取得し、該再構築された画像を分割して、分割した画像を取得するように構成されたプロセッサを含む。このプロセッサは又、該分割した画像に対応するシミュレートされた走査データを導出し、該シミュレートされた走査データと実際の走査データとの違いに基づいてエラー項を計算し、基準が満たされるか否かを判定するように構成される。このプロセッサは、さらに、エラー項を用いて、修正済みの再構築された画像を生成し、基準が満足されない場合には、再構築された画像に代えて修正済みの再構築された画像を用いて、上述のステップを繰り返し、基準が満足される場合には、分割した画像から情報を出力するように構成される。

さらに別の態様においては、コンピュータ読み取り可能な媒体に格納されるコンピュータプログラムが提供される。このコンピュータプログラムは、コンテナの走査による実際の走査データを受信し、該実際の走査データを再構築して再構築された画像を取得し、該再構築された画像を分割して、分割した画像を取得するようにプロセッサを構成するコードセグメントを含む。このコードセグメントは又、該分割した画像に対応するシミュレートされた走査データを導出し、該シミュレートされた走査データと実際の走査データとの違いに基づいてエラー項を計算し、基準が満たされるか否かを判定するようにプロセッサを設定する。このコードセグメントは、さらに、エラー項を用いて、修正済みの再構築された画像を生成し、基準が満足されない場合には、再構築された画像に代えて修正済み再構築された画像を用いて、上述のステップを繰り返し、基準が満足される場合には、分割した画像から情報を出力するようにプロセッサを設定する。

図１−４は、本明細書に記載されるシステム及び方法の例示的な実施形態を示す。

例示的な検査システムのブロック図である。

図１に示されるシステムに使用される、画像を再構築し、分割する方法の例示的な実施形態のフローチャートである。

図２に示される方法に使用される、分割操作の例示的な実施形態のフローチャートである。

図２に示される方法に使用される、分割操作の別の例示的な実施形態のフローチャートである。

本発明の少なくとも一つの実施形態が、荷物を検査するシステムを関連して、以下に記載される。しかしながら、ここに提示された教示による導きを受けた当業者にとって、本発明の実施形態は、水上、地上及び／又は空中において運ばれる木箱、箱、ドラム、コンテナ、荷物及びスーツケース、並びに、その他のコンテナ及び／又は物体を含む貨物コンテナを走査するのに適切な、どのようなシステムにも制限なく同様に適用できることが明らかである。

さらに、本発明の実施形態は、荷物を検査するためのエックス線コンピュータ断層撮影（ＣＴ）システムを含むシステムに関連して以下に記載されるが、ここに提示された教示による導きを受けた当業者にとって、中性子線若しくはガンマ線を含む適切な走査放射線源のいずれも、別の実施形態において制限なく使用できることが、明らかである。さらに、ここに提示された教示による導きを受けた当業者にとって、本明細書に記載される検査システムの機能を可能にするのに十分な数の画像要素を生成するものであれば、どのような走査システムも利用できることも、明らかである。“画像要素”という用語は、ピクセル及び／又はボクセルといった画像データ内の要素を指す。本発明の実施形態は、ボクセルをもつ三次元画像に関連して、若しくは、代替として、ピクセルをもつ二次元画像に関連して、或いは、代替として、適切な組み合わせ及び／又は種類のいずれかにより構成される画像要素を含む適切な次元の画像に関連して用いることができる。

図１は、貨物コンテナ、箱、小包、荷物若しくはスーツケースといったコンテナ１２を走査し、コンテナ１２内に含まれる内容物を識別する、及び／又は、材料の種類を判定する例示的な検査システム１０のブロック図である。本明細書で用いられる“内容物”という用語は、コンテナ１２内に含まれるいずれかの物体及び／又は材料を指し、禁輸品を含む。

例示的な実施形態において、検査システム１０は、コンテナ１２を介して、放射線の少なくとも一つの主要ビーム１５を放出するように構成される少なくとも一つのエックス線源１４を含む。別の実施形態において、検査システム１０は、異なるエネルギー分布の放射線を放出するように構成される複数のエックス線源１４を含む。代替として、エックス線源１４の各々が、異なる時間に放出されるようにすることができる、任意のエネルギー分布を持つ放射線を放出するように構成される。特定の実施形態において、検査システム１０は、複数のエネルギー走査を利用して、コンテナ１２に関する減衰地図を取得する。ＣＴ画像の作成に加えて、複数のエネルギー走査は、物体の内容物の密度地図及び原子番号を作成できるようにする。一実施形態においては、コンテナ１２の二度エネルギー走査が、低エネルギーでコンテナ１２を走査し、次いで、高エネルギーでコンテナ１２を走査することを含む。データは、低エネルギー走査及び高エネルギー走査において集められ、コンテナ１２の密度画像及び／又は原子番号画像を、ＣＴ画像と同様に、再構築し、さらに、コンテナ１２内の材料の種類を識別することを容易にする。

例示的な実施形態において、検査システム１０は又、エックス線源１４から放出され、コンテナ１２を通って伝わる放射線を検出するように構成される少なくとも一つのエックス線検出器１６を含む。エックス線検出器１６は、表示領域の全体、若しくは、表示領域の一部のみを対象にするように構成される。ある実施形態においては、エックス線検出器１６は、一次元若しくは二次元行列の配置で並べられる複数のエックス線検出器の要素を含む。透過された放射線を検出すると、エックス線の検出器１６は、透過した放射線を示す信号を生成する。

検査システム１０の例示的な実施形態において、データ収集システム１８は、エックス線検出器１６に機能的に接続され、該エックス線検出器１６と信号通信する。データ収集システム１８は、エックス線検出器１６によって生成され、透過された信号を受信するように構成される。プロセッサ２０は、データ収集システム１８に機能的に接続される。プロセッサ２０は、コンテナ１２及びその内容物の一又はそれ以上の画像を生成し、生成された画像を処理して、コンテナ１２の内容物の検査を容易にするように構成される。本明細書で用いられる“プロセッサ”という用語は、当該技術分野でプロセッサと呼ばれる集積回路のみに制限されるものではなく、幅広く、コンピュータ、マイクロ制御器、マイクロコンピュータ、プログラム可能な論理制御器、アプリケーション特定集積回路及び／又はいずれかの他のプログラム可能な回路を意味する。特定の実施形態において、プロセッサ２０は、統合的に動作するか、若しくは、互いに独立して動作する複数の個別のプロセッサを指す。ある実施形態においては、プロセッサ２０は、リアルタイム、ほぼリアルタイム若しくは遅延した時間でコンテナ１２のＣＴ画像を再構築する。例示的な実施形態においては、そのようなＣＴ画像が、生成され、検査されて、コンテナ１２内にある物体２８及び物体３０といった物体の存在及び形状を推定する。

例示的な実施形態においては、検査システム１０は又、データ収集システム１８及び／又はプロセッサ２０に機能的に結合される表示デバイス２２、メモリデバイス２４及び／又は入力デバイス２６を含む。表示デバイス２２は、これに制限されるものではないが、モニター、ブラウン管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）、及び／又は、システム１０を本明細書に記載されるように機能させる別の適切な出力デバイスであってもよい。メモリデバイス２４は、これに制限されるものではないが、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、磁気若しくは光学ドライブ（図示なし）、及び／又は、システム１０を本明細書に記載されるように機能させる別の適切な格納デバイスであってもよい。入力デバイス２６は、これに制限されるものではないが、マウス、キーボード、及び／又は、本明細書に記載されるようにシステム１０を機能させる別の適切な入力デバイスであってもよい。

例示的な実施形態においては、メモリデバイス２４は、検査システム１０のモデル４０を格納する。プロセッサ２０は、モデル４０を画像に適用し、該画像に対応するシミュレートした走査データを作成することができる。より具体的には、いずれかの画像に対して、モデル４０は、プロセッサ２０がシステム１０に取得されるはずであった走査データをシミュレートできるようにして、そのような画像を検査システム１０に再構築させる。モデル４０は、これに制限されるものではないが、検査システム１０の前方投影モデルであってもよい。

図２は、コンテナ内部にある物体を識別するための方法１００を説明するフローチャートを示す。例示的な実施形態おいては、この方法１００は、検査システム１０において実施される。しかしながら、方法１００は、検査システム１０において実施されることに制限されるわけではなく、むしろ方法１００は、検査のためのいずれかの適切な画像を受信する分離したシステムなどのいずれかの適切なシステムに組み入れることができる。さらに、方法１００は、コンピュータプログラムとしてコンピュータ読み取り可能な媒体に組み入れられ、及び／又は、いずれかの別の適切な手段によって実施され及び／又は組み入れられるようにしてもよい。該コンピュータプログラムは、このコンピュータプログラムが、プロセッサによって実行されたときに、該プロセッサが一又はそれ以上の方法１００の機能を実行するように設定するコードセグメントを含むことができる。

方法１００の例示的な実施形態において、プロセッサ２０は、（図１に示す）システム１０によるコンテナ１２の走査から得られた走査データ４５、例えば、ＣＴデータを受信する１１０。プロセッサ２０は、これに制限されるものではないが、フィルタされた背面投影アルゴリズムといった適切な再構築方法のいずれかを用いることによって、受信された走査データ４５から再構築された画像５０を再構築する１２０。次に、プロセッサ２０は、これに制限されものではないが、シード領域成長、非シード領域成長、クラスタリング、エッジ検出、及び／又は、ヒストグラムに基づくアルゴリズムといった、いずれかの適切な方法を用いることによって、再構築された画像５０を分割する１３０。そのような方法は、コンテナ１２が（図１に示す）物体２８及び物体３０といった、各々が同種である多数の分離した物体を含み、コンテナ１２の内部の画像が、簡単に分割されることを、黙示的に仮定している。分割ステップ１３０は、再構築された画像５０内の、例えば、背景物体、ごみくず若しくは人工物を減少させる閾値ステップを含むことができる。

例えば、図３に示されるような分割ステップ１３０を実行する方法２００の例示的な実施形態において、プロセッサ２０は、再構築された画像５０の複数の有意な画像要素７５を識別する２０２。有意な画像要素７５は、（図１に示す）コンテナ１２内にある有意な物体に属するものとして推定される画像要素である。例えば、これに制限されるものではないが、有意な画像要素７５は、閾値を超えるＣＴ値を持つものとして、識別されるようにすることができる。プロセッサ２０は、次いで、複数の有意な画像要素７５を複数の関連した領域８０にグループ化する２０４。例えば、プロセッサ２０は、関連要素分析（ＣＣＡ）といった、特定の特性を持つ有意な画像要素７５を一緒にグループ化する２０４適切なクラスタリングアルゴリズムを適用する。さらに、プロセッサ２０は、少なくとも第一関連領域８０にグループ化された有意な画像要素７５の各々を、第一関連領域のラベル付けされた画像要素８５としてグループ化する２０６。さらに、例示的な実施形態において、プロセッサ２０は、第一関連領域８０のラベル付けされた画像要素８５の平均ＣＴ値である代表値９０を計算する２０８。別の実施形態において、代表値９０は、これに制限されるものではないが、例えば、第一関連領域８０のラベル付けされた画像要素８５のＣＴ値の最頻値、若しくは、別の適切な統計値である。プロセッサ２０は、次いで、例えば、ＣＴ値のようなラベル付けされた画像要素８５の各々の値を対応する代表値９０に置換することによって、再構築された画像５０から分割された画像５５を作成する２１０。

特定の状況において、分割ステップ１３０の例示的な実施形態２００は、強い非線形な形で機能することができる。図４に示す、分割ステップ１３０の代替的な例示的な実施形態３００において、非線形性を減少させる分割ステップ１３０に含まれる代替的若しくは追加的なステップを説明する。プロセッサ２０は、最初に、いずれかの適切な方法を用いることによって、再構築された画像５０を分割し３０２、少なくとも一つの画像セグメント９２を取得する。用いられる方法が、クラスタリングアルゴリズムの場合には、例えば、少なくとも一つの画像セグメント９２は、（図３に示す）少なくとも第一関連領域８０と同種である。プロセッサ２０は、次いで、例えば、少なくとも一つの画像セグメント９２に関する、平均ＣＴ番号のような代表値９０を計算する３０４。少なくとも一つのセグメント９２に含まれる複数の画像要素の各々の画像要素に対して、プロセッサ２０は、さらに、画像要素に関連する元の値を、該元の値と少なくとも一つのセグメント９２に関する代表値９０との間の値に置き換える３０６。プロセッサ２０は、置換された値を持つ複数の画像要素を再構築した画像５０と結合して３０８、分割された画像５５を取得する。

図２に戻ると、プロセッサ２０は、さらに、システム１０によって取得されるはずであった走査データに対応するシミュレートされた走査データ６０を導出し１４０、分割された画像５５を再構築ステップ１２０の出力として取得する。例えば、プロセッサ２０は、モデル４０を含む前面投影アルゴリズムを用いて、分割された画像５５からシミュレートされた走査データ６０を導出する１４０ことができる。

さらに、例示的な実施形態において、プロセッサ２０は、シミュレートされた走査データ６０と実際の走査データ４５との間の差異に基づいてエラー項６５を計算する１５０。計算１５０は、シミュレートされた走査データ６０と実際の走査データ４５との間の変動を定量化する適切な方法のいずれであってもよい。例示的な実施形態において、エラー項６５は、シノグラムの形式、すなわち、同じ次元を持つものであり、実際の走査データ４５と同じ単位を持つものとすることができる。例えば、エラー項６５は、いくらかの重み付けを適用して、実際の走査データ４５内の各値とシミュレートされた走査データ６０内の対応する値との間の差を表す一連の値とすることができる。特定の実施形態において、そのような重み付けは、実際の走査データ４５内にある特定の方法の信頼性に対する統計的な推量に基づいて、選択することができる。例えば、（図１に示す）エックス線検出器１６の要素による、非常に低い強度を示す減衰の測定結果は、より高い強度を示す測定結果よりも信頼性が低いものであると考えられる。そのような場合には、そのような低強度値に対する実際の走査データ４５とシミュレートされた走査データ６０との間の差は、エラー項６５に対して、より小さく寄与するように重み付けがなされる。代替的な実施形態において、エラー項６５は、シミュレートされた走査データ６０の各々の値と実際の走査データ４５の対応する値との比に基づいて、一連の値として、計算される。別の機能を、値ごとにエラー項６５に適用することができる。

プロセッサ２０は、次いで、基準を満足しているか否かを判断する。例えば、これに制限されるものではないが、該基準は、エラー項６５の値の二乗和に対する最大の許容値といった、エラー項６５の値に基づく関数に拠るものとすることができる。追加的に、若しくは、代替的に、基準は、予め定められた最大の回数で反復して行ってもよい。

基準が満たされているとプロセッサ２０が判断する１６０場合には、例えば、エラー項６５の値に基づく関数が、最大の許容値を下回る場合、若しくは、予め決められた回数の反復がなされた場合には、プロセッサ２０は、分割された画像５５から情報を出力する１７０。例えば、これに制限されるものではないが、プロセッサ２０は、ディスプレイ２２の操作者に対して分割された画像５５を表示、及び／又は、それをコンピュータ読み取り可能なメモリ２４に格納することによって、分割された画像５５自身を出力する。

一方で、基準が満たされていないとプロセッサ２０が判断する１６０場合には、プロセッサ２０は、例えば、適切なフィルタされた後方投影アルゴリズムを適用することによって、エラー項６５を使用して１８０、修正済みの再構築された画像７０を生成する。次いで、分割１３０、シミュレートされた走査データの導出１４０及びエラー項６５の計算１５０が、再構築された画像５０の代わりとして修正済みの再構築された画像７０に対して、繰り返して行われる。例示的な実施形態において、この繰り返しのステップは、プロセッサ２０が分割された画像５５の結果からの情報を出力する１７０ステップ１６０の基準を満たすまで継続する。

上述のコンテナを検査するシステム及び方法は、コンテナ内にある禁輸品を含む物体の検出の正確性を向上させ、物体の検出に要求される時間及び費用を減少させることを助ける。より具体的には、本明細書に記載される実施形態は、画像再構築及び画像セグメント一つの機能に組み入れ、また、コンテナが離散的な数の同質の物体を含むという予測を画像再構築に含む。本明細書に記載される実施形態の技術的な効果は、再構築され、及び／又は、分割された画像の数を減少することである。本明細書に記載される実施形態の別の技術的な効果は、検査アルゴリズムの必要性を減少させ、検査段階において、複雑な経験による訂正を適用し、画像再構築ステップを通過したエラーを補償する。

コンテナを検査するための方法及びシステムの例示的な実施形態が、上に詳細に説明されている。当該方法及びシステムは、本明細書に記載される特定の実施形態に制限されることなく、むしろ、システムの要素及び／又は方法のステップを、本明細書に記載された別の要素及び／又はステップから、独立に分離して利用することができる。例えば、当該方法は、別の画像化システム及び方法と組み合わせて使用することもでき、本明細書に記載されるような検査システムのみに実施が制限されることはない。むしろ、例示的な実施形態が、多くの別の検査及び／検出アプリケーションに関連して実施され、利用されるようにすることができる。

本明細書に記載された事項は、実施例を用いる最良の形態を含む発明を開示しており、本技術分野における当業者が、いずれかの装置若しくはシステムを製造すること及び利用すること、並びに、いずれかの組み入れられた方法を実行することを含む本発明の実施をすることを可能にする。本発明の特許となり得る範囲は、特許請求の範囲によって定義されており、本発明の技術分野の当業者が思いつく別の例を含むことができる。そのような別の例が、特許請求の範囲の文言と異ならない構成要素を持つ場合、若しくは、特許と本質的でない部分で異なる均等な構成要素を含む場合には、そのような別の例は、特許請求の範囲に含まれることが意図される。

１０ 検査システム
１２ コンテナ
１４ エックス線源
１５ ビーム
１６ エックス線検出器
１８ データ収集システム
２０ プロセッサ
２２ 表示デバイス
２４ メモリデバイス
２６ 入力デバイス
２８ 物体
３０ 物体
４０ モデル

Claims (20)

1. コンテナの内容物の画像を再構築及び分割する方法であって、
   (i) 実際の走査データをコンテナの走査から受信するステップと、
   (ii) 前記実際のデータを再構築して、再構築された画像を取得するステップと、
   (iii) 前記再構築された画像を分割して、分割された画像を取得するステップと、
   (iv) 前記分割された画像に対応するシミュレートされた走査データを導出するステップと、
   (v) 前記シミュレートされた走査データと前記実際の走査データとの間の差に基づいてエラー項を計算するステップと、
   (vi) 基準が満足されているか否かを判定するステップと、
   (vii) 前記基準が満足されない場合には、前記エラー項を使用して修正済みの再構築された画像を生成し、ステップ(ii)において、取得された前記再構築された画像と置き換えられた前記修正済みの再構築された画像を用いて、ステップ(iii)から(vii)を繰り返すステップと、
   (viii)前記基準が満足される場合には、前記分割された画像から情報を出力するステップと、
   を含む方法。
2. 前記再構築された画像を分割する前記ステップ(iii)は、シード領域成長アルゴリズム、非シード領域成長アルゴリズム、クラスタリングアルゴリズム、縁認識アルゴリズム、及び、ヒストグラムに基づくアルゴリズムの内の少なくとも一つを含むアルゴリズムを前記再構築された画像に適用するステップを含むことを特徴とする請求項１に記載の方法。
3. 再構築された画像を分割して、分割された画像を取得する分割する前記ステップ(iii)は、
   前記再構築された画像内にある複数の有意な画像要素を識別するステップと、
   前記複数の有意な画像要素を複数の結合した領域にグループ分けするステップと、
   前記複数の結合した領域の内の少なくとも第一の結合した領域にグループ分けされた前記複数の有意な画像要素の内の各々の有意な画像要素を前記第一の結合した領域のラベル付けされた画像要素として、ラベル付けするステップと、
   前記第一の結合した領域に対して代表値を計算するステップと、
   前記第一の結合した領域の各々のラベル付けされた画像要素の値を代表値に置換することによって、前記再構築された画像から前記分割された画像を生成するステップと、
   をさらに含むことを特徴とする請求項１に記載の方法。
4. 前記再構築された画像を分割する前記ステップ(iii)は、
   前記再構築された画像を分割して、少なくとも一つの画像部分を取得するステップと、
   前記少なくとも一つの画像部分に対して代表的な画像要素の値を計算するステップと、
   前記少なくとも一つの画像部分内にある複数の画像要素の各々の画像要素に関連する元の値を前記元の値と前記代表的な画像要素の値との間の値に置換するステップと、
   前記複数の画像要素を前記再構築された画像の残りの部分と結合して、前記分割された画像を取得するステップと、
   をさらに含むことを特徴とする請求項１に記載の方法。
5. 前記実際の走査データを再構築して、再構築された画像を取得する前記再構築する前記ステップ(ii)は、フィルタされた背面投影アルゴリズムを前記実際の走査データに適用するステップを含むことを特徴とする請求項１に記載の方法。
6. 前記分割された画像に対応するシミュレートされた走査データを導出する前記ステップ(iv)は、前面投影アルゴリズムを前記分割された画像に適用するステップを含むことを特徴とする請求項１に記載の方法。
7. 前記エラー項を使用して修正済みの再構築された画像を生成する前記ステップ(vii)は、前記エラー項を用いることによって、フィルタされた背面投影アルゴリズムを適用するステップを含むことを特徴とする請求項１に記載の方法。
8. コンテナ内部にある物体を検出する検査システムであって、
   前記検査システムは、
   (i) 実際の走査データをコンテナの走査から受信し、
   (ii) 前記実際のデータを再構築して、再構築された画像を取得し、
   (iii) 前記再構築された画像を分割して、分割された画像を取得し、
   (iv) 前記分割された画像に対応するシミュレートされた走査データを導出し、
   (v) 前記シミュレートされた走査データと前記実際の走査データとの間の差異に基づいて、エラー項を計算するステップと、
   (vi) 基準が満足されるか否かを判定し、
   (vii) 前記基準が満足されない場合には、前記エラー項を使用して修正済みの再構築された画像を生成し、ステップ(ii)において取得された前記再構築された画像と置き換えられる前記修正済みの再構築された画像を用いて、ステップ(iii)から(vii)を繰り返し、
   (viii)前記基準が満足される場合には、前記分割された画像から情報を出力する、
   ように構成されるプロセッサを備えることを特徴とする検査システム。
9. 前記プロセッサは、シード領域成長アルゴリズム、非シード領域成長アルゴリズム、クラスタリングアルゴリズム、縁認識アルゴリズム、及び、ヒストグラムに基づくアルゴリズムの内の少なくとも一つを含むアルゴリズムを前記再構築された画像に適用するようにさらに構成されることを特徴とする請求項８に記載の検査システム。
10. 前記プロセッサは、
    前記再構築された画像内にある複数の有意な画像要素を識別し、
    前記複数の有意な画像要素を複数の結合した領域にグループ分けし、
    前記複数の結合した領域の内の少なくとも第一の結合した領域にグループ分けされた前記複数の有意な画像要素の内の各々の有意な画像要素を前記第一の結合した領域のラベル付けされた画像要素として、ラベル付けしと、
    前記第一の連結した領域に対して代表値を計算し、
    前記第一の関連領域の各々のラベル付けされた画像要素の値を代表値に置換することによって、前記再構築された画像から前記分割された画像を生成する
    ようにさらに構成されることを特徴とする請求項８に記載の検査システム。
11. 前記プロセッサは、
    前記再構築された画像を分割して、少なくとも一つの画像部分を取得し、
    前記少なくとも一つの画像部分に対して代表的な画像要素の値を計算し、
    前記少なくとも一つの画像部分内にある複数の画像要素の各々の画像要素に関連する元の値を前記元の値と前記代表的な画像要素の値との間の値に置換し、
    前記複数の画像要素を前記再構築された画像の残りの部分と結合して、前記分割された画像を取得する、
    ようにさらに構成されることを特徴とする請求項８に記載の検査システム。
12. 前記プロセッサは、フィルタされた背面投影アルゴリズムを前記実際の走査データに適用して、前記再構築された画像を取得するようにさらに構成されることを特徴とする請求項８に記載の検査システム。
13. 前記プロセッサは、前面投影アルゴリズムを前記分割された画像に適用して、前記分割された画像に対応するシミュレートされた走査データを導出するようにさらに構成されることを特徴とする請求項８に記載の検査システム。
14. 前記プロセッサは、前記エラー項を使用することによって、フィルタされた背面投影アルゴリズムを適用して、前記修正済みの再構築された画像を生成するようにさらに構成されることを特徴とする請求項８に記載の検査システム。
15. コンピュータ読み取り可能な媒体に組み入れられるコンピュータプログラムであって、前記コンピュータプログラムは、
    (i) 検査システムによって、実際の走査データをコンテナの走査から受信し、
    (ii) 前記実際のデータを再構築して、再構築された画像を取得し、
    (iii) 前記再構築された画像を分割して、分割された画像を取得し、
    (iv) 前記分割された画像に対応するシミュレートされた走査データを導出し、
    (v) 前記シミュレートされた走査データと前記実際の走査データとの間の差異に基づいて、エラー項を計算するステップと、
    (vi) 基準が満足されるか否かを判定し、
    (vii) 前記基準が満足されない場合には、前記エラー項を使用して修正済みの再構築された画像を生成し、ステップ(ii)において取得された前記再構築された画像と置き換えられる前記修正済みの再構築された画像を用いて、ステップ(iii)から(vii)を繰り返し、
    (viii)前記基準が満足される場合には、前記分割された画像から情報を出力する、
    ようにプロセッサを設定するコードセグメントを備えることを特徴とするコンピュータプログラム。
16. 前記コードセグメントは、
    シード領域成長アルゴリズム、非シード領域成長アルゴリズム、クラスタリングアルゴリズム、縁認識アルゴリズム、及び、ヒストグラムに基づくアルゴリズムの内の少なくとも一つを含むアルゴリズムを前記再構築された画像に適用するようにプロセッサをさらに設定することを特徴とする請求項１５に記載のコンピュータプログラム。
17. 前記コードセグメントは、
    前記再構築された画像内にある複数の有意な画像要素を識別し、
    前記複数の有意な画像要素を複数の結合した領域にグループ分けし、
    前記複数の結合した領域の内の少なくとも第一の結合した領域にグループ分けされた前記複数の有意な画像要素の内の各々の有意な画像要素を前記第一の前記した領域のラベル付けされた画像要素として、ラベル付けしと、
    前記第一の結合した領域に対して代表値を計算し、
    前記第一の結合した領域の各々のラベル付けされた画像要素の値を代表値に置換することによって、前記再構築された画像から前記分割された画像を生成する、
    ようにプロセッサをさらに設定することを特徴とする請求項１５に記載のコンピュータプログラム。
18. 前記コードセグメントは、
    前記再構築された画像を分割して、少なくとも一つの画像部分を取得し、
    前記少なくとも一つの画像部分に対して代表的な画像要素の値を計算し、
    前記少なくとも一つの画像部分内にある複数の画像要素の各々の画像要素に関連する元の値を前記元の値と前記代表的な画像要素の値との間の値に置換し、
    前記複数の画像要素を前記再構築された画像の残りの部分と結合して、前記分割された画像を取得する、
    ようにプロセッサをさらに設定することを特徴とする請求項１５に記載のコンピュータプログラム。
19. 前記コードは、前面投影アルゴリズムを前記分割された画像に適用して、前記分割された画像に対応するシミュレートされた走査データを導出するようにプロセッサをさらに設定することを特徴とする請求項１５に記載のコンピュータプログラム。
20. 前記コードは、前記エラー項を用いることによって、フィルタされた背面投影アルゴリズムを適用して、前記修正済みの再構築された画像を生成するようにプロセッサをさらに設定することを特徴とする請求項１５に記載のコンピュータプログラム。

Images