WO2002084268A1 - Procede pour segmenter et reconnaitre une image dans l'imagerie radiologique industrielle - Google Patents

Description

一种工业辐射成像中的图像分割识别方法 本发明涉及工业辐射成像的图像处理领域， 尤其是工业辐射成 像中的图像分割识别方法。

现有技术中， 图像的分割识别多用于医学图像处理法， 这些方 法假设图像上的物体线性衰减系数均匀分布， 互不重叠。 而工业辐射 成像特别是物品检测系统中， 图像上的物体重叠现象十分常见， 所以 不能解决这个问题。 而国外有研究对普通照像灰度图像的重叠物体采 用边缘延续假设， 主要基于边缘的方向数据。 但是这种方法只能对一 些十分简单的重叠物体进行分割， 对工业辐射成像中的各种复杂物体 效果不理想， 且时间长， 没有应用价值。

针对现有技术中存在的问题， 本发明的目的是提供一种工业辐 射成像中的图像分割识别方法。 它能自动区分并单独显示辐射成像图 像上的不同物体， 特别是能有效分开在图像中重叠的物体， 提高图像 检査的效率， 更易于发现隐藏的违禁品。

为了达到上述的发明目的， 本发明提供一种工业辐射成像中的 图像分割识别方法， 包括步骤： （1 )对原始图像进行预处理， 以减少 嗓声的影响， 用 G (x, y)表示像素 （x， y) 处的灰度值； （2)对投 影图像进行对数变换， 得到线性衰减系数图像即 A (x， y) =Cln (G (x， y) /I。） +A₀, 其中， I。= A。为图像的最大灰度值， C为调整对 比度的常数； (3)对线性衰减系数图像 A (x, y)进行边缘检测， 得 到边缘值图像 E (x, y)， 与边缘方向图像 D (x， y)_; (4)利用边缘 值图像 E (x, y)与边缘方向图像 D (x, y) 细化边缘， 生成新的边 缘值图像 EN (x， y); (5)利用边缘值图像 EN (x， y) 与边缘方向 图像 D (x, y)， 进行边缘跟踪， 并根据特定的条件将边缘连接起来， 形成完整的物体轮廓； （6)对每一个边缘点， 搜索附近的同一边缘上 的相邻点， 并填充它们之间的空隙， 使边缘闭合； （7)检查图中的所 有点是否属于该物体，标记出所有属于该物体的点， 即区域填充； （8) 剪切掉虛假的填充区域； （9)一个闭合边缘加上填充点生成的区域即 为一个独立的物体。

根据本发明的一个实施例， 步骤 （1 ) 中对原始图像的预处理可 以采用空域高斯低通滤波。 '

根据本发明的一个实施例， 上述步骤（3 ) 中所述边缘检测的具 体方法为： 采用 kirsh算子， 在每一个可行像素 （x， y) 的 3*3邻域 上分别求 8个方向上的梯度， 其中的最大值则为该象素处的边缘值 E (x, y)， 对应方向编号则为边缘方向 D (x, y)₀

根据本发明的一个实施例， 上述步骤（4) 的中所述细化边缘的 具体步骤为： 1 )初步细化， 即找出边缘值图像上的峰值点， 生成新 的边缘值图像 E' (x, y); 2)利用图像形态学的方法将初步细化的 边缘值图像 E， (x, y)进一步细化， 采用序列形态细化的迭代算法， 从东、 东南、 南、 西南、 西、 西北、 北、 东北等八个方向反复抹去多 余的边缘点，直到图像不可再细化为止，生成新的边缘值图像 EN (x， y)。

根据本发明的一个实施例， 步骤 （5) 中所述的条件可以为平均 边缘值相近。

根据本发明的一个实施例， 剪切掉虚假的填充区域的步骤可以采 用区域生长的方法。

根据本发明的一个实施例， 步骤 （7) 的判断条件可以为检查图 中的所有点， 如果上下左右四个方向都存在同一物体边缘上的点， 则 为属于该物体的点。

根据本发明的一个实施例， 所述边缘跟踪的具体步骤为： 1 )对 每一尚未确定属于任一条已知边缘的边缘点按照边缘方向优先的原则 搜索它的 3*3邻域， 则找到与其边缘值之差在一预先设定的狭小范围 之内， 且不属于任一条已知边缘的点， 则作为新的起始点， 若所有点 已通过此步骤检查， 未发现新的起始点， 则边缘跟踪停止； 2) 设新 的起始点为当前边缘点， 通过类似步骤 1 ) 的方法在 3*3， 5*5，， 直 到 7*7邻域内搜索下一相邻的边缘点， 发现后作为当前边缘点重复步 骤 2)， 如未找到， 则本条边缘搜索完毕， 转到步骤 1 )， 重新搜索下 一边缘。

根据本发明的一个实施例， 所述边缘连接的具体步骤为： 1 ) 计 算每条边缘的平均边缘值； 2)对每个边缘点在 3*3， 5*5, 直到 9*9 邻域内搜索， 如发现一点属于另一条边缘， 且两边缘平均边缘值之差 在一预先设定的狭小范围之内的点， 则两边缘属于同一物体， 边缘合 并， 并计算新边缘的平均边缘值； 3 ) 所有点搜索完毕后， 若有边缘 合并发生， 重复步骤 2), 否则边缘连接停止。

本发明同现有技术比， 能将图中的线性衰减系数基本一致的物 体的边缘较完整的跟踪、 连接出来。 并且把线性衰减系数不同但重叠 在一起的物体有效地分割开来， 分别显示。 不重叠的物体分割效果更 佳。 这样可以提高图像检查的效率， 更易于发现隐藏的违禁品。 下面结合附图和具体的实施方式对本发明作进一步说明。

图 1为本发明的方法步骤流程图；

图 2为本发明的边缘检测和边缘细化的步骤流程图；

图 3为本发明边缘跟踪的步骤流程图；

图 4为本发明边缘连接的步骤流程图。 参看图 1， 其中示出了根据本发明的一种工业辐射成像中的图像 分割识别方法的具体流程。 具体来说其流程包括步骤： （1 )对原始图 像进行预处理， 以减少噪声的影响， 用 G (x， y)表示像素 （x， y) 处的灰度值； 根据本发明的一个实施例， 采用了空域高斯低通滤波器 对原始图象进行滤波， 可以有效减少原始图像中的噪声， 也可以采用 其它类型的滤波器来减少原始图像中的噪声影响。

在步骤 （2 ) 中， 对投影图像进行对数变换， 得到线性衰减系数 图像即 A (x, y) =Cln (G (x， y) /I₀) +A。， 其中， I。=A₀为图像 的最大灰度值， C为调整对比度的常数。

在步骤（3 ) 中， 对线性衰减系数图像 A (x， y)进行边缘检测， 得到边缘值图像 E (x, y)与边缘方向图像 D (x， y) ₀ 参看图 2， 其中示出了一种实现步骤（3 )所述边缘检测的具体方法： 采用 kirsch 算子， 在每一个可行像素（x， y) 的 3*3邻域上分别求 8个方向上的 梯度， 其中的最大值则为该象素处的边缘值 E (x, y), 对应方向编 号则为边缘方向 D (X, y)₀其中步骤（4)所述的细化边缘的步骤为： 1 ) 初步细化， 即找出边缘值图像上的峰值点， 生成新的边缘值图像 E' (x, y) ; 2)利用图像形态学的方法将初步细化的边缘值图像 E' (x， y)， 进一步细化， 采用序列形态细化的迭代算法， 从东、 东南、 南、 西南、 西、 西北、 北、 东北等八个方向反复抹去多余的边缘点， 直到图像不可再细化为止， 生成新的边缘值图像 EN (x， y)。

接下来， 在步骤（4) 中， 利用边缘值图像 E (x, y) 与边缘方 向图像 D (x， y)细化边缘， 生成新的边缘值图像 EN (x, y) o

在步骤 （5 ) 中， 利用边缘值图像 EN (x, y) 与边缘方向图像 D (x， y ) , 进行边缘跟踪， 并根据特定的条件将边缘连接起来， 形 成完整的物体轮廓。 这里所述的特定的条件可以为平均边缘值相近。 参看图 3， 其示出了所述边缘跟踪的一种方法， 包括步骤 1 )对每一 尚未确定属于任一条已知边缘的边缘点按照边缘方向优先的原则搜索 它的 3*3 邻域， 则找到与其边缘值之差在一预先设定的狭小范围之 内， 且不属于任一已知边缘的点， 则作为新的起始点， 若所有点己通 过检査， 未发现新的起始点， 则边缘跟踪停止； 2) 设新的起始点为 当前边缘点， 通过类似步骤 1 ) 的方法在 3*3， 5*5， 直到 7*7邻域内 搜索下一个相邻的边缘点， 发现后作为当前边缘点重复步骤 2)， 如 未找到， 则本条边缘搜索完毕， 转到步骤 1 )， 重新搜索下一边缘。 参看图 4， 其中示出了所述边缘连接的一种方法， 包括步骤： 1 )计 算每条边缘的平均边缘值； 2)对每个边缘点在 3*3， 5*5， 直到 9*9 邻域内搜索， 如发现一点， 属于另一条边缘， 且这两边缘平均边缘值 之差在一预先设定的狭小范围之内的点， 则两边缘属于同一物体， 边 缘合并， 并计算新边缘的平均边缘值； 3 )所有点搜索完毕后， 若有 边缘合并发生， 重复步骤 2)， 否则边缘连接停止。

然后在步骤 （6) 中， 对每一个边缘点， 搜索附近的同一边缘上 的相邻点， 并填充它们之间的空隙， 使边缘闭合。

在步骤 （7) 中， 检查图中的所有点是否属于该物体， 标记出所 有属于该物体的点， 即区域填充。 这里的判断条件可以为检查图中的 所有点， 如果上下左右四个方向都存在同一物体边缘上的点， 则为属 于该物体的点。

然后在步骤 （8)， 剪切掉虚假的填充区域， 这里剪切掉虚假的 填充区域可以采用区域生长的方法。

最后在步骤 （9) 一个闭合边缘加上填充点生成的区域即为一个 独立的物体。 可以使该区域凸现出来以便更加易于识别。

根据本发明的精神和思路所作的任何修改和变化均应理解为包 含在本发明的范围之内。

Claims

权 利 要 求 书

1、 一种工业辐射成像中的图像分割识别方法， 其步骤为： （1 ) 对原始图像进行预处理， 以减少嗓声的影响， 用 G (x， y)表示像素

( X, y ) 处的灰度值； （2)对投影图像进行对数变换， 得到线性衰减 系数图像即 A (x, y) -Cln (G (x， y) /I。） +A。， 其中， I。=A₀为 图像的最大灰度值， C为调整对比度的常数； （3)对线性衰减系数图 像 A (x， y)进行边缘检测， 得到边缘值图像 E (x, y), 与边缘方 向图像 D (x， y); (4)利用边缘值图像 E (x, y) 与边缘方向图像 D (x， y) 细化边缘， 生成新的边缘值图像 EN (x， y)_; (5)利用边 缘值图像 EN (x， y) 与边缘方向图像 D (x, y)， 进行边缘跟踪， 并根据特定的条件将边缘连接起来， 形成完整的物体轮廓； （6)对每 一个边缘点， 搜索附近的同一边缘上的相邻点， 并填充它们之间的空 隙， 使边缘闭合； （7)检查图中的所有点是否属于该物体， 标记出所 有属于该物体的点， 即区域填充； （8)剪切掉虚假的填充区域； （10) 一个闭合边缘加上填充点生成的区域即为一个独立的物体。

2、 如权利要求 1所述的一种工业辐射成像中的图像分割识别方 法， 其特征在于， 预处理可以采用空域高斯低通滤波。

3、 如权利要求 1所述的一种工业辐射成像中的图像分割识别方 法， 其特征在于， 步骤（5) 中所述的条件可以为平均边缘值相近。

4、 如权利要求 1所述的一种工业辐射成像中的图像分割识别方 法， 其特征在于， 剪切掉虚假的填充区域的步骤可以采用区域生长的 方法。

5、、如权利要求 1所述的一种工业辐射成像中的图像分割识别方 法， 其特征在于， 步骤（7) 的判断条件可以为检査图中的所有点， 如果上下左右四个方向都存在同一物体边缘上的点， 则为属于该物体 的点。

6、 如权利要求 1一 5之一所述的一种工业辐射成像中的图像分 割识别方法， 其特征在于， 步骤 （3 ) 所述边缘检测的具体方法为： 采用 Kirsch算子， 在每一个可行像素 （x， y) 的 3*3邻域上分别求 8 个方向上的梯度， 其中的最大值则为该象素处的边缘值 E ( X, y), 对应方向编号则为边缘方向 D (x, y) o

7、 如权利要求 1一 5 之一所述的一种工业辐射成像中的图像分 割识别方法， 其特征在于， 步骤 （4)所述的细化边缘的步骤为： 1 ) 初步细化， 即找出边缘值图像上的峰值点， 生成新的边缘值图像 E'

(x， y); 2)利用图像形态学的方法将初步细化的边缘值图像 E' (x, y)进一步细化， 采用序列形态细化的迭代算法， 从东、 东南、 南、 西南、 西、 西北、 北、 东北等八个方向反复抹去多余的边缘点， 直到 图像不可再细化为止， 生成新的边缘值图像 EN (x, y) o

8、，如权利要求 1一 5之一所述的一种工业辐射成像中的图像分 割识别方法， 其特征在于， 步骤 （5)所述的边缘跟踪步骤为： 1 )对 每一尚未确定属于任一条已知边缘的边缘点按照边缘方向优先的原则 搜索它的 3*3邻域， 如找到与其边缘值之差在一预先设定的狭小范围 之内， 且不属于任一条已知边缘的点， 则作为新的起始点， 若所有点 己通过此步骤检查， 则边缘跟踪停止； 2) 设新的起始点为当前边缘 点， 通过类似步骤 1 ) 的方法在 3*3， 5*5， 直到 7*7邻域内搜索下一 个相邻的边缘点， 发现后作为当前边缘点重复步骤 2)， 如未找到， 则本条边缘搜索完毕， 转到步骤 1 )。

9、 ·如权利要求 1一 5之一所述的一种工业辐射成像中的图像分 割识别方法， 其特征在于， 步骤 （6)所述边缘连接的步骤为： 1 )计 算每条边缘的平均边缘值； 2)对每个边缘点在 3*3， 5*5， 直到 9*9 邻域内搜索， 如发现一点， 属于另一条边缘， 则两边缘平均边缘值之 差在一预先设定的狭小范围之内的点， 则两边缘属于同一物体， 边缘 合并， 并计算新边缘的平均值； 3 )所有点搜索完毕后， 若有边缘合 并发生， 重复步骤 2)， 否则边缘连接停止。