X射线智能成像在机场行李检查方面的初步研讨外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

Uroukov, I., and Speller, R. (2015) A preliminary approach to intelligent x-ray imaging for baggage inspection at airports. Signal Processing Research, 4 . pp. 1-11. ISSN 2327-1701

Copyright copy; 2015 The Authors

http://eprints.gla.ac.uk/101423/

Deposited on: 16 January 2015

Enlighten – Research publications by members of the University of Glasgow

http://eprints.gla.ac.uk

X射线智能成像在机场行李检查方面的初步研讨

应用于检测危险材料和物体

Ivan S. Uroukov ^*1and Robert Speller ²

1-MRC - University of Glasgow Centre for Virus Research.8 Church Str., Glasgow, G11 5JR., Scotland, UK.

2-Department of Medical Physics and Bioengineering,Malet Place Engineering Building,University College London,Gower Street, London, U.K.WC1E 6BT.

^* Corespondent author. He is a former member of R. Spellerrsquo;s group at UCL.

^*1ivan.uroukov@glasgow.ac.uk; ²r.speller@ucl.ac.uk

摘要

在机场行李中识别爆炸物依赖于能够描绘材料表征的X射线图像。如果在成像过程（步骤1）中发现感兴趣的区域，可以通过调整扫描参数（步骤2）来增强图像。

本文讲述了这个问题的第一部分，用结构特征来识别和描述材料，并且允许系统控制。定向Gabor型滤波器被用于处理一系列不同的X射线图像，即通过线性扫描的方式来处理图像。基于我们在工业标准图像和样品图像上的实验，发现可以调节滤波器的频率范围和取向来描述不同的材料。还发现，通过过滤器产生的信号强度可以被用作能见度和预测最优成像条件的指标。

关键词

X射线成像与视觉;基于物质识别的X射线图像; Gabor滤波器;智能自适应成像;含能材料;液体和塑料炸药;武器;材料的鉴别

简介

携带行李上飞机或托运行李都须经X光检查，以查明非法物品，如武器或爆炸物。对这些危险材料的检测叫做基于I-IMAS概念（Griffiths等人，2008年）的智能行李扫描。这是针对每件行李的一个个性化的检查，象征着威胁检测的更高水平。I-IMAS过程是一次双重扫描，需要在第一次扫描时产生可智能调整参数的图像数据用于第二次扫描的数据收集。这种方法已经在增强医学成像的方面有所应用（Martin等人，1999年。胡达等人，2003），同时也被用于提高电流检测技术的性能。机场安检系统当前的误报/漏报水平属于机密，我们无从得知，但可优化X射线成像应用的成像参数来改善图像的质量。不同于医疗成像系统可以让病人调整姿势来修改暴露因素，这种方法在机场安检系统中是不可行的，因为这需要操作员干预每一件行李的扫描。使用I-IMAS来优化扫描流程，让一切都自动化以确保最高的性能，将扫描对象的类型，大小和密度的详细报告呈现给操作员。或许未来的行李X射线扫描仪将提供“个性化”的检查，从而可以像医学扫描仪一样。

安检图像增强一直是图像处理研究的一部分。必要的处理步骤有直方图修改(Woodell G. et al. 2004)，高通滤波，锐化或（USM）反锐化掩模或其他灰度图像的自动水平的方法，如场景decluttering（Abidi B. 2004年在人）。然而，这些技术中并没有被认可的用来增强图像数据采集的技术。

比较新颖的硬件和软件相结合的方法，如软件过滤（Zhiyu Chen et al. 2005.）和双能量采集技术，但这些方法不使用任何实时的自适应优化检测。基于形状的探测技术被用于检测隐藏的武器（Franzel T., et al. 2012, Gesick R, et al. 2009）包括多视角X射线技术（Merry D et al. 2013），但一般来说，这些技术对图像的识别都限于特定的形状。

更多技术的成功开发也伴随着显著的计算和硬件成本，如通过组合使用多能CT和物体识别的技术（Willson P. D. et al. 1997）。这里的自动目标检测是显著依赖于预定义的形状和材料的。

在医疗工作中使用的自适应成像通常被用于给患者优化剂量，但不仅限于此。自适应帧扫描脉冲X射线对辐射剂量的控制和减少由Farhad ghelmansarai提出并发展，Perkin Elmer Patent 2012证明了I-ImaS方法与常规成像系统相比有60%的辐射减少剂量。

I-ImaS方法是一个两步过程（see Longo et al. 2007），在给定的辐射剂量限制内用图像的自适应分析法创建最多的诊断数据。第一步通常来说就是一个有限区域成像和基于该成像数据的分析，第二步是通过第二次“观察”该区域来决定改变或不改变成像的参数。

智能行李扫描也是一个两步过程，必须在行李通过行李扫描器的传送带这个过程中进行。若将X射线源的光束分为2个单独的扫描光束，然后当包裹通过扫描系统时，它便会遇到2条扫描光束。与第一光束遭遇一直到当包裹到达第二光束的过程是第一步，随后的过程是第二步。在第一步中需要收集传送带上包裹内的物质的足够信息来判断其内容。如果判断是可疑的物体，那么在第二步中调整成像参数以允许进行更明智的判断。与医疗的情况不同的是，在医疗中被用于优化剂量的参数调整在安检中被用来提高可疑区域的检测。成像参数的改变包括改变X射线管内的电压或电流，使用不同的X射线过滤器，增加或减少探测器的像素尺寸，以及减少传送带速度让更多的X射线光子被检测到。

本文处理了第一步，并开发了一种新的技术来判断一个区域是否可以被归类为可疑而调用某种形式的变化的成像参数。了解什么形式的变化应被采取是目前尚在研究，并将在以后报告的。

对局部区域决策是这个系统的核心，基于图像纹理分析的决策在医学领域有成功的案例（A.R. AL-Hinnawi and M. Daear, 2012）。当前的论文中讨论了一种新的技术，基于纹理信息帮助安全扫描。特别是该技术模拟人类观察者如何对图像数据作出响应，并进行成像参数的最优化。

FIG. 1 一个真正的行李扫描，包括的对象从纺织，金属，有机物和它们的组合的纹理实例说明。

图像形成中的人为因素

纹理是安检X射线图像的重要特征。在这里，我们基于灰度图像的空间变化来实现材料纹理质地的分析。

图1展示了实际的行李扫描后的纹理。包含的材料分别有纺织品，金属有机物和它们的组合。放大区域（红色线）显示出不同区域的不同对象，形成纹理的灰度等级变化。图像纹理被广泛用于特征分析，例如，合成孔径雷达（SAR）中实现对冰的分析（Ulaby F.et al. 1986.）、雷达的目标识别（Yu Shi and Xian-Da Zhang 2001），以及恶性肿瘤检测（Mohamed S. S et al. 2003）。灰度级的变化（即纹理）被广泛用于各种应用，例如在生物体的指纹和虹膜分析中的应用，以及它们的组合中的应用，王云红等人2003年展示了这项技术。另外，纹理特征还是地图的基本图像特征。

在成像领域（Clausi D.A. and Jernigan M.E , 2000）结构分析的研究历史中发现在哺乳动物和人类视觉系统（HVS）的简单细胞可以通过感知材料的纹理进行建模（Julesz B. 1962, Julesz B.1981, Julesz B.2011）。在这项工作中我们不考虑颜色和立体感知方面。已发现的人类视觉频率敏感，图像元素的取向等心理视觉实验结果体现了纹理的高级功能，如重复、方向性和复杂性。方向性和重复性所代表的方向和频率的同时复杂性与纹理的一致性相关。

此外，Marcelia S.（1980）和J. Daugman（1985）用二维的Gabor函数以哺乳动物初级视觉皮层简单细胞为蓝本的感受野视觉实验所产生的区别残余误差与琼斯和Palmer（1987）的实验数据类似。 （在猴子的视觉皮层的V1和V2区域发现）周期和非周期模式选择性细胞的其他计算模型分别称为光栅和杆细胞。这些细胞强烈地响应给定的方向和频率，但向单个杆的图像的响应非常弱或根本不响应。坎贝尔和Kulikowski（1966）发现人类的方向和空间频率灵敏度可以建模为多个独立的检测机构：由各个调谐到不同频率的窄带滤波器表示。 Gabor滤波器具有频率和方向选择性，它们拥有在空间和频域（Daugman J. (1985), Jain A.K. (1991)）的最佳组合效应，因此适合构建HVS简单细胞的感受野模型。

图像形成的物理因素

一个重要的因素是物体的厚度和吸收的纹理内容。检测到的X射线信号取决于材料的厚度和类型，即辐射路径。然而大多数行李扫描的对象的总厚度并没有较为显著地变化。因此在记录X射线的信号（即图像的灰度级）时，主要涉及材料的衰减系数，即构成行李箱的材料。

为了解决行李和包装的材料识别问题，我们获取了一些标准的参考材料，包括：

• 从3dx-ray公司获得关于材料分类的英国拉夫堡bull;行业标准；
• 与英国内政部进行了讨论获得的需检测材料；
• 液体。

其他因素，如束硬化这些问题则无需担忧。行李扫描仪操作预硬化的光束质量，由于使用窄的X射线风扇光束，其散射是最小的。

因此，在当前的工作中我们使用Gabor滤波器作为基于I-IMAS原理的机场安全扫描的纹理分析的核心。这样做我们就获得了一种新的基于成像材料的纹理的材料特征描述空间（Uroukovrsquo;s code）。这个空间用来生成一个有针对性的材料地图，反馈到扫描系统中以提高图像信息，从而展现给操作员。

可视模型和lsquo;Uroukovrsquo;s Codersquo;

X射线灰度图像的纹理分析，是基于“看到”的纹理与对象的属性进行对比。平均灰度级和纹理度量的主要区别是，后者依赖于在空间布局的灰色水平的差异。穿过一个物体的X射线的强度与e的衰减系数和物体厚度有关，检测器所记录的灰度值与所传送的强度直接相关。然而即使是使用双能量扫描技术，许多材料仍是难以区分的。真实的图像能表现出先进的纹理特性，因此，纹理特征是更强大的材料特性辨别措施，而不是仅仅用于射线吸收参考措施。

“看不见”的纹理和Gabor滤波器

受生物启发的图像处理技术（see Marcelja 1980, Daugman 1980,1985）已经表明，人类的视觉系统进行了多分辨率分解方式，小波多分辨率分解技术被用来检测模型和纹理（see Coggins J.M. and Jain A.K., 1985, Jain A. K. at al.1997）。在这项工作中的Gabor函数（see Daugman 1980）被设计成一个多通道滤波器组，即基于Gabor函数的不同频率范围的滤波器。

Gabor函数是高斯的正弦调制，是一个椭圆（中心在x，y）和一个复杂的正弦曲线：

eq.1

其中:

- 高斯包络的空间常数。

- 以高斯为中心的坐标。

- 定义在直角坐标系中的调和空间频率。

是指在极坐标和方向上的空间频率的大小 .

完整的过滤器是由偶数和奇数组成，因此：

eq.2

其中:

表示图像中像素的坐标。

是Gabor滤波器的方向参数。

是正弦波的频率参数。

图2A是高斯内核的一个循环显示的例子。滤波是一种对图像的卷积掩模运算，其中参数，是预先设定的。高斯核的大小影响用高斯核工作的其他地方（林洪等人1998）。

FIG. 2 一个高斯滤波器内核，[像素]。模的大小是51x51像素，周期是。径向频率是,取向是。

B 在uroukov编码中的滤波器。为研究目的，一组已知的材料可以用来测试系统的识别危险物质功能，即塑料或液体材料。实际上，一

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[29033]，资料为PDF文档或Word文档，PDF文档可免费转换为Word