韓 萍，劉則徐

（中國民航大學(xué)智能信號與圖像處理天津市重點實驗室，天津 300300）

恐怖活動日益猖獗的今天，機場、鐵路等公共場所的安全性成為首要問題。X光行李檢測系統(tǒng)在確保國家和人民安全方面發(fā)揮了重要作用。其中安檢X光圖像質(zhì)量的好壞直接影響安檢人員的工作速度與準(zhǔn)確性。由于X光圖像的動態(tài)范圍較寬，使人眼很難區(qū)分灰度級較近的圖像結(jié)構(gòu)，這會給安檢人員的工作帶來不便，增加工作強度，容易產(chǎn)生疲勞。為幫助安檢人員快速準(zhǔn)確看清行李內(nèi)物品，如確認旅客手提行李中是否藏有刀具、槍支等危險品，最大限度減少危險事件發(fā)生的概率，保障交通運輸及旅客乘機安全，需提高安檢X光圖像質(zhì)量。

通常情況下可從兩個方面提高安檢X光圖像質(zhì)量：一方面，改進成像技術(shù)，提高成像質(zhì)量；另一方面，可在現(xiàn)有設(shè)備的基礎(chǔ)上通過后處理方法加以解決。后一種方法可在不增加設(shè)備成本開支的情況下，達到改善圖像質(zhì)量、降低漏警率的目的。本文即針對圖像的后處理增強技術(shù)進行研究。

目前，針對X光行李圖像的后處理增強方法主要有：直方圖均衡（histogram equalization，HE）方法[1-2]，基本灰度級分組（gray-level grouping，GLG）方法[3-4]，可選擇的灰度級分組（selective gray-level grouping，SGLG）方法[5]以及模糊理論的增強方法[6]等。HE方法由于該技術(shù)本身的連續(xù)性，對數(shù)字圖像的離散直方圖只能做到近似均勻分布，對增強低對比度圖像容易造成沖刷效應(yīng)（即出現(xiàn)偽輪廓）或增強背景噪聲，使圖像灰度層次不夠清晰，邊緣較模糊。GLG方法將圖像中像素的灰度級重新分配并建立增強函數(shù)，對圖像進行灰度轉(zhuǎn)換以改善圖像質(zhì)量，但該方法對含噪聲背景的低對比度圖像質(zhì)量改善不明顯，不能實現(xiàn)對圖像的局部增強。SGLG方法在GLG方法的基礎(chǔ)上，對待增強圖像直方圖的不同部分使用不同的標(biāo)準(zhǔn)來劃分直方圖，能夠進行不同程度的增強，增強效果較好，但該方法對圖像的邊緣細節(jié)增強力度不足。文獻[6]采用模糊理論的增強處理，處理后圖像的清晰度有所提高，但容易產(chǎn)生過增強。

針對低對比度X光行李圖像清晰度較差的特點，本文提出了一種基于灰度級分組的X光行李圖像增強的改進方法。首先，應(yīng)用離散小波變換（discrete wavelet transform，DWT）對圖像進行融合；然后，通過分頻處理得到融合圖像的低、高頻圖像并分別采用基本GLG和SGLG方法實現(xiàn)增強。實驗結(jié)果表明，本文方法有效提高了圖像清晰度，具有較好推廣能力。

1 灰度級分組

灰度級分組（GLG）增強方法的基本思想是將一幅圖像的灰度直方圖按照一定的準(zhǔn)則分成適當(dāng)個數(shù)的灰度級向量，然后在整個灰度級范圍上將其均勻分布，以使每個灰度級向量中的元素包含相同個數(shù)的灰度級，從而使集中于直方圖某段的像素灰度級得以擴展，達到增大像素灰度級分布范圍的目的。

1.1 基本灰度級分組算法描述

基本灰度級分組（GLG）算法主要表述為：①對原始圖像建立灰度直方圖；②將含有像素數(shù)較少的灰度級所對應(yīng)的直方圖值進行合并；③建立增強變換函數(shù)，對原始圖像中的每個像素值進行灰度轉(zhuǎn)換。

GLG的詳細計算方法見文獻[3-4]，該方法使原圖像各個灰度級在整個灰度范圍內(nèi)均勻分布，避免了圖像灰度級的集中分布情況，對于低對比度圖像的增強效果明顯。原灰度級值通過增強函數(shù)轉(zhuǎn)換為

相應(yīng)的處理步驟如下：

1）考慮安檢人員正常工作時，通常觀察低、高能的合成圖像，因此，首先采用小波變換對低、高能圖像增強后圖像中新的灰度級值，且原組合順序的直方圖各分量全部或部分經(jīng)灰度級分組運算后，圖像灰度拉開，增加了圖像的對比度。但是，該方法對含有強噪聲背景的圖像增強效果不明顯，也不適于圖像的局部增強。

1.2 可選擇灰度級分組方法

在基本GLG方法中，由于圖像各個灰度級的直方圖值都被同等處理，當(dāng)含噪聲背景圖像的直方圖值較高，則噪聲也會在處理后的圖像中得到較強的增強?？蛇x擇灰度級分組（SGLG）方法[5]對此進行改進，該方法在待增強圖像直方圖的不同部分使用不同的標(biāo)準(zhǔn)來劃分直方圖，從而可實現(xiàn)局部增強。

SGLG算法簡述如下：

1）將原圖像直方圖中整個灰度級范圍劃分成兩個或多個部分，確定這些部分在增強后圖像中期望映射成的新灰度級范圍。這個新的灰度級范圍通常是根據(jù)期望圖像的應(yīng)用要求而確定的。

2）對每個灰度級分別運用GLG方法進行處理。

2 本文方法

目前大多數(shù)機場行李檢查設(shè)備都利用雙重能量X射線成像原理。它使用了兩種不同能量的X射線，其中高能量X射線是由超過100 kV的高陽極電壓所產(chǎn)生，穿透物體時，材料的密度越高（如金屬刀具等），成像越暗。而低能量X射線是由80 kV左右的低陽極電壓產(chǎn)生，能檢測物質(zhì)的有效原子序數(shù)和物體厚度（如炸藥中的碳、氮、氧等），利用低、高能兩種圖像可方便安檢人員更準(zhǔn)確地檢查行李物品。

另外，從頻率特性來看，圖像的整體視覺效果是圖像的低頻分量，而圖像的邊緣、細節(jié)及噪聲對應(yīng)圖像的高頻分量。

本文以GLG和SGLG方法為基礎(chǔ)，充分利用低、高能圖像及其紋理特點，增加了對圖像的預(yù)處理和后處理環(huán)節(jié)，同時，對不同的預(yù)處理圖像分別利用GLG和SGLG方法增強。算法流程如圖1所示。進行融合，以去除部分噪聲。

2）融合后的圖像送入低通濾波器得到圖像的低頻分量并利用背景減除方法去除背景噪聲。

背景減除的方法是從低頻圖像直方圖HI（k）中減去含噪聲背景樣本子塊的直方圖HB（k）[7]，具體計算方法如下

式中：k是灰度級值；M為圖像灰度級總數(shù)；NI是低頻圖像中像素的個數(shù)；NB為含噪聲背景樣本子塊中像素的個數(shù)；β是調(diào)整直方圖HB（k）幅度的一個系數(shù)；H（k）是背景減除后圖像的直方圖。利用式（1）能較好地去除含噪聲的背景，而且還能較好地恢復(fù)與含噪聲背景重疊在一起的前景直方圖。

3）對去除背景噪聲的圖像用GLG方法處理，得到增強圖像，利用中值濾波去除雜散的前景噪聲。

4）原圖像與低通濾波圖像相減后，得到原圖像的高頻分量。由于高頻分量中通常含有圖像的邊緣、細節(jié)和大量的噪聲，而噪聲集中于直方圖的某一灰度范圍，所以選用SGLG方法進行處理。之后進行中值濾波，去除前景的一些孤立噪聲。為突出圖像中的高頻細節(jié)，進一步對處理后的圖像進行加權(quán)處理。

5）將處理后的低、高頻分量進行疊加，可避免細節(jié)信息的丟失，得到增強后的最終圖像。

3 實驗結(jié)果及分析

實驗所用的圖像數(shù)據(jù)由Tennessee大學(xué)提供[7]，如圖2所示，圖像灰度級范圍為[0，255]。

實驗中，小波變換中的小波函數(shù)選為sym4，分解層數(shù)選為5。低通濾波器選用均值濾波器，濾波模板為3×3，按式（1）進行背景減除時，含噪聲背景樣本子塊的灰度級間隔行李 1 取為[231，240]，行李 2 為[232，247]，參數(shù)β取為0.9。中值濾波窗口選為3×3。對高頻圖像進行SGLG增強，權(quán)重γ取為3.0。為說明本文方法的有效性，將直方圖均衡（HE）算法[1]、基本灰度級分組（GLG）方法和可選擇灰度級分組（SGLG）方法也應(yīng)用于融合后的圖像，實驗結(jié)果示于圖3和圖4中。

可以看出，HE增強方法中像素值的動態(tài)范圍得到了擴展，但顯著地增強了背景噪聲，圖像增強效果較差。GLG方法對噪聲的抑制要比HE方法好，在一定程度上提高了圖像的可視性，但邊緣不夠清晰，對比度弱。SGLG方法處理后的圖像，對比度得到了增強且背景噪聲得到了抑制，但其不能很好地突出圖像的邊緣細節(jié)，對整體輪廓上的增強力度不足。本文方法與單獨使用GLG、SGLG方法相比，增加了預(yù)處理環(huán)節(jié)（離散小波變換及分頻）和后處理環(huán)節(jié)（中值濾波和加權(quán)），通過對低、高頻圖像分別處理，特別是對高頻圖像的處理（如圖5所示），能揭示更多的細節(jié)，對比度顯著提高，在增強行李圖像內(nèi)容的同時，有效地抑制了背景噪聲，突出了有用信息，輪廓更加清晰，弱邊緣處增強效果顯著，更易于安檢人員對行李內(nèi)容辨析。從最終增強后的圖像可以看出，行李中的內(nèi)容在整個灰度級上得以擴展，優(yōu)于其他3種增強方法。

為了進一步評估圖像增強效果，采用基本圖像清晰度測量Tenengrad標(biāo)準(zhǔn)[8-9]，以比較本文方法與其他增強方法。Tenengrad標(biāo)準(zhǔn)是一種基于梯度幅值最大化原理的評價測度，相應(yīng)的計算方法如下

式中：T 表示閾值；S（x，y）為梯度幅值，其計算方法為

式中：Gx、Gy分別表示圖像在（x，y）點處的水平和垂直方向的梯度。本文選用Sobel算子計算相應(yīng)的梯度值。通常認為處理后具有較大TEN值的圖像質(zhì)量較高。但對具有大量含噪聲的低對比度圖像，應(yīng)結(jié)合圖像增強結(jié)果進行評測。實際計算結(jié)果如表1所示。

表1 增強方法效果評價表Tab.1 Scale for effect evaluation of different enhancement methods

從表1中可以看出，4種方法的TEN值均有所提高，但HE和基本GLG方法圖像質(zhì)量得到改善的同時也增強了背景噪聲，相比之下，SGLG和本文方法則更好地改善了圖像質(zhì)量。提高圖像對比度可使增強圖像比原始圖像更清晰，更易于安檢人員觀察。

4 結(jié)語

本文在GLG與SGLG增強方法基礎(chǔ)上，提出了一種改進的X光行李圖像增強方法。對經(jīng)過小波變換后融合的圖像進行分頻得到相應(yīng)的低、高頻圖像，再分別采用GLG和SGLG以及相應(yīng)的后續(xù)處理提高圖像質(zhì)量。并將本文方法與HE增強方法、基本GLG和SGLG方法做了比較。實驗結(jié)果表明，本文方法能夠提高圖像的對比度及層次信息，同時有效地抑制圖像增強帶來的噪聲，保持了原始圖像中的細節(jié)信息，突出了圖像的邊緣，是一種有效的圖像增強方法。

[1] 李弼程，彭天強，彭 波，等.智能圖像處理技術(shù)[M].北京：電子工業(yè)出版社，2004.

[2]ABIDI B，MITCKES M，ABIDI M A，et al.Grayscale Enhancement Techniques for X-ray Images of Carry-on Luggage[C]//Proc of SPIE 6th Int ernational Conference on Quality Control by Artificial Vision.Gatlinburg：SPIE，2003：579-591.

[3]CHEN ZHIYU，ABIDI B R，PAGE D L，et al.A Generalized and Automatic Image Contrast Enhancement Using Gray Level Grouping[C]//International Conference on Acoustics Speech and Signal Processing.USA：IEEE，2006.

[4]CHEN ZHIYU，ABIDI B，PAGE D，et al.Gray level grouping（GLG）：an automatic method for optimized image contrast enhancement partⅠ：the basic method[J].IEEE Trans on Image Processing，2006，15（8）：2290-2302.

[5]CHEN ZHIYU，ABIDI B，PAGE D，et al.Gray level grouping（GLG）：an automatic method for optimized image contrast enhancement partⅡ：the variations[J].IEEE Trans on Image Processing，2006，15 （8）：2303-2314.

[6] 賀秀萍，韓 萍，吳仁彪，等.一種新的X射線手提行李圖像增強方法[J].中國圖像圖形學(xué)報，2009，14（5）：866-870.

[7]CHEN ZHIYU，ZHENG YUE，ABIDI B R，et al.A Combinational Approach to the Fusion，De-Noising and Enhancement of Dual-Energy X-ray Luggage Image[C]//Proc of IEEE Conference on Computer Vision and Pattern Recognition.USA：IEEE，2005.

[8]KROTKOV E P.Active Computer Vision by Cooperative Focus and Stereo[R].New York：Springer-Verlag，1989.

[9]BUERKLE A，SCHMOECKEL F，KIEFER M，et al.Vision-Based Closed-Loop Control of Mobile Microrobots for Micro Handling Tasks[C]//Proc of SPIE Microrobotics and Microassembly Ⅲ.USA：SPIE，2001：187-198.