王 蓉， 楊曉剛

(中國人民公安大學(xué)安全防范系，北京 100038)

0 引言

隨著世界范圍內(nèi)恐怖主義的蔓延，各國機(jī)場均加大了安保和安全檢查的力度。目前，當(dāng)旅客通過安檢環(huán)節(jié)時(shí)，每個(gè)機(jī)場安檢人員都要求旅客將隨身穿著或攜帶的鞋以成對的方式單獨(dú)放置到塑料容器內(nèi)，然后利用X光機(jī)對這個(gè)塑料容器進(jìn)行檢查。通過對X射線圖像中鞋的檢測可以判斷鞋底是否藏毒或炸藥，能夠有效地防止恐怖事件的發(fā)生。圖像分割技術(shù)是圖像處理系統(tǒng)中必不可少的環(huán)節(jié)，是進(jìn)行圖像分析的基礎(chǔ)，只有準(zhǔn)確地將目標(biāo)從圖像中分割出來，才能完成后續(xù)的目標(biāo)識別與匹配工作［1］。在利用X射線圖像對鞋進(jìn)行安全檢查中，能否將鞋從塑料容器背景中分割出來，并將粘連的兩只鞋分開是至關(guān)重要的一個(gè)環(huán)節(jié)，因?yàn)檫@直接關(guān)系到能否正確地提取鞋特征，并對鞋的危險(xiǎn)程度進(jìn)行準(zhǔn)確判定。在圖像中，不同目標(biāo)粘連在一起是比較常見的現(xiàn)象，為了將粘連的不同目標(biāo)分割開來，許多學(xué)者提出了一些解決辦法［2-5］。在很多情況下，通過X光機(jī)得到的X射線圖像中，兩只鞋經(jīng)常會粘連在一起，采用傳統(tǒng)的圖像分割方法無法將兩只鞋分開。因此本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)的粘連鞋圖像的分割方法，該方法可有效地從X射線圖像中將兩只粘連在一起的鞋分割成兩個(gè)區(qū)域。仿真實(shí)驗(yàn)證明本文提出的粘連目標(biāo)分割方法思路合理，能夠準(zhǔn)確地將兩只粘連的鞋分開。

1 分割方法及實(shí)現(xiàn)

X射線鞋圖像的分割方法流程圖如圖1所示。首先利用高能和低能X射線安檢圖像的特性計(jì)算出安檢圖像的材料特性矩陣，并將其轉(zhuǎn)化為材料灰度圖，然后選擇閾值并結(jié)合數(shù)學(xué)形態(tài)學(xué)的方法將成對的鞋分割出來，并通過數(shù)學(xué)形態(tài)學(xué)方法找到那些有粘連的鞋的粘連點(diǎn)，最后通過Bresenham畫線法將兩只鞋完全分開。

圖1 粘連鞋分割流程圖

1.1 材料灰度圖像的計(jì)算

材料的灰度圖像計(jì)算是對X射線圖像分割的預(yù)處理。首先，根據(jù)X射線高能圖像和低能圖像計(jì)算材料矩陣，然后將材料矩陣映射為材料灰度圖，因?yàn)椴牧匣叶葓D能在一定程度上降低物品厚度對圖像灰度的影響，從而使那些相同材料物品的灰度接近一致，這對于閾值的選取非常重要。

根據(jù)雙能X射線成像原理，利用低能圖像除以高能圖像就能得到各像素大致的材料特征矩陣，如公式(1)所示，

其中，HI表示高能圖像，LO表示低能圖像，R表示材料特征矩陣。為便于后續(xù)處理，將上述材料特征矩陣映射為與高低能圖像位數(shù)相等的材料灰度圖像，如下式所示，

其中R為材料特征矩陣，R'為材料灰度圖，v為R中的最大值，a為一個(gè)不大于1的比例系數(shù)。如果高低能圖像均為12比特，則t的值為4 095;若為16比特，則t的值為65 535。圖2為一雙鞋的高低能及材料灰度圖像。

圖2 一雙鞋的高低能及材料灰度圖像

從圖2可以看出，塑料容器側(cè)幫部分因?yàn)楸容^厚，所以在高能和低能圖像中能清晰地反映出來，然而材料圖像中側(cè)幫卻不是特別突出，因?yàn)閭?cè)幫和其內(nèi)部區(qū)域的材料基本一致。

1.2 鞋的分割

物品材料的不同，在材料灰度圖中對應(yīng)的灰度也不同。根據(jù)這一特性，可以通過設(shè)定閾值的方法將背景區(qū)域和塑料容器從圖像中剔除。首先，根據(jù)閾值將大于該閾值的區(qū)域置為0，如圖3(a)所示，因?yàn)樵瓐D中噪聲較大，通過閾值的方式并不能完全剔除塑料容器和背景，所以圖3(a)中存在許多不連通的噪聲點(diǎn);然后對上述結(jié)果進(jìn)行形態(tài)學(xué)開運(yùn)算，如圖3(b)所示，通過形態(tài)學(xué)開運(yùn)算，絕大多數(shù)噪聲點(diǎn)被去除，但是一些尺寸較大的連通區(qū)卻無法剔除;接下來對圖3(b)的結(jié)果進(jìn)行形態(tài)學(xué)腐蝕運(yùn)算，剔除過小的連通區(qū)，如圖3(c)所示，經(jīng)過腐蝕運(yùn)算后圖像中只剩下鞋，這雙鞋的尺寸較原始的鞋尺寸有些縮小，這是腐蝕的結(jié)果;最后以圖3(c)為marker，以圖3(b)為mask進(jìn)行重構(gòu)得到的最終結(jié)果，將原始的鞋分割出來，如圖3(d)所示，兩只鞋已經(jīng)很完整地分割了出來。下面要做的工作就是將兩只鞋分開，這樣才能判定每只鞋的危險(xiǎn)程度。

1.3 有粘連點(diǎn)的鞋的分割

針對有粘連點(diǎn)的鞋的分割方法首先對圖3(d)的結(jié)果進(jìn)行二值化，如圖4所示，凡是灰度值大于0的像素均置為1，然后對二值化的結(jié)果利用形態(tài)學(xué)閉運(yùn)算進(jìn)行孔洞填充，如圖5所示。

從圖5我們可以清晰地看到，兩只鞋子有兩處明顯的粘連點(diǎn)，接下來必須找到粘連的位置，然后將其斷開。首先選取尺寸較小的圓形結(jié)構(gòu)元素對圖5進(jìn)行循環(huán)腐蝕直到腐蝕結(jié)果中出現(xiàn)兩個(gè)連通區(qū)為止，并記錄下腐蝕的次數(shù)，腐蝕結(jié)果如圖6所示。這里選擇圓形結(jié)構(gòu)元素的原因是其沒有方向性，這對于擺放角度不同的鞋具有普適性。

從圖6可見，兩只鞋已經(jīng)分開，而由于循環(huán)腐蝕的原因，粘連區(qū)域會形成成對的尖狀凸起，接下來將圖6的兩個(gè)連通區(qū)分別挪到兩張圖像中，如圖7所示，然后再用同樣尺寸的圓形結(jié)構(gòu)元素對兩只鞋分別進(jìn)行循環(huán)膨脹，直到和腐蝕的次數(shù)相等時(shí)為止，結(jié)果如圖8所示。

圖3 鞋分割實(shí)驗(yàn)結(jié)果圖

圖4 二值化結(jié)果

圖5 填充孔洞結(jié)果

圖6 腐蝕結(jié)果

從圖7可以清晰的看到，左右兩個(gè)連通區(qū)在粘連點(diǎn)處會形成成對出現(xiàn)的尖型凸起，這樣，將圖7和圖8對應(yīng)的圖像求其與運(yùn)算，就能得到粘連處的成對凸起，結(jié)果如圖9所示。

需要明確的是，成對凸起的所在位置就是粘連處的位置，接下來就要確定粘連點(diǎn)的起始位置。首先對圖9(a)的幾個(gè)連通區(qū)分割開來，放置到不同的圖像中，如圖 9(b)和圖 9(c)所示，然后求取圖8(a)的邊緣圖像，如圖 10所示，用圖 10與圖9(b)和圖9(c)分別進(jìn)行與運(yùn)算，就能夠得到端點(diǎn)為粘連處端點(diǎn)的粘連線，如圖11所示。

圖7 腐蝕后的兩個(gè)連通區(qū)

圖8 圖7循環(huán)膨脹結(jié)果

圖9 與運(yùn)算結(jié)果

接下來，通過計(jì)算圖11(a)和(b)中線的邊緣點(diǎn)，得到最終的分割點(diǎn)，如圖 12所示。由于圖11(a)和圖11(b)中的端點(diǎn)均為單像素點(diǎn)，為了便于觀看，圖12是經(jīng)過放大后的結(jié)果的截圖。

得到上述分割點(diǎn)后，采用Bresenham劃線法得到分割線。Bresenham算法是計(jì)算機(jī)圖形學(xué)典型的直線光柵化算法，它可以有效地避免使用浮點(diǎn)運(yùn)算，其原理是:首先由直線的斜率確定選擇在x方向或y方向上每次遞增(減)1個(gè)單位(即哪個(gè)方向的起點(diǎn)和終點(diǎn)的差距大，就沿這個(gè)方向每次遞增或遞減一個(gè)單位)，而另一個(gè)變量的遞增或遞減量為0或1，它取決與實(shí)際直線與最近光柵網(wǎng)格點(diǎn)的距離，這個(gè)距離的最大誤差為0.5。

按照上述畫線法，以圖11中的點(diǎn)為端點(diǎn)，進(jìn)行連線。得到最終的分割結(jié)果，如圖13所示，其中，(a)為初始的鞋分割結(jié)果，(b)為按照本文方法對(a)分割的結(jié)果，(c)為在原圖中標(biāo)定的結(jié)果。

圖10 左側(cè)鞋子邊緣圖

圖11 粘連處端點(diǎn)結(jié)果圖

圖12 最終分割點(diǎn)示意圖

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文提出方法的有效性，本文進(jìn)行了具有不同粘連類型的鞋分割實(shí)驗(yàn)，如圖14和15所示，其中圖14(a)和圖15(a)為原始高能圖像，圖14(b)和圖15(b)為材料灰度圖，圖14(c)和圖15(c)為最終的分割結(jié)果圖像。從圖14和圖15可以看出，利用本文提出的粘連目標(biāo)分割方法能夠使原圖像在沒有較大失真的前提下，很好地鎖定每只鞋的邊緣，并準(zhǔn)確地將兩只鞋分割成兩個(gè)不同的區(qū)域，這對后續(xù)單獨(dú)識別、判定每只鞋的危險(xiǎn)性非常有意義。

3 結(jié)論

本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)的粘連鞋圖像的分割方法，該方法可有效地從X圖像中將兩只粘連在一起的鞋分割成兩個(gè)區(qū)域。首先，針對雙能X射線圖像的特點(diǎn)，得到材料灰度圖，然后結(jié)合材料閾值和數(shù)學(xué)形態(tài)學(xué)的方法對有粘連的鞋的圖像進(jìn)行了分割，這對后續(xù)單獨(dú)識別和判定每只鞋的危險(xiǎn)性至關(guān)重要。仿真實(shí)驗(yàn)證明本文提出的粘連目標(biāo)分割方法思路合理，能夠準(zhǔn)確地將兩只粘連的鞋分割開。

圖14 鞋跟區(qū)粘連圖像的分割結(jié)果

圖13 分割結(jié)果圖

圖15 鞋掌區(qū)粘連圖像的分割結(jié)果

［1］ 岡薩雷斯.數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2011.

［2］ 凌云，王一鳴，孫明，等.基于流域算法的谷物籽粒圖像分割技術(shù)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36(3):95-98.

［3］ 肖助明，馮月亮，李濤，等.形態(tài)學(xué)分水嶺算法在重疊米粒圖像分割中的應(yīng)用［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43(24):196-199.

［4］ 周天娟，張鐵中，楊麗，等.基于數(shù)學(xué)形態(tài)學(xué)的相接觸草莓果實(shí)的分割方法及比較研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2007，23(9):164-168.

［5］ Visen N S，Shashidhar N S，Paliwal J，et al.Identification and segmentation of occluding groups of grain kernels in a grain sample image［J］.Journal of the Agricultural Engineering Research，2001，79(2):159-166.