田 婷,陳 平,劉 賓

(中北大學信息探測與處理山西省重點實驗室，山西 太原 030051)

0 引言

X射線成像具有穿透物體并能看到物體內(nèi)部結(jié)構(gòu)，成像分辨率高等優(yōu)點，已廣泛應用于機場、車站等安檢行業(yè)[1]。但由于其透視圖像是二維的，無法區(qū)分不同層次的結(jié)構(gòu)信息，也不能對各物體進行定位，會存在極大的安全隱患[2]，因此，對如何進一步提高各個深度層目標物的結(jié)構(gòu)信息已經(jīng)成為了研究的必要問題。

目前，用于安檢的三維成像技術(shù)有計算機斷層成像(CT)技術(shù)和計算機層析成像(CL)技術(shù)。傳統(tǒng)的CT技術(shù)需要對目標物進行全方位掃描和重建[3-4]，因此需要較大的計算量和成像時間，極大地限制了其在工業(yè)在線檢測等領(lǐng)域的應用。針對該問題，有研究者對欠采樣數(shù)據(jù)的算法進行了研究，Jiang、Liu、Cai等[5-7]提出了一系列正則化的重建算法，這些算法雖然可以降低成像時間，但是對于板狀物體進行掃描時，成像質(zhì)量較差。金鑫等[8]提出雙能靜態(tài)CT系統(tǒng)，雖然得到較為高分辨率的圖像，但是該技術(shù)探測器結(jié)構(gòu)復雜，成本較高，因此推廣使用較為不便。CL技術(shù)雖然可以解決板狀結(jié)構(gòu)成像差等問題，但是射線源和探測物1次相反運動只能獲得1個深度的結(jié)構(gòu)，想要獲得不同深度信息需要物體多次相對運動，增加了成像時間。當被檢測物存在遮擋時，CT和CL技術(shù)都無法實現(xiàn)被檢測物體不同層的快速成像，都不利于X射線安檢等簡單場合的實時檢測。而對于簡單場合的快速成像安檢系統(tǒng)，不需要高精度、全方位的三維成像，只需消除二維圖像中多層物體的盲點，可以快速、高效地對各層物體進行有效區(qū)分，準確識別即可。

針對上述問題，本文結(jié)合雙目立體視覺技術(shù)和視差原理[9-12]，提出了一種可以實時獲取三維信息的X射線圖像分層技術(shù)，其僅通過2個視角的投影圖獲得物體不同深度的結(jié)構(gòu)信息，快速有效地實現(xiàn)了對物體的不同層準確識別。與CT技術(shù)相比，雖然該方法得到的三維信息是不完全或近似的，但是其不需要對物體進行多角度掃描，在一定程度上提高了物體識別準確率，成像時間短，對于快速安檢具有重要的參考意義。

1 成像原理

人們的視覺效果本質(zhì)上是三維的，在看同一物體時，由于瞳距會造成兩眼所看到的圖像是不同的，經(jīng)過大腦的融合，就會對各物體產(chǎn)生了立體感，可以看到現(xiàn)實場景中不同深度的物體，這就是雙目立體視覺的基本原理，即通過2張略有差異的二維圖像得到三維圖像?；诖思夹g(shù)，該成像系統(tǒng)參考單能X射線技術(shù)，由輻射源和探測器陣列組成，不同之處在于，單視點成像基于1組探測器陣列獲得投影圖像，而雙視角則需要用2組探測器陣列，通過物體移動獲得2個不同角度的投影圖像。

2 成像方法

立體成像一般包括5個過程：圖像采集、探測器標定、特征提取、立體匹配和三維重建。由于射線圖像可以看到被檢測物體的各個深度信息，其灰度值是不同深度層物體疊加的，而可見光圖像只是遮擋關(guān)系，其灰度值只是表面信息，因此射線圖像特征提取和匹配成了研究的重點和難點，本文對其進行深入研究，通過對各環(huán)節(jié)問題的解決獲得了高精度的圖像分層成像。

2.1 二維投影圖像的產(chǎn)生

射線源發(fā)射出的X射線通過雙縫準直器，產(chǎn)生具有一定夾角的2條扇束形射線，物體通過傳送帶運送，依次在左右探測器成像，獲得2個不同角度的透視圖，圖像的成像系統(tǒng)如圖1所示。

圖1 成像系統(tǒng)

2.2 基于改進類間方差的特征提取

特征提取是為了找到圖像的匹配點，不同的匹配方法選取的特征是不同的。通常圖像的特征選取分為點特征、區(qū)域特征和輪廓特征。本文根據(jù)射線成像特征，選取圖像的區(qū)域特征，對圖像進行塊匹配。區(qū)域特征選取采用改進最大類間方差法(Ostu法)，該方法通過對閾值范圍進行確定，解決了極值不唯一時最佳閾值會因初始條件變化而變化等問題，具體實現(xiàn)過程如下所述。

根據(jù)圖像的灰度值，選取一個初始閾值，初步將圖像分為2部分，其具體公式為

(1)

m和n分別為圖像的行數(shù)和列數(shù)；N為總像素數(shù)；f(x,y)為各點的灰度值。

用閾值T0將圖像分為背景M1和目標M22部分，M1中的像素灰度值在[0,T0]之間，M2中的像素灰度值在[T0+1,S-1]之間。背景與目標的概率和均值分別為：

(2)

(3)

(4)

(5)

w0和w1分別為M1和M2的概率；u0和u1分別為M1和M2均值。可根據(jù)均值和概率計算類方差，其公式為

(6)

用上述方法，先對最外層的圖像與背景區(qū)域直接相鄰的區(qū)域，選取一個最佳的閾值將圖像分為2部分，將最外層的圖像變?yōu)榕c背景相同的灰度值從原圖上剝?nèi)?，再對次外層的圖像重新選取合適的閾值，對投影圖不斷重復上述過程，將閾值進行迭代更新，直到所有的圖像都分割完。將第1次的分割結(jié)果與第2次的分割結(jié)果進行相減得到最外層圖像的分割結(jié)果，以此類推。

分割后的圖像在重疊的部分會有空缺，先判斷空缺部位是否有值再對其采用閉運算進行填充。先對最外層的物體采用逐行進行判斷，如果該行空缺部分的值與后分割物體該行的所對應像素和的值小于一個閾值時，則判斷該行空缺部分有值，否則為空缺。依次對分割物體進行此操作，其具體公式為

(7)

j、j+n分別為某行中的j列、j+n列；xK1為K次分割中第1次分割的物體的像素值。

執(zhí)行完上述操作后采用閉運算對分割物體進行填充，并依次對每個分割物體進行該操作。閉運算是一個先膨脹后腐蝕的過程，其具體公式為

M·N=(M⊕N)!N

(8)

M和N分別為分割后的圖像和重疊部分的圖像；⊕表示膨脹過程；!表示腐蝕過程。

圖像的膨脹過程可以用公式表示，采用半徑為20像素點的圓盤，掃描投影圖中的每個像素，用該圓盤的值與其所覆蓋的圖像的值進行“或”運算，進而得到膨脹的圖像L，其公式為

L=M⊕N={x,y|(N)xy∩M≠?}

(9)

x，y為圖像對象灰度值；L表示膨脹操作得到的圖像。

圖像的腐蝕過程可以用公式表示，在得到擴大的圖像后，用預設(shè)的圓盤繼續(xù)掃描擴大圖像中的每個像素，然后用該結(jié)構(gòu)與覆蓋圖像的值進行“與”運算，腐蝕可以縮小目標區(qū)域并消除無意義的區(qū)域，其公式為

L!N={x,y|(N)xy?L}

(10)

通過閉運算得到的圖像，可以將相鄰圖像的縫隙部分連接起來，填充了空洞，也可以豐富圖像的邊界，很好地彌補了重疊部分的空缺現(xiàn)象，保持與分割圖像形態(tài)基本相同。

2.3 基于屬性相似的立體匹配

立體匹配是立體成像中關(guān)鍵的一步，是為了根據(jù)2個不同圖之間的關(guān)系來計算視差。對于上述分割好的圖像，建立1個圖像的屬性集，具體公式為

Ek={EA,EB,EC}

(11)

EA，EB，EC分別為分割圖像的面積、邊緣的長度和重心坐標。

左投影圖的屬性集為{Ei,k}，右投影圖的屬性集為{Ej,k}，其中i為左投影圖中分割物體序號，j為右投影圖中分割物體對應序號，這樣就可以通過下式進行計算

(12)

通過對分割后圖像的屬性集中各個屬性進行比較，設(shè)置合適的閾值T，當Pi,j最小且Pi,j

2.4 基于重心坐標的視差計算

由于物體是平行移動，圖像的縱坐標相同，根據(jù)左、右投影圖像中各個匹配好的圖像，將相應匹配好的2幅圖像中的重心橫坐標進行相減，就可以得到物體的絕對視差，則相關(guān)公式為

(13)

ux，uy為重心坐標；r為圖像點集。

Dk=uL,x,k-uR,x,k

(14)

Dk為視差值;uL,x,k、uR,x,k分別為左、右投影圖中第k個匹配好的物體的重心橫坐標。

2.5 圖像分層成像

通過公式根據(jù)已求視差可以還原物體的結(jié)構(gòu)信息，對物體進行分層顯示。立體成像幾何示意如圖2所示。

圖2 立體成像幾何示意圖

圖2中，點O為X射線源，射線源到重建物點M所在平面的距離為Z，物點M所在平面到探測器的距離為D，點M的運動距離為B，點M在2幅投影中的坐標為(x1,y1)和(x2,y2)。由于物體在傳送帶平行移動，其y坐標相同，所以2個角度投影圖像中對應的橫坐標x1，x2為對應視差(Dk)，根據(jù)三角形相似原理可以求得物點M(X，Y，Z)與投影坐標之間的關(guān)系，則物點M的三維坐標計算公式為：

(15)

(16)

(17)

在求得三維點坐標后，可根據(jù)三維點坐標對被檢測物體分層成像。

3 實驗設(shè)計與分析

為了驗證本文方法的有效性和準確性，使用YXLON FF20 CT系統(tǒng)獲取2個不同角度的投影圖，射線源到載物臺的距離為450 mm，射線源到探測器的距離為780.577 mm，載物臺移動的距離48 mm，實驗中電壓、電流等參數(shù)如表1所示。

表1 實驗條件

通過表1實驗條件獲取的2個不同角度的投影數(shù)據(jù)如圖3所示。

圖3 不同角度的投影圖

對投影圖進行分割提取特征，使用傳統(tǒng)的最大類間差和本文的方法做對比，左右投影圖像的分割結(jié)果如圖4所示。

圖4 分割結(jié)果

圖4為左右投影圖的分割結(jié)果，其中，圖4a和圖4b為傳統(tǒng)的Ostu分割結(jié)果，圖4c和圖4d為本文方法的分割結(jié)果。從分割結(jié)果可以明顯看到，本文的方法對物體的分割更準確，分割的精度得到了提高。

用本文方法對物體分割后，對分割后物體左、右投影圖空缺部位填充，結(jié)果如圖5所示。

圖5 填充圖

圖像分層立體顯示對比如圖6所示。圖6a為經(jīng)過傳統(tǒng)分割方法，通過匹配求視差后的圖像的立體顯示效果，圖6b為用本文方法后對圖像的立體顯示。

圖6 圖像分層立體顯示對比

通過對比圖4中的分割結(jié)果，發(fā)現(xiàn)傳統(tǒng)的分割方法會存在目標物體分割不準確的情況，這樣就會導致最后顯示的分層物體形狀有所差異。從圖4中可看出本文的分割方法更準確，可以對分層物體進行準確的分辨。

為量化表示重建結(jié)果的好壞，根據(jù)先驗情況已知目標物的分布情況，可繪制各層真值圖像，使用結(jié)構(gòu)相似性(structural similarity index measure，SSIM)對目標物的各層重建結(jié)果進行定量評價。

(18)

μm,σm為各層重建圖像的均值和方差；μture，σture為各層物體真值圖像均值和方差；σm,ture為2幅圖像之間的協(xié)方差；c1，c2為常數(shù)。其中SSIM的取值范圍為[0，1]，值越接近1時，說明重建質(zhì)量越好，2幅圖像越相似。實驗評價結(jié)果如表2所示。

表2 目標物各層重建結(jié)果的SSIM評價結(jié)果

經(jīng)過對比傳統(tǒng)方法和本文方法對各層重建結(jié)果的SSIM，可以看出本文方法提高了目標物各層重建圖像質(zhì)量，對多層目標物的重建得到了很好的展示效果，真實反映了被檢測物體各層的形狀。

4 結(jié)束語

本文針對安檢領(lǐng)域中多層物體重疊，無法有效地區(qū)分各層物體等問題，提出了一種圖像分層成像方法，可以快速地獲取圖像的三維信息。該方法根據(jù)物體的運動獲得不同角度下的2個投影圖，對投影圖依據(jù)灰度信息由外向內(nèi)進行分割匹配，根據(jù)匹配好的結(jié)果獲取視差，生成具有深度信息的透視圖像，經(jīng)實驗驗證，該方法有效地實現(xiàn)了目標物不同深度層的重建，消除了圖像中大部分物體重疊現(xiàn)象。本文的方法在一定程度上反映了被檢測物體的形狀及本質(zhì)，相比單視角有很大的優(yōu)勢。