公安部第一研究所 孔維武 邢羽

背散射X射線人體安檢圖像通常存在信噪比低、對比度弱的特點，不利于安檢員觀察判讀，并且，直接利用原始圖像進行人體安全檢查，涉及個人隱私問題。為此，研究了一種圖像感興趣邊緣檢測方法:首先，利用一種基于中值的自適應(yīng)混合濾波方法降低圖像噪聲，然后，對濾波圖像進行線性灰度拉伸提高其對比度，接著，利用一種多方向灰度形態(tài)學(xué)邊緣檢測方法提取圖像邊緣信息并進行邊緣圖像分割，最后，利用連通區(qū)標記過濾方法，保留圖像中感興趣邊緣。試驗結(jié)果表明，方法能夠有效提取人體圖像感興趣邊緣，在不影響檢查人員觀察判讀基礎(chǔ)上，最大限度地保護了被檢查人員隱私。

0 引言

近年來，販毒、恐怖主義等活動越來越多地以隱藏于人體的形式出現(xiàn)，借助人體進行毒品走私、恐怖襲擊使得威脅與危險更加隱蔽，嚴峻的形勢對人體安全檢查技術(shù)提出了更嚴格的要求。在這樣的背景下，背散射成像技術(shù)因其非接觸式、輻射劑量低、對低原子序數(shù)物質(zhì)敏感等特點在人體安全檢查領(lǐng)域受到越來越多地關(guān)注，它能夠以類似相片的形式展現(xiàn)背散射圖像，不僅可以有效地檢測出金屬物品，還能夠檢測出像陶瓷刀，塑料槍支，液體炸彈，混合武器，毒品等非金屬物品及違禁物品[1-2]。

然而，背散射人體圖像信號通常存在信噪比相對較低、對比度相對較弱的特點，不利于操作員直接觀察，并且，直接利用背散射圖像進行人體檢查涉及個人隱私問題，對設(shè)備推廣不利。為此，一種可取的做法是:只勾勒出人體及其攜帶的各種潛在威脅的輪廓，即感興趣邊緣圖像，當(dāng)安檢員進行人體安全檢查時，只對感興趣邊緣圖像進行判讀，解決被檢查人員對個人隱私問題的顧慮。

有鑒于此，針對背散射X射線人體圖像特點，本文首先利用一種基于中值的自適應(yīng)混合濾波方法降低圖像噪聲，并對濾波圖像進行線性灰度拉伸，提高其對比度，然后利用一種多方向灰度形態(tài)學(xué)邊緣檢測方法提取圖像邊緣信息并進行邊緣圖像分割，進而利用一種快速二值連通區(qū)標記方法，提取圖像中感興趣邊緣。

1 圖像感興趣邊緣提取方法

1.1 方法簡介

邊緣檢測方法多基于空間運算，包括一階微分的梯度法和二階微分法，包括多個算子[3]，這些算子各有其針對性和特點，但普遍對噪聲比較敏感，復(fù)雜環(huán)境處理能力相對不足。

一副典型的背散射人體（仿真體模）圖像及其某行灰度曲線分布如圖1所示，其中，仿真體模身穿一件夾克，其胸腹部夾藏了一瓶300ml可燃液體。

分析圖1不難看出，圖像中存在明顯噪聲，圖2、圖3分別給出了利用Sobel、Laplacian、Canny邊緣檢測方法對圖1（a）以及經(jīng)典Cameraman圖像進行邊緣提取的結(jié)果。對比圖2、圖3不難看出，基于常規(guī)邊緣檢測方法的背散射圖像邊緣檢測結(jié)果效果不理想，不如理想灰度圖像邊緣檢測結(jié)果，這主要是由于背散射圖像中強烈噪聲干擾導(dǎo)致的。

圖1 背散射人體體模圖像Fig.1 X-ray backscatter image of human phantom

圖2 圖1（a）邊緣檢測結(jié)果Fig. 2 Edge detection results of Fig.1（a）

圖3 cameraman圖像邊緣檢測結(jié)果Fig.3 Edge detection results of cameraman

考慮到形態(tài)學(xué)邊緣檢測方法可以通過構(gòu)造合適的運算流程形成抗噪聲能力較強的邊緣檢測算子[4]，為此，本文利用一種多方向灰度形態(tài)學(xué)邊緣檢測方法對背散射人體圖像邊緣進行檢測，在此基礎(chǔ)上，還基于一種快速連通區(qū)標記方法，對原始邊緣檢測圖像進行凈化處理，僅保留人體圖像中的感興趣特征邊緣，提高邊緣圖像可讀性。

需要說明，所謂感興趣邊緣圖像，指的是除了人體本身如胸部、臀部、骨骼等形成的邊緣輪廓以及通過肉眼可見的衣物拉鏈、紐扣等形成的邊緣輪廓以外，人體所攜帶的、具有一定分量的物體所形成的邊緣輪廓，這類輪廓是安檢員需要關(guān)注的。

考慮到背散射圖像信噪比低、對比度弱的特點，在進行邊緣檢測之前，還需要對原始背散射圖像進行濾波與對比度增強工作。

具體的感興趣邊緣檢測方法流程圖如圖4所示。

圖4 背散射人體圖像感興趣邊緣檢測方法流程圖Fig.4 Flow chart of interested edge detection method of X-ray backscatter human image

1.2 自適應(yīng)濾波

考慮到均值濾波對高斯型噪聲抑制效果較好、中值濾波保護邊緣能力及去除脈沖型噪聲能力相對較強的特點，特別考慮到算法應(yīng)具有較高效率并易于工業(yè)應(yīng)用的實際，設(shè)計一種基于中值的自適應(yīng)混合濾波方法，抑制圖像噪聲。

基于中值的自適應(yīng)混合濾波方法是兼?zhèn)渚禐V波和中值濾波的一種濾波方法，方法思想是:以圖像每一像素為中心選取一個適當(dāng)?shù)臑V波區(qū)域，確定區(qū)域內(nèi)灰度中值、灰度峰值與灰度谷值，計算出該區(qū)域內(nèi)去掉灰度峰值與灰度谷值后其余像素的灰度均值，并將灰度中值、灰度均值與中心像素灰度值進行比較，如果三者間的灰度差異不十分顯著，則將灰度均值作為最終濾波結(jié)果輸出；否則，將灰度中值作為濾波結(jié)果輸出[5]。

圖5給出了典型的背散射人體圖像及其自適應(yīng)混合濾波去噪后的結(jié)果，并給出了某行位置濾波前后的灰度曲線圖。

圖5 背散射人體圖像自適應(yīng)濾波結(jié)果Fig.5 Adaptive filtering of X-ray backscatter human image

圖5所示濾波操作的具體實現(xiàn)步驟如下:

（1）設(shè)待處理像素f（m，n）灰度值為V，以（m，n）為中心，選取一個適當(dāng)大小的濾波區(qū)域，求找出濾波區(qū)域內(nèi)像素灰度中值Vmed、灰度峰值Vmax和灰度谷值Vmin；

（2）將濾波區(qū)域內(nèi)所有像素與Vmax、Vmin進行比較，去掉等于Vmax或Vmin的像素點，如果濾波區(qū)域內(nèi)剩余像素個數(shù)不為零，求出濾波區(qū)域內(nèi)剩余像素灰度均值Vmean，并進入步驟（3）；如果濾波區(qū)域內(nèi)剩余像素個數(shù)為零，直接輸出Vmed為濾波結(jié)果，并進入步驟（5）；

（3）計算V、Vmed與Vmean三者的差值絕對值之和T，以及T與三者之和的比值R，其中

（4）如果T或R大于設(shè)定的參考閾值Tval或Rval，認為f（m，n）被脈沖型噪聲污染或為邊緣的可能性大，輸出Vmed作為最終濾波結(jié)果；否則，認為f（m，n）被高斯型噪聲污染的可能性大，輸出Vmean作為最終濾波結(jié)果。

（5）重復(fù)步驟（1）～（4），直至完成所有像素點濾波處理。得到去除噪聲后圖像。

1.3 灰度變換

背散射人體圖像對比度相對較低，對圖像進行灰度變換，可以提高圖像的對比度，使圖像邊緣細節(jié)更加突出。

灰度變換直接利用線性灰度拉伸實現(xiàn)，以12比特人體安檢圖像為例，具體實現(xiàn)方法是:首先通過灰度直方圖分析，確定一個低灰度經(jīng)驗閾值lv與一個高灰度經(jīng)驗閾值hv，然后直接將濾波后的背散射人體安檢圖像中灰度介于lv與hv之間的像素灰度拉伸至lv-4095之間；低于lv部分保持不變；高于hv部分設(shè)置為4095。

公式如式（3）所示，其中，I（i，j）表示濾波后人體圖像在（i，j）位置灰度；T（i，j）表示灰度變換后的像素灰度。

對圖像進行灰度變換結(jié)果如圖6所示。

1.4 多方向灰度形態(tài)學(xué)邊緣檢測

形態(tài)學(xué)圖像處理應(yīng)用于邊緣檢測基本思想[6]是:對圖像用一定的結(jié)構(gòu)元進行基本操作以后與原圖像相減?！銇碇v，結(jié)構(gòu)元的尺寸大小和結(jié)構(gòu)形狀都會影響圖像邊緣檢測效果。小尺寸結(jié)構(gòu)元去噪聲能力弱，但能檢測到好的邊緣細節(jié)，大尺寸結(jié)構(gòu)元去噪聲能力強，但所檢測的邊緣較粗，會丟失一些小的細節(jié)?？紤]到圖像經(jīng)過自適應(yīng)濾波去噪處理，為盡可能詳盡地檢測到邊緣細節(jié)，選用小尺寸結(jié)構(gòu)元3×3大小進行邊緣檢測處理。

首先介紹基本灰度形態(tài)學(xué)運算的定義。

腐蝕和膨脹是灰度形態(tài)學(xué)兩種基本運算，由這兩種基本運算可以組成多種復(fù)合運算，產(chǎn)生各種實用的形態(tài)學(xué)算法。

用結(jié)構(gòu)元b對輸入圖像f進行灰度腐蝕記為fb，其定義為:

用結(jié)構(gòu)元b對輸入圖像f進行灰度膨脹記為f+b，其定義為:

開啟與閉合運算是腐蝕與膨脹運算的組合，用b開啟f記為f○b，用b閉合f記為f●b，分別定義為:

腐蝕運算可以去掉圖像中比結(jié)構(gòu)元小的亮細節(jié)，膨脹運算可以去掉比結(jié)構(gòu)元小的暗細節(jié)；開啟運算可以消除比結(jié)構(gòu)元小的暗細節(jié)，而保持圖像整體灰度和大的亮區(qū)域基本不受影響，閉合運算可以消除比結(jié)構(gòu)元小的暗細節(jié)，而保持圖像整體灰度和大的暗區(qū)域基本不受影響。四種操作都對噪聲具有一定的抑制作用。簡言之，它們的基本特點是:對于灰度差異明顯處如邊緣附近，作用效果突出；對于沒有明顯灰度差異的非邊緣處，作用效果微弱。因此，利用這種對不同區(qū)域作用效果間的差異就可以進行邊緣檢測。

一種典型的抗噪膨脹腐蝕型邊緣檢測算子[4]如下:

需要說明的是，形態(tài)學(xué)邊緣檢測不僅和使用的邊緣檢測算子有關(guān)，還取決于結(jié)構(gòu)元的選擇，如果只選擇一種結(jié)構(gòu)元，其輸出邊緣圖像只包含一種幾何信息，不利于圖像細節(jié)的保持；采用不同方向的多個結(jié)構(gòu)元，將每一結(jié)構(gòu)元作為一種尺度對圖像進行邊緣檢測，最后再將各尺度邊緣結(jié)果加權(quán)求和，可以更加有效地檢測出圖像的各種細節(jié)。

定義多方向邊緣檢測算子如下:

式中，Edgei為不同結(jié)構(gòu)元下的邊緣，b和bi為結(jié)構(gòu)元，b設(shè)計為固定不變的3×3正方形，bi設(shè)計為不同的結(jié)構(gòu)元，b和bi如圖7所示:

圖7 多方向形態(tài)學(xué)邊緣檢測結(jié)構(gòu)元Fig.7 Multi-directional structural element of morphological edge detection

多方向灰度形態(tài)學(xué)邊緣檢測算法具體步驟為:

（1）用結(jié)構(gòu)元b對輸入圖像f做開啟操作，然后再利用結(jié)構(gòu)元b1對開啟結(jié)果做膨脹操作，得到圖像A；

（2）用結(jié)構(gòu)元b對輸入圖像f做閉合操作，然后再利用結(jié)構(gòu)元b1對閉合結(jié)果做腐蝕操作，得到圖像B；

（3）Edge1=A-B，得到一個方向邊緣檢測結(jié)果；

（4）選擇不同的結(jié)構(gòu)元b2、b3、b4，重復(fù)過程（1）～（3），得到另外三個方向的邊緣結(jié)果Edge2、Edge3、Edge4；

（5）最終邊緣結(jié)果為:Edge=K×（Edge1＋Edge2＋Edge3＋Edge4），其中K為一比例系數(shù)，用于調(diào)節(jié)邊緣強度值。

對于圖1（a），基于上述方法的邊緣檢測結(jié)果如圖8所示，其中，取K=2。

圖8 多方向形態(tài)學(xué)邊緣檢測結(jié)果Fig.8 Multi-directional morphological edge detection results

1.5 感興趣邊緣保留

觀察圖8（e），圖像中的感興趣邊緣包括:瓶裝可燃液體、衣服拉鏈以及若干金屬扣的邊緣信息。從圖8（g）可以看出，感興趣的邊緣都被檢測了出來，但是，邊緣圖像中還充斥大量瑣碎無關(guān)的其他邊緣細節(jié)，這些無關(guān)邊緣嚴重干擾對正常特征邊緣的判讀，特別是瓶裝液體，其邊緣幾乎被瑣碎邊緣淹沒。

為此，設(shè)計一種感興趣邊緣保留算法，對圖5（g）所示邊緣圖像做進一步凈化處理。實現(xiàn)步驟如下:

（1）確定一個邊緣低值Vmin和邊緣高值Vmax，統(tǒng)計人體區(qū)域內(nèi)在Vmin和Vmax之間的邊緣值均值Vmean，只保留邊緣值大于para×Vmean的邊緣信息，其中para為一個不小于1的參數(shù)，此參數(shù)決定保留下來的邊緣信息強度；

（2）將剩余邊緣二值化，統(tǒng)計每個邊緣近似長度Li，其中，Li表示第i條邊緣長度；

（3）確定一個經(jīng)驗邊緣長度閾值Lseg，只保留Li長度大于Lseg的邊緣，其中，在算法實現(xiàn)時，可以使用連通區(qū)面積近似表示Li。

以圖5所示人體圖像邊緣檢測結(jié)果為例，感興趣邊緣保留結(jié)果如圖9所示。觀察圖9（b），包括瓶裝液體、衣服拉鏈以及若干金屬扣等感興趣邊緣都得到了較好地保留，同時，圖像中的一些非感興趣邊緣被較好地消除。相對圖9（a），邊緣圖像的干凈度與可視性得到很好提高。

圖9 感興趣邊緣保留結(jié)果Fig.9 Edge of interest result

2 試驗驗證

為更直觀地比較本文方法感興趣邊緣檢測效果，給出部分試驗結(jié)果如圖10所示，其中，圖10（a）為對仿真體模穿上夾克并胸口夾帶手槍的示意圖及其感興趣邊緣檢測結(jié)果；圖10（b）為對仿真體模穿上夾克并腹部夾帶薄塑性炸藥模擬物的示意圖及其感興趣邊緣檢測結(jié)果；圖10（c）為仿真體模穿上夾克并在腹部夾帶匕首的示意圖及其感興趣邊緣檢測結(jié)果。不難看出，本文方法均取得了較好的感興趣邊緣檢測結(jié)果。

圖10 本文方法部分處理結(jié)果Fig.10 Some processing results of the method presented

圖11給出了實際人體圖像的感興趣邊緣檢測結(jié)果，其中，被檢查對象攜帶了如下物品:手腕上攜帶了手表；胸前口袋攜帶了公交卡；一只褲兜放了一部手機；另外一只褲兜放了一塊塑性炸藥模擬物；腰間佩戴了金屬頭腰帶。觀察圖11（c），不難看出，被檢查對象所攜帶的物體在感興趣特征邊緣圖像中都有所體現(xiàn)，相對圖11（b）近乎“裸體成像”的檢查圖像，其個人隱私得到了很好的保護。

圖11 實際人體圖像結(jié)果Fig.11 Human body image result

3 結(jié)論

背散射X射線人體安檢圖像通常存在信噪比相對較低、對比度相對較弱的特點，不利于操作員觀察，并且，直接利用背散射圖像進行人體安全檢查涉及隱私問題。一種可取的做法是:改善原始背散射人體圖像質(zhì)量，使圖像更加適合人眼觀察，當(dāng)遠程判讀時，直接觀察人體圖像；勾勒出圖像中的感興趣特征邊緣，當(dāng)本機判讀時，只對特征邊緣圖像進行判讀。

有鑒于此，本文背散射X射線人體圖像感興趣邊緣檢測方法:首先，利用一種基于中值的自適應(yīng)混合濾波器降低圖像噪聲，并對濾波后圖像進行線性灰度拉伸，提高其對比度，然后，利用一種多方向灰度形態(tài)學(xué)邊緣檢測方法提取圖像邊緣信息，接著，利用一種快速二值連通區(qū)標記方法，實現(xiàn)人體圖像感興趣邊緣提取。

試驗結(jié)果表明，本文研究的方法起到了人體圖像感興趣邊緣提取目的，較好地解決了背散射X射線人體檢查設(shè)備涉及的對被檢查人員的隱私保護問題，無論是對于安檢員判讀圖像，還是對于該類型設(shè)備的推廣應(yīng)用，都具有重大的現(xiàn)實意義。