（计算机应用技术专业论文）集装箱扫描图像分析系统研究.pdf

摘要 针对货物拆卸困难、有特殊要求不得开封、行李物品涉及个人隐私等特殊监管情势， 采用x 光检查设备对运输工具、货物或行李物品进行非侵入式扫描检查，从而实现准 确、高效地检控，是当前海关进行进出境监管的主要方式之一。因此，研究x 光检查 图像的数据信息，侧重自动分析，减少人工干预，是加大监管力度和加快通关速度的 关键，是一项新的重要研究课题，具有很强的现实研究意义。 在假定集装箱车辆所装货物品种较少且货物摆放分类集中、排列规则的前提下，首 先通过定位提取算法将有效识别区域即集装箱区域从原图像中切割出来：然后，对提 取出来的集装箱区域图像进行增强；最后，利用纹理特征对集装箱区域图像中的目标 物体进行自动标识。 关键词：x 光检查图像图像信息分析纹理特征自动标识 a b s t r a c t an o n - i n t r u s i v ei n s p e c t i o no fx - r a yi st h ea c c u r a t e ，e f f i c i e n ti m p o r t a n tw a yf o rt h e c u s t o m st os u p e r v i s ea n dc o n t r o lo v e rt h em e a n so ft r a n s p o r t ，g o o d s ，a r t i c l e se n t e r i n ga n d l e a v i n gt h ec u s t o m st e r r i t o r y i ts o l v e st h e p r o b l e m so fi n c o n v e n i e n c et oo p e nt h eg o o d sa n dp e r s o n a l p r i v a c y i n v o l v e d t h ek e yo fs t r e n g t h e n i n gs u p e r v i s i o na n dc o n t r o l ，a c c e l e r a t i n gt h ec u s t o m sc l e a r a n c e ， t h a ta l s oh a ss t r o n gp r a c t i c a ls i g n i f i c a n c eo ft h ei m p o r t a n tn e wr e s e a r c ht o p i c ，i sh o wt o p r o m o t ed e p t ha n a l y s i so fx r a yi m a g i n gd a t ai n f o r m a t i o na n df o c u so na u t o m a t i ca n a l y s i s ， r e d u c em a n u a li n t e r v e n t i o n i nf e w e rv a r i e t i e so fc o n t a i n e rc a r g o c l a s s i f i c a t i o na n dl o a d i n gw i mr u l e su n d e rt h e p r e m i s eo fe x t r a c t i n gt h ei m a g e so fe f f e c t i v ei d e n t i f i c a t i o nr e g i o n a lf r o mt h eo r i g i n a l sb y l o c a t i o ne x t r a c t i o na l g o r i t h m ，a u t o m a t i ci d e n t i f y i n gt h e t a r g e to b je c t si n c o n t a i n e r r e g i o n a lb a s e do nt e x t u r ef e a t u r e sa f t e re n h a n c eh a sb e e nm a d et ot h ei m a g e se x t r a c t e di n e f f e c t i v ei d e n t i f i c a t i o nr e g i o n a l k e yw o r d s ：x - r a yi n s p e c t i n gi m a g ei m a g ei n f o r m a t i o n a la n a l y z i n gt e x t u r ef e a t u r e s a u t o m a t i ci d e n t i f i c a t i o n 长春理工大学硕士学位论文原创性声明 本人郑重声明：所呈交的硕士学位论文，集装箱扫描图像分析系统研究是本人 在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容 外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究 做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律结果由本人承担。 作者签名：年月日 长春理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版权使 用规定 ，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕士学位论文 全文数据库和c n k i 系列数据库及其它国家有关部门或机构送交学位论文的复印件和电 子版，允许论文被查阅和借阅。本人授权长春理工大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编 学位论文。 作者签名： 指导导师签名： 年月日 五月五日 1 1 应用背景和研究意义 第一章绪论 海关作为进出关境监督管理机关，其职责是依照有关法律和行政法规，监督进出境 的运输工具、货物、行李物品、邮递物品和其他物品，征收关税和其他税款，查缉走 私，编制海关统计和办理其他海关业务。据此，在通关现场安排工作人员，对进出境 物品进行准确、高效的检查，是各国海关的首要任务。 受诸多因素影响，如有些货物拆卸困难或有其特殊要求不得开封、行李物品涉及个 人隐私等等，传统的人工查验方式显然难以达到准确查验的目的。因此，近年来，越 来越多的具备条件的海关，在各通关现场安置了x 光检查设备，以x 光货柜检查仪检 查取代人工开箱查验，以避免破坏原始封条，减少可能的纠纷。 用x 光检查设备对运输工具、货物或行李物品进行非侵入式扫描检查，在一定程 度上弥补了传统人工查验的不足，具有明显的优势。以中国海关为例，自1 9 9 9 年末清 华同方威视技术股份有限公司研发的固定式大型集装箱检查系统首次在天津东港海关 投入运行以来，海关总署陆续在数十个重点口岸安装了该系统，结果表明，切实加强 了对运输工具( 主要是集装箱车辆) 的监管力度，大幅提高了检验效率。 然而，常见的海关x 光检查的作业模式也存在明显的弊端。该模式是建立在筛选 检查对象和人工识别x 光检查图像基础之上的，一方面，考虑到通关效率等问题，海 关对通关现场的行李物品是否实施x 光检查一直以来都需要依靠情报支持或现场工作 人员的察言观色，而无法做到件件必查；另一方面，现场工作人员需要对x 光检查图 像进行人工分析后才能下达拆箱检查的指令，因而劳动强度仍然很大，且查验结果与 现场工作人员的经验、熟练程度等直接相关，存在较大的监管风险。 由此可见，对x 光检查图像的分析是海关现场查验工作的基石。如果想要在加大 监管力度和加快通关速度二者之间寻求一个平衡点的话，就必须从研究x 光检查图像 的数据信息入手，侧重自动分析，减少人工干预。 因此，本课题拟通过对集装箱x 光检查图像目标物体自动标识问题进行深入研究， 并探索实现的方法，以期达到提高检查效率、降低劳动强度、减少人工因素影响的目 的，具有很强的现实研究意义。 1 2 国内外研究现状 实现集装箱x 光检查图像目标物体自动标识的关键技术是图像增强和图像分割。 一方面，由于受装载货物的复杂性和x 光成像系统各因素的影响，使得x 光检查图像 具有动态范围宽、细节丰富、对比度差等特点；加之，人眼难以分辨非常微小的灰度 差别，造成图像分析员识别困难。因此，改善x 光检查图像的视觉质量，提高识别率， 对图像进行增强的同时降噪，成为本课题的关键技术之一。另一方面，由于x 光检查 图像自身的特点，使得纹理成为图像分析的主要特征；加之，集装箱装载货物的无法 预知性，共同决定了图像分割特别无监督纹理分割成为本课题的另一关键技术。 近年来，国内学者就x 光图像增强和无监督纹理分割技术进行了多方面、多角度的研 究，下面就将国内外的一些研究状况作简要介绍。 l a n d l lj 首先提出了将r e t i n e x 作为人眼感知亮度和色度的视觉模型的理论，该理论 论述了人眼视觉系统是如何获取景物的图像，并具有色感一致性。l a n d 基于人眼视觉 系统引入了图像的c e n t e r s u r r o u n d 空间形式，同时基于r e t i n e x 模型，用环境亮度函数 和景物反射函数的乘积来定义一幅图像，其中环境亮度函数表示变化缓慢的图像的低 频信息，而景物反射函数则表示高频信息。 j o b s o ndj ，r a h m a r lz ，w o o d e l lga t 2 1 在l a n d 的研究成果基础上，定义了单尺度 r e t i n e x 算法( s i n g l es c a l er e t i n e x ，s s r ) ，对增益系数g 和偏移量o f f s e t 的选取做了大 量的研究，证明对大多数图像而言，这两个数值取固定值不会影响图像的增强效果。 m o o r e a ，a l l m a nj ，g o o d m a nrm 【3 j 在单尺度r e t i n e x 算法的机场上，提出了使用 指数函数作为环境函数的理论。 王彦斟4 j 针对现有医学图像增强方法的缺陷，提出了基于频域多尺度小波变换和基 于空间域的多尺度r e t i n e x ( m u l t is c a l er e t i n e x ，m s r ) 图像增强方法。首先根据人体胸腔 x 光图像的特点，提出了针对胸腔图像中不同区域的小波增强算法；其次提出了在图 像小波变换得到的高频小波系数进行高频增强的同时，对低频尺度系数进行自适应直 方图均衡的图像增强算法，该方法能够在增强图像边缘信息的同时能够根据图像的灰 度直方图的特点自适应地增强图像的对比度，克服了大多数基于小波变换的图像增强 算法只能通过增强图像的高频信息来改善图像质量的局限性；同时还提出了把基于人 眼视觉原理的r e t i n e x 模型的多尺度r e t i n e x ( m s r ) 算法应用到数字x 光图像处理中， 既有效地实现数字x 光图像对比度的增强，又有效地压缩了图像的动态范围。 p i z e r ，a m b u r nep 和a u s t i njd 【5 j 提出一种局域直方图均衡化方法，其思想是采用 一个滑动窗口，每一个像素的直方图映射函数是由该窗口区域内灰度分布所决定，只 要选取合适的窗口大小，就可以对图像细节进行较好的增强，从而克服全局直方图均 衡化的缺陷。但是，该算法需要对图像中每一个像素计算映射函数，计算量巨大，且 对噪声非常敏感。 z u i d e r v e l dk ，h e c k b e r tps ，c a m b r i d g ema 6 j 和r e z aa 7 j 分别提出了一种介于全局 直方图均衡和局域直方图均衡方法之间的处理方法一一对比度受限的直方图均衡 ( c l a h e ) 算法。它将图像分为若干个不重叠的区域，对每个区域做直方图均衡处理， 最后通过双线性插值得到灰度值。虽然在对每一子区域做直方图均衡时，通过控制累 积直方图的斜率，可以有效地抑制对比度过增带来的噪声，但是直方图均衡算法在拉 伸高频信号动态范围的同时，还是放大了图像本身存在的噪声。 王东【8 】根据x 射线成像的原理和成像系统的组成结构，将射线图像的噪声大致划分 为随机噪声和系统的固有不一致性噪声。对于随机噪声的消除，采用在图像内部使用 模板进行平滑处理：而对于成像系统中引入的固有不一致性噪声，则建立像元响应的 不一致性的数理模型，并通过对此数理模型进行最小二乘法加以拟合校正。同时，在 运动序列图像中，先对射线图像中的叠加求均值、视频信号递归滤波和时间序列图像 三维噪声模型进行分析研究，然后利用射线图像信号在时间上序列上的相关性和随机 噪声信号的不相关性，提出基于偏移帧叠加的运动序列图像噪声抑制方法，通过运动 估计、帧序列图像的模板匹配，实现对运动物体的帧序列图像进行有效叠加降噪处理。 白建明、王之琼1 9 】为改善临床应用较为广泛的x 光胶片的质量，根据分形几何学的 原理，采用频域法计算图像的分形维值，根据d s 值的变化达到边界检测和增强的目的。 刘晓敏【lo 】提出了一种非参数领域统计的无监督分割方法，该方法首先应用一个通 用的图像邻域的非参数统计模型，直接建模图像邻域，然后使用一种快速的水平集方 案来最小化图像邻域的概率密度函数的嫡，从而给出最优分割。这种方法不是针对某 种特定纹理，而是通用在各种纹理上。 单雅静、马莉】提出了一种基于分形与灰度特征的无监督纹理分割技术。该方法 首先用一个局部窗从功率谱图像中提取不同方向上的分形维和分形截距，将它们各自 的均值和方差与灰度均值、灰度方差结合起来构成一个多维特征向量，然后利用模糊c 均值聚类算法进行聚类实现纹理图像的分割。该方法对织物纹理图像和医学图像都有 良好的分割效果，鲁棒性强。但算法在不同的纹理区域交界处出现较厚的边缘问题， 可能与计算方向分形维时窗口大小的选择有关，较小的尺寸可能会产生细化的边缘。 薛联凤、刘云飞、李为相【1 2 】提出一种完全无监督的纹理图像分割方法。该方法采 用完全的小波分解，将产生的大量子图像数据作为均值移动算法的收敛数据，寻找灰 度直方图中灰度集中收敛点，并对其收敛点进行模糊聚类，从而达到无监督的纹理分 割。这种方法克服了以往纹理分割算法中，应用小波分解只选取局部分解层数而丢失 信息量的缺点，不需要先验知识，且分割算法与选取方向无关，不仅适用于人工混合 纹理也适合自然纹理拼图。 侯艳丽、杨国胜【1 3 】提出了一种基于小波变换和均值偏移的无监督纹理图像分割算 3 法。首先用小波变换对图像进行二级小波分解，然后用均值偏移算法估计出粗尺度上 对应的聚类数目，并结合模糊c 均值( f u z z ycm e a n s f c m ) 算法进行聚类，在此基础上， 用定义的阈值函数和f i s h e r 判据确定出细尺度上每个初始聚类中心的一个同组，从而 实现图像的由粗到细的分割。在分割精度相差不大的情况下，该方法解决了传统聚类 方法所存在的需要聚类数目和对初始聚类中心敏感问题。 周晖、王润生【1 4 j 针对基于统计的纹理分割算法存在的不足，提出了一种新的多分 辨模型下的无监督统计纹理分割算法。该算法分层次对纹理图像进行动态分割，有效 地利用了不同分辨率上最能表述某一纹理特性的统计特征，然后结合纹理的结构信息 对边缘区域进行边界提取，进而得到较准确的纹理分割图。该算法需要改进是：找到 分辨率更高的纹理测量算子，以适应设计图像处理的需要；提高多分辨率、多特征融 合算法的效率，从而提高算法的分割效果。 向世明、刘国翌、陈睿、李华【15 】提出一种g a b o r 滤波器和i c a 支持的无监督纹理 分割方法。采用此方法对大多数自然纹理能够得到满意的分割结果。其核心是将g a b o r 滤波器所提取的特征视为统计量，用独立分量分析( i c a ) 整合特征，并用独立分量作为 新的纹理特征。该方法的贡献是：避开了g a b o r 滤波器参数选择的难题；独立分量分 析i c a 比主分量p c a 分析更利于纹理特征重整；该分割技术不依赖于对特征数据的非 线性处理，也不依赖于空间相关和邻域相关信息。 郭英凯、杨杰、陆正刚【i6 】提出一种基于高斯马尔可夫随机场( g m i 心) 和神经网 络的无监督纹理分割方法。该方法分为两步：第一步先将图像分为不重叠的小块，在 小块中计算g m r f 参数，并将此参数和该块的均值、方差作为该块的特征向量，然后 进行聚类，得到原图像的一个初始分割和图像中所包含的类别数；第二步构造一个决 定性松弛的神经网络，将第一步得到的结果作为初始输入，经过神经网络计算，得到 一个精确的分割结果。该方法由于采用了从粗到细的分割顺序，使运算速度得到了很 大的提高，同时神经网络的应用也提高了分割的稳定性和准确性。 崔峰、沈滨、彭思龙【1 7 】提出一种基于e m d 分解的四元数域无监督纹理分割方法。 首该方法首先采用二维可分离e m d 分解提高各图像成份的四元数f o u r i e r 频域特征的 分离度，然后再使用四元数g a b o r 滤波器组进行解析特征提取，最后利用新的模糊c 均值聚类评价函数实现无监督的纹理分割。 马文萍、尚荣华、焦李成【l8 】将人工免疫系统中的克隆选择优化应用于无监督分类 与识别问题，提出了一种新的免疫克隆聚类算法。该算法利用克隆算子能够同时在同 一父代抗体周围的多个万向进行全局或局部搜索，促使种群中抗体快速进化，从而在 特征空间内快速获得聚类问题的全局最优聚类中心，有效克服了经典聚类算法易陷入 局部极值的缺点，并从理论上证明了该算法具有全局收敛性。 郑玮、康戈文、陈武凡、李小文【l9 】提出一种基于模糊马尔可夫随机场的无监督遥 4 感图像分割算法。该算法针对遥感图像分割中某些像素分类的不确定性，建立了模糊 马尔可夫随机场模型( f m r f ) 。同时采用贝叶斯分割方法，使用权值对图像特征进行权 衡，并采用最大期望算法( e m ) 对不完整的数据进行估计，应用模拟退火算法( s a ) 获得 全局最优解，从而实现了无监督分割。该方法更好地处理了边缘的混叠，明显减少了 斑点噪声，使分割结果更加准确。 1 3 本课题研究的主要内容 在集装箱车辆所装货物品种较少且货物摆放分类集中、排列规则的假定前提下，本 课题开展如下研究： ( 1 ) 系统的组成及原理 阐述系统的研究意义、基本工作原理、各模块的具体功能以及相互之间的关系。 ( 2 ) 集装箱x 光检查图像定位提取算法分析 具体论述该模块功能的算法实现，以满足剔除无关因素、明确图像分析区域、便于 以下模块研究的需要。 ( 3 ) 集装箱x 光检查图像增强算法分析 具体论述该模块功能的算法实现，以满足改善视觉质量，提高识别率，增强对比度 和降噪的、便于以下模块研究的需要。 ( 4 ) 目标物体自动标识算法分析 具体论述该模块功能的算法实现，以实现目标物体自动标识的最终目的。 ( 5 ) 总结及将来的工作 对本文的研究加以总结，并对今后的工作进行展望。 2 1 系统简介 第二章系统的原理及组成 根据1 9 9 8 年6 月全国海关打私会议精神，海关总署制定并实施“h 9 8 6 工程 ，与 清华同方威视技术股份有限公司签订合同，先后订购了4 0 套大型集装箱检查系统。首 套固定式大型集装箱检查系统于1 9 9 9 年1 2 月3 0 日在天津东港海关投入运行，其他系 统也相继投入运行，实现了“严打”和“快放 的监管需求。该系统以辐射成像技术 为核心，集加速器技术、探测器技术、电子技术、计算机与信息处理技术、自动控制 技术、精密机械加工技术、辐射防护技术等于一身。 下面，将固定式大型集装箱检查系统的机检作业流程简述如下： ( 1 ) 检入验出员接收已布控查验的报关单，根据查验指令要求，核对待检货物报关 单、集装箱号、封志号及其它相关信息，做好登记。 ( 2 ) 待检集装箱车辆到达检查现场后，引导员核对承运车辆基本情况，将箱号、封 志、过磅重量和箱重报给检入验出员。 ( 3 ) 检入验出员扫描纸质报关单，录入报关单号、集装箱号、货物重量等数据，向 系统控制站发送检入信息。 ( 4 ) 引导员根据系统控制员的指令，引导待检车辆进入扫描大厅内的规定待检位 置，监督驾驶员离开后将安全信息报系统控制员。 ( 5 ) 系统控制员用视频监视器对扫描通道及辐射主要影响区域是否安全再次进行 确认，然后放下档杆对集装箱出束扫描，并将扫描的图像发送给图像分析员。 ( 6 ) 检入验出员对图像分析员作出“通过”指令的扫描图像进行复核，经复核认为需 进一步查验的，交查验人员进行人工开箱查验。 集装箱扫描图像分析系统实际上就是针对上述流程的第( 6 ) 步，在假定集装箱车辆 所装货物品种较少且货物摆放分类集中、排列规则的前提下，采用图像处理、模式识 别等技术手段，实现对集装箱所装货物中目标物体的自动标识，从而达到提高检查效 率、降低劳动强度、减少人工因素影响的实际意义。现今，中国海关在数十个重点口 岸采用固定式大型集装箱检查系统对集装箱货物进行现场查验；同时，就目前所知， 国内外尚无研究本课题的先例，因此具有广阔的深入研究和应用前景。 6 2 2 系统基本工作原理 装载货物的集装箱车辆在通过固定式大型集装箱检查系统检测时，其x 光扫描图 像将实时发送至海关图像分析员。此时，集装箱扫描图像分析系统首先通过定位提取 算法将有效识别区域即集装箱区域从原图像中切割出来，并且以b m p 的格式将它存贮 在计算机的存贮器中；接下来，对提取出来的集装箱区域图像进行增强；最后，利用 纹理特征对集装箱区域图像中的目标物体进行自动标识。其基本工作原理如下图2 1 所示。 图像一 集装箱区域定位 上集装箱区 集装箱区域图像增强 j 集装箱区 目标物体自动标识 上目标物体 图像分析员 2 3 系统软件组成 ；：、警箱扫竺量釜一，： ；孑= ，一一 7 图2 1 系统基本工作原理 系统由集装箱区域定位、集装箱区域图像增强、目标物体自动标识三个模块组成， 这三个模块之间的关系是串行、顺序的关系，上一个模块的处理结果是下一个模块的 输入信号。 2 3 1 集装箱区域定位模块 集装箱区域定位模块的主要功能是为了便于后面的分析，剔除集装箱x 光检查图 像中的无关因素，明确图像分析的具体区域即集装箱区域。 实现方法简述如下：首先，利用集装箱区域图像所具有的水平和垂直方向上的边缘 信息特征，采用一阶双向差分加法运算来检测图像中的水平和垂直直线，对集装箱区 域进行初步的定位；然后，利用跳变点原理进一步对图像进行水平垂直搜索，从而实 现对集装箱区域的细定位：接下来，采用h o u g h 变换在被强化的直线中找出构成集装 箱边缘的直线，最终完成对集装箱区域的定位。 7 其工作流程的结构图如下图2 2 所示： 集装箱x 光检查图像 上一阶双向差多 集装箱区域初步定位 j 水平垂直搜岩 集装箱区域细定位 上h o u g h 变换 集装箱区域平行直线定位 上 集装箱区域图像 加法 图2 2 集装箱区域定位模块工作流程结构图 2 3 2 集装箱区域图像增强模块 集装箱区域图像增强模块的主要功能是通过算法实现对集装箱区域图像的对比度 增强，以便于以后的识别分析。 实现方法简述如下：通过分频，将集装箱区域图像的低频部分和高频部分分开处理。 对于图像的低频部分，先进行均值滤波，然后再进行对比度受限的直方图均衡，从而 解决图像噪声问题；对于图像的高频部分，先进行权重处理，然后再叠加到增强后的 低频信号上，以避免细节信息的丢失，最终实现集装箱区域图像的重组。 其工作流程的结构图如下图2 3 所示： l 集装箱区域图像 均值滤波 c l a h e 重组图像 1 l 集装箱区域对比度增强图 图2 3 集装箱区域图像增强模块工作流程结构图 2 3 3 目标物体自动标识模块 目标物体自动标识模块的主要功能是利用纹理特征，通过对集装箱区域图像进行无 监督纹理分割，从而实现对目标物体的自动标识。 实现方法简述如下：首先，通过改进的离散小波变换算法对集装箱区域图像进行纹 理特征提取；然后，通过基于均值偏移算法的无监督纹理分割最终实现对目标物体的 自动标识。 其工作流程的结构图如下图2 4 所示： 8 i 集装箱区域对比度增强图像 特征提取 无监督纹理多 r l 目标物体自动标识图像 割 图2 4 目标物体自动标识模块工作流程结构图 9 第三章集装箱x 光检查图像定位提取算法分析 由于本课题是在集装箱车辆所装货物品种较少且货物摆放分类集中、排列规则的假 定前提下，对集装箱x 光检查图像目标物体自动标识问题进行深入研究，因此为了便 于分析、剔除无关因素，明确图像分析区域是非常必要的。 3 1 集装箱区域的检测 所谓集装箱区域的检测，就是根据x 光检查图像中集装箱所具备的特点或特征对 其进行辨别。因此，就集装箱区域检测的实质来说，它本身应该是一个模式识别的问 题。 按照模式识别的一般性原理，集装箱区域图像的这些特点或特征属性应该具有固有 的且与集装箱图像其它区域不发生混淆的属性，并且所使用的属性在各种条件下的图 像应该也具有稳定性。由于图像本身是x 光检查图像，因此颜色这种属性信息首先应 该被排除；其次，可以想到的是利用集装箱的矩形边缘特征，即在图像中检测水平和 垂直方向的直线段，近而寻找这些线段有可组成的矩形，利用这些矩形的位置和大小 特征来定位集装箱的区域。但对集装箱x 光检查图像的观察结果表明：个别集装箱存 在一定程度的倾斜现象，这种方案也行不通：而通过仔细分析，我们发现在所有的条 件下集装箱图像所在区域最稳定可靠的信息是它具有丰富的边缘，因此可以考虑以边 缘信息的分析为基础设计算法。 边缘是图像最基本的特征，是指与周围灰度强度的反差变化的那些像素的集合。人 对场景中亮度或者其它性质变化较快的部位比较敏感，一般当人观察场景时总是注意 到其中不同物体的相交处，并可以很快得出每个物体各自的轮廓。因此从某种意义上 说，图像中大部分信息都集中在区域的边缘上，它是图像分割所依赖的最重要的特征。 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分 重要的基础，是图像识别中提取图像特征的一个重要属性，图像理解和分析的第一步 往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用 中占有十分重要的地位。物体的边缘是以图像的局部特征不连续的形式出现的，也就 是指图像局部亮度变化显著的部分，例如灰度值的突变、颜色的突变等；同时物体的 边缘也是不同区域的分界处。基于集装箱边缘所围区域的特点即集装箱区域与其它区 域间灰度特征的不连续性，我们可以对集装箱图像进行切割。 l o 32 集装箱区域的初步定位 如果能够在水平、垂直两个方向上的边缘中检测到属于集装箱的边缘，那么就可以 对集装箱区域进行初步的定位。基于这个想法，我们首先在x 光检查图像上进行水平 和垂直方向上的边缘检测。考虑到系统的实时性要求和所检测直线的方向性，采用一 阶双向差分加法运算来检测图像中的水平和垂直直线。做法如下： 先对原始图像( x 光图像的大小为w + h 的矩阵) 作一阶水平差分运算得到： g l ( i ，) d f ( i ，) 一f ( i ，+ 圳 ( 31 ) 其中f = 0 ，1 ，2 ，”，酽一i ：，= o ，l 2 ，h 一2 用以检测水平直线； 然后再对原始图像f ( i ，) 作一阶垂直差分运算，得到： 9 2 ( i ，) d f ( i ，) 一f ( i + l ，川 ( 32 ) 其中i = 0 ，1 ，2 ，一2 ；j = o ，1 ，2 ，h l 用以检钡捶直直线： 接着对到、g ：做加法， g ( i ，j ) = g l ( f ! ，) + 9 2 ( i ，j ) 其中i = q l ，2 ，一2 ：7 = 0 ，1 ，2 ，h 一2 下此，得到x 光检查图像的一阶积向差分加法图g ( f ，n ( 33 ) 图3lx 光检查图像的原始图像 蝼黼f | i l 赫i 33 集装箱区域的细定位 我们已经通过一阶双向差分加法运算对x 光检查图像的集装箱区域进行了初步定 位，下面我们将利用跳变点( 所谓的跳变点就是指图像中灰度值不同的点) 的原理进 一步对图像进行水平垂直搜索1 2 ”，以实现对集装箱区域的细定位。其基本思想如f ( 这 里以行水平搜索为例) ：首先寻找跳变点，在同一行内对该行上所有点所在列上点的像 素值同时与它的前一列点和后一列点的像素值进行比较，如果不相等就对该行的跳变 点数加1 。然后，设n 为连续的跳变点数，c 为最小允许每行跳变点数t 为晟大允许 跳变点间距。抽、“为某一段跳变点的起始和终止坐标，h 为每行的跳变点数，l 为 当前行。 首先，设“l = 1 ”。 ( 1 ) 对第l 行扫描，“w h i l e ( d o t ( l ，k ) ! = 跳变点) 女+ + ；”，如果“d o t ( l ，k ) = = 跳变点” 则“s i = ，a = ，k + + ”，找到可能的行起始点 ( 2 ) 对第l 行继续扫描，如果“d o t ( l k ) = - 2 4 l 变点”，并且跳变点间距小于t ，则 “e l = ，几+ + ”：如果跳变点间距大于t 并且“托 c ”，则“l + + ”。 ( 3 ) 如果到达行尾，则“+ + ”，回到步骤( i ) 循环执行。 iji”蜷】m0许性妊黯缝 a o l 心 圈3 3 图3 2 的图像进行水平搜索的结果 34 集装箱区域的平行直线定位 通过一阶双向差分加法运算和水平垂直搜索，原始图像的水平和垂直两个方向上的 直线得到了强化，接下来应做的就是要在这些被强化的直线中找出构成集装箱边缘的 直线，这里我们采用h m j 曲变换1 束实现上述目的。 341 h o u g h 变换原理 h o u g h 变换的原理在于利用点与线的对偶性，将原始图像空间中给定形状的曲线或 直线通过表达式形式变为参数空间的一个点，这样就把原始图像中给定瞌线或直线的 检测问题转化为寻找参数空间中的峰值问题，也即把检测整体特性转化为检测局部特 性。阐述如下： 假定直角坐标系( 也称( t y ) 平面) 中一点( 札p ) ，通过该点的直线有无数条，这 些直线对于某些a 值和b 值来说。均满足 瑙+ 6 。 ( 34 ) 线。 由( 34 ) 式可得，b = 一m4 - p ( 35 ) 因此，在和，6 ) 平面( 以称参数平面) 上可对一个固定点( - ，p ) 产生单独的一条直 同理，对于直角坐标系中的另一点( 如且) ，同样在参数空间存在一条与之相关的直 线，且该直线和与( “p ) 相关的直线相交于点( 日，h 3 ，其中a 和b 分别是( r ，y ) 平面上 通过点( 札p ) 和( ，弦) 的直线的斜率和截距。即在( x ，) 平面上，由点( z ，p ) 和( ，计) 确 定的直线上的所有点，对应于( 口，b ) 平面上相交于点( d ，6 ，的直线族。图3 4 说明了上 1 3 述概念。 y x a f 幻( b ) 图3 4 ( a ) 0 ，y ) 平面 ( b ) ( a ，6 ) 平面 然而上述方法在实现当中存在困难，即a ( 直线的斜率) 接近无限大。为解决该问 题，引入极坐标( p ，0 ) 作为变换空间，此时直线的方程可写为： p = x c o s o + y s i n o ( 3 6 ) 在公式( 3 6 ) 中，( p ，0 ) 定义了一个从原点到直线上最近点的向量，这个向量与该直 线垂直，其中p 表示该向量的长度，口表示该向量与x 轴正向的夹角。图3 5 ( a ) 说明了 参数p 和0 的几何解释。对于水平线来说，0 = 0 。，p 等于正的工截距。同样，对于垂 直线来说，0 = 9 0 。，p 对于正的y 截距，或口= 一9 0 。，p 对于负的y 截距。图3 5 ( b ) 中的每一条正弦曲线表示通过特定点，y j ) 的一族直线。交点( p ，秒i ) 对应于通过( 五，y t ) 和( 可，弦) 的直线。 y x 汹 图3 5 ( a ) 在 ，y ) 平面上先的( p ，0 ) 参数化 y ，s i n 0 = p p ( 娜x j c o s p + 力s i n 秒= p ( b ) ( 户，0 ) 平面上的正弦曲线，交点( p ，秒i ) 对应于 连接( x i ，y i ) 和( x j ，y j ) 的线的参数 1 4 h o u g h 变换的方法就是将( p ，p ) 量化为许多个小格。根据( z ，y ) 平面上的每一个 ( 船，y j ) 点，代入口的量化值，算出每一个p ，所得值经过量化后落入某个小格内，即使 该小格的计数累加器加l 。当全部( 知，y j ) 点变换完毕后，对( p ，口) 空间的小格进行统计， 有大的计数值的小格对应于共线点，其( p ，目) 值可以作直线拟合参数；有小的计数值的 小格一般反映非共线点，应丢弃不用。可以看出，如果p ，伊量化得过粗，则参数空间 的凝聚效果较差，找不出直线的准确的p ，口值；反之，如果p ，臼量化得过细，那么计 算量就会增加，需要兼顾这个方面，取合适的量化值。 对于检测构成集装箱区域的直线这个具体的问题，由于其方向的特殊性，h o u g h 变换的计算量将会大大减少。这是因为检测水平、垂直方向上的直线时，口的量化值不 需要全部代入式( 3 6 ) 进行运算，只需在0 0 和9 0 0 附近取值代入运算就可以了。这样既可 以显著缩短运算时间，还可以减少非水平、非垂直方向上直线的干扰。 3 4 2 利用h o u g h 变换检测平行直线 我们已经用一阶双向差分加法运算对输入图像中的水平和垂直方向上的线条作了 强化，现在将对这些线条作h o u g h 变换，然后在h o u g h 空间确定合适的峰点，再反过 来确定原图像中的集装箱边框所在的直线。 由h o u g h 变换的性质可知，集装箱边框的水平边和垂直边在h o u g h 变换后分别在 乡= 0 0 和秒= 9 0 0 处产生峰点，而比值n 在( p ，臼) 空间有两种体现： ( 1 ) ( p ，秒) 空间中峰点的峰值。( p ，口) 空间峰点的峰值对应于图像空间线段的长度。 因此，对口= 0 0 和秒= 9 0 0 处峰点而言，前者峰值约是后者峰值的n 倍。 ( 2 ) ( p ，目) 空间中峰点之间的距离。在集装箱倾斜度不是很大的情况下，在h o u g h 空间( p ，p ) 中，目= 0 。和0 = 9 0 。处峰点的p 坐标值近似为集装箱边框的四个顶点在图像 空间中的坐标值，所以此时p = 0 0 处峰点之间的距离约为p = 9 0 。处峰点之间距离的 1 n 。 利用比值n 在( p ，秒) 空间的体现，我们可以消除( p ，秒) 空间中非集装箱边框峰点所 造成的干扰，过程如下所示： ( 1 ) 先将一阶双向差分加法运算后的图像9 0 , j ) 作h o u g h 变换得到h ( p ，p ) 。由于只 注重水平和垂直方向上的线段，目的量化值只需在0 0 和9 0 0 附近取值代入式( 3 6 ) 运算 就可以了。 ( 2 ) 在h ( p ，o ) 上搜索峰点。先在自= 9 0 。处搜寻集装箱垂直边所形成的峰点，通常 口= 9 0 。处最大峰点可能由集装箱垂直边框构成，也可能由集装箱内货物的垂直边缘构 成也就是说最大峰点一般在集装箱区域内。因此我们在0 = 9 0 。处从上往下和从下往 上分别搜索与最大峰点晟为接近的峰点作为集装箱垂直边框对应点，记为( p ，口) 和 ( p z ，占) ，同时记录下它们之间的距离l p ，印l 以及它们的平均灰度值h 。然后再在 o = 0 。处搜索灰度值约为h 的峰点，如果这样的峰点多于2 个，则再考虑这些点之 间的距离- 挑选距离为1 nj 印一p ：l 的点对作为水平方向的候选点。 下面我们介绍利用h o u 【g h 变换柬检测图像中是否存在平行直线的程序。程序的计 算步骤如下： ( 1 ) 初始化一个变换域 0 空间的数组，r 方向上的量化数目为图像对角线方向像 素数，日方向上的量化数目为9 0 ( 角度从0 1 8 0 ，每格2 度) 。 ( 2 ) 顺序搜索图像中的所有黑点。对每一个黑点，在变换域的对应各点上加1 。 ( 3 ) 求出变换域中的最大值点并记录。 ( 4 ) 将最大值点及其附近的点清零。 ( 5 ) 求出变换域中的第二个最大值点并记录。 ( 6 ) 判断这两个最大点是否对应两条平行的直线。如果是，则画出这两条平行直线； 否则结束。 图3 6 经过h o u g h 变换后的x 光检卉图像 上”0q 一川删：二聚藤 丽 一辫丽黼露穆坛恕 第四章集装箱x 光检查图像增强算法分析 通过上一章的分析和设计，我们已经将集装箱区域从x 光检查图像中切割出来， 并且以b m p 的格式将它存贮在计算机的存贮器中。由于装载货物的复杂性，以及x 光成像系统中x 光散射、电器噪声、光量子噪声等各种不利因素的影响，使得x 光检 查图像具有动态范围宽、细节丰富、对比度差等特点。同时，由于人眼不能分辨非常 微小的灰度差别，因而图像分析人员在观察图像时，很难区分灰度级较接近的物体。 因此，为了改善x 光检查图像的视觉质量，提高识别率，需要进行对比度增强处理。 4 1 光图像对比度增强的主要方法 目前，对x 光图像对比度增强的主要方法有： 4 1 1 全局直方图均衡 直方图均衡的本质是通过一个映射函数将输入图像的直方图映射成一个平展的直 方图1 2 2 ，对整幅图像用同一个映射函数进行变换的方法被称为全局直方图均衡。该方 法在原始图像的直方图是单峰的情况下，能够取得较好的增强效果；但是当图像的直方 图是双峰时，增强的结果就无法令人满意，而且会产生较多的人为噪声。 4 1 2 局域直方图均衡 p i z e r 等【5 j 提出采用一个滑动窗1 2 1 ，每一个像素的直方图映射函数是由该窗口区域 内灰度分布所决定的思想，即局域直方图均衡化方法。通过该方法，只要选取合适的 窗口大小，就可以对图像细节进行较好的增强，从而克服全局直方图均衡化的缺陷。 但是，该算法需要对图像中每一个像素计算映射函数，计算量巨大，且对噪声非常敏 感。 4 1 3 对比度受限的直方图均衡【6 】【7 1 对比度受限的直方图均衡( c o n t r a s tl i m i t e da d a p t i v eh i s t o g r a me q u a l i z a t i o n ， c l a h e ) 算法是介于全局直方图均衡和局域直方图均衡方法之间的处理方法。它将图 像分为若干个不重叠的区域，对每个区域做直方图均衡处理，最后通过双线性插值得 到灰度值。该算法在对每一子区域做直方图均衡时，控制累积直方图的斜率，可以有 效抑制对比度过增带来的噪声；但是直方图均衡算法在拉伸高频信号动态范围的同时， 还放大了图像本身存在的噪声。 1 7 4 2x 光图像对比度增强的改进算法 综合考虑上述几种方法，本文采用一种基于对比度受限的直方图均衡的改进算法， 在改善图像视觉效果的同时，有效抑制和避免直方图均衡带来的噪声。该算法的基本 思想如下： 从频率特性来看，x 光检查图像中的边缘和噪声对应于它的高频分量，而影响x 光检查图像整体视觉效果的是它的低频分量。因此，采用分频处理的方法【2 3 1 ，即将图 像的高频部分与低频部分分开处理，可以基本解决直方图均衡算法导致噪声放大的问 题。其实现方式如图4 1 所示。 - _ 辅脯砖曲l x i 产l u cl 篓 列佩潞谈i i 卜 入l 。 1 ， 图4 1 分频处理 其数学表达式为：y = x + y ( x x ) 其中】，为处理后图像，x 为原始图像，x 为均值滤波后( 5 5 卷积核) 图像，x 为x 经对比度受限的直方图均衡后的图像。由于图像经均值滤波得到的为图像的低频 信息，图像中存在的噪声较少，直方图均衡基本没有放大图像的原有噪声；而( x x ) 为原始图像的高频分量，将权重为y 的高频信息叠加到增强后的低频信号上可以避免 细节信息的丢失。 图4 1 实现方式中的均值滤波器和直方图均衡算法，由于在许多书籍和参考资料均 有介绍，因此在这里就不复述了。下面仅就c l a h e 算法进行介绍：图像在做直方图均 衡时，当映射函数的斜率非常大，灰度值相邻的两个像素会被映射到两个相差较大的 灰度级中；在灰度值相对均匀的背景区域，计算出的映射函数的斜率会比较大，图像 会被引入较多的人为噪声。c l a h e 算法是通过一个钳位系数夕限制映射函数的斜率， 从而控制直方图均衡的对比度。 其具体操作步骤为： ( 1 ) 将图像划分为a xb 个不重叠的子区域： ( 2 ) 为了限制直方图均衡时映射函数的斜率，先对每一个子区域求重新分布的直方 图； ( 3 ) 对每个子区域做直方图均衡处理： ( 4 ) 做相邻区域、对应位置上直方图均衡后的像素双线性插值得到新的灰度图像。 其中第( 2 ) 步和第( 4 ) 步的具体实现方法如下： ( 2 ) 求取子区域重新分布的直方图 计算子区域的钳位系数：= 万m + 孟( m 一等) ，式中，m 和分别为子区域 内像素个数和灰度级个数，口为钳位因子，取值在0 1 0 0 之间。 将子区域直方图中各个灰度级上的像素个数与钳位系数比较，若大于，则 把多余的像素个数累加起来，得到e x c e s s ，同时该灰度级上的像素个数改为； 将多余的像素e x c e s s 均匀的分布到像素个数小于夕值的各个灰度级上，得到重 新分布的直方图，通过该步骤，直方图均衡时计算出的映射函数斜率的最大值将受到 限制。 ( 4 ) 对每个像素做双线性插值得到新的灰度值 双线性插值分为三种情况，如图4 2 所示。其中f ( i l ，j 1 ) ，y ( i ，j 1 ) ，f ( i ，) ， f ( i l ，) 指经过直方图均衡后的灰度值，它们处于要计算的像素相邻的4 个区域的 中心位置，s ，材，v 分别为厂与相邻区域中心像素位置的垂直和水平距离。 j