工業(yè)X射線圖像目標自動檢測方法研究.pdf

1、隨著光學(xué)成像與圖像處理的快速發(fā)展，基于X射線圖像的目標自動檢測越來越廣泛地應(yīng)用于工業(yè)、醫(yī)療以及軍事安全等領(lǐng)域。在X射線圖像成像過程中，有些目標因為較為弱小或者對X射線的吸收較弱，導(dǎo)致X射線圖像中目標與背景的灰度對比度較低;X光的散射現(xiàn)象也造成圖像存在較大隨機噪聲。上述低對比度和大噪聲的現(xiàn)象在進行X射線圖像目標自動檢測時，很容易影響后續(xù)的圖像分割和特征提取效果，從而產(chǎn)生一定的誤檢和漏檢。因此，在X射線圖像目標自動檢測中，需要對圖像進行平滑

2、，盡可能去除隨機噪聲并保留圖像的細節(jié)信息，研究有效的目標特征提取方法和目標分類方法。本文研究了X射線圖像目標自動檢測方法，主要創(chuàng)新性工作如下：
　　⑴針對噪聲消除中傳統(tǒng)平滑方法出現(xiàn)邊緣模糊的現(xiàn)象，提出了一種改進自適應(yīng)mean shift算法的圖像平滑方法。該方法將圖像的灰度或偽彩色分布信息引入到meanshift算法的空域帶寬設(shè)置以及權(quán)重函數(shù)設(shè)置中，將圖像局部方差與頻域結(jié)構(gòu)相似度引入到值域帶寬設(shè)置中，從而克服了傳統(tǒng)平滑方法容易對圖

3、像造成模糊的現(xiàn)象，既去除了圖像隨機噪聲，又保留了圖像的細節(jié)信息，并使目標區(qū)域內(nèi)相近的灰度值或偽彩色值分布更加均勻，保證了目標的完整性，避免后續(xù)的過分割現(xiàn)象。通過將該方法運用到X射線工業(yè)探傷圖像以及X射線行李物品透視圖像中，表明該方法針對含噪、低對比度的X射線圖像可以獲得較好的平滑結(jié)果。
　　⑵針對低對比度、含噪的X射線圖像中微弱的線型目標，提出了一種基于連續(xù)閾值分割的線型目標特征提取方法和基于霍夫變換的線型目標分割方法。實驗結(jié)果表

4、明，該方法提取的線型目標特征具有較好的可分性，可在低對比度、含噪X射線圖像中獲得正確的微弱線型目標的分割結(jié)果，克服了傳統(tǒng)基于閾值和邊緣的分割方法對該類圖像分割不理想的缺點。
　?、轻槍Ρ尘皬?fù)雜、形狀不規(guī)則的目標，提出了一種根據(jù)圖像中不同分割區(qū)域之間的關(guān)系直接提取候選目標的方法。該方法不要求物體內(nèi)部結(jié)構(gòu)相對固定，不需要目標先驗信息，克服了傳統(tǒng)基于矩形框遍歷方法比較耗時、不能獲得目標具體輪廓的缺點。通過對不同分割參數(shù)的分割結(jié)果進行候選

5、目標提取實驗，結(jié)果表明該方法不需要過于復(fù)雜和精細的分割方法就能獲得正確的候選目標。在候選目標確定的基礎(chǔ)上，提取了目標鏈碼角-弧弦距比特征，分析了該特征的旋轉(zhuǎn)不變性。
　?、柔槍煞诸愔С窒蛄繖C對旋轉(zhuǎn)目標分類時容易出現(xiàn)樣本混疊的現(xiàn)象，分析了基于兩分類支持向量機的多分類方法，并將目標鏈碼角-弧弦距比特征的旋轉(zhuǎn)特性構(gòu)造在并聯(lián)多分類支持向量機中。通過與兩分類支持向量機相比，本文方法能在更大程度上保證目標的旋轉(zhuǎn)不變性，克服兩分類支持向量機中