基于CLAHE的X射線行李圖像增強(qiáng)

王 建，龐彥偉

(天津大學(xué)電子信息工程學(xué)院，天津 300072)

恐怖主義的全球化趨向，使得公共場(chǎng)合安全成為當(dāng)前一個(gè)亟待解決的社會(huì)問(wèn)題．常見(jiàn)危險(xiǎn)品包括金屬制槍支、刀具，塑料、玻璃以及木制的尖銳物品，以及各種液體或氣體的易燃易爆物品等．危險(xiǎn)品的多樣性以及越來(lái)越隱蔽的掩飾技術(shù)，給飛機(jī)、車(chē)站和碼頭等人員流動(dòng)密集場(chǎng)合的行李安檢帶來(lái)了巨大挑戰(zhàn)．

常用的行李安檢技術(shù)包括 X射線、伽馬射線、電磁場(chǎng)以及微波等．與其他技術(shù)相比，X射線技術(shù)具有無(wú)需開(kāi)箱、對(duì)物品損耗小、安全可靠、設(shè)備費(fèi)用低和易操作等特點(diǎn)，它廣泛地應(yīng)用于各種安檢場(chǎng)合．不同材質(zhì)物體對(duì) X射線的吸收和散射的衰減程度不同，使得生成的X射線圖像灰度不同．受到被輻射源、探測(cè)器、采集及顯示電路等因素的影響，采集到的安檢圖像可能存在背景噪聲、低對(duì)比度、行李物品模糊等干擾情況．為了便于觀察者更準(zhǔn)確地觀測(cè)和識(shí)別行李物品，有必要增強(qiáng) X射線行李安檢圖像(簡(jiǎn)稱“行李圖像”)，突出行李物品的細(xì)節(jié)信息．

與 X射線圖像增強(qiáng)相關(guān)的國(guó)內(nèi)外文獻(xiàn)主要集中在醫(yī)學(xué)圖像方面，到目前為止，涉及安檢圖像增強(qiáng)的文獻(xiàn)較少[1-4]．已有文獻(xiàn)所用的增強(qiáng)技術(shù)包括灰度級(jí)變換、直方圖均衡、小波變換、模糊集理論等．上述方法或者增強(qiáng)效果不佳，或者處理過(guò)程復(fù)雜，不適于實(shí)時(shí)處理．筆者提出了一種基于對(duì)比度受限自適應(yīng)直方圖均衡化(contrast limited adaptive histogram equalization，CLAHE)技術(shù)的X射線行李圖像增強(qiáng)算法，它包括背景填充、對(duì)比度增強(qiáng)和圖像銳化 3個(gè)主要步驟．首先，使用一種背景區(qū)域填充方法抑制背景噪聲的影響；然后，借助 CLAHE增強(qiáng)前景區(qū)域(對(duì)應(yīng)于行李物品區(qū)域)的對(duì)比度；最后，結(jié)合一套組合圖像銳化方案，突出行李物品的細(xì)節(jié)信息．

1 背景區(qū)域填充

受到探測(cè)器及成像電路等不利因素的影響，在屏幕成像的行李圖像背景區(qū)域往往存在隨機(jī)干擾，表現(xiàn)為部分背景區(qū)域的灰度值不為0．圖1(a)所示為一幅受到干擾的行李圖像．通過(guò)觀察發(fā)現(xiàn)，與作為前景的行李物品區(qū)域相比，行李圖像背景區(qū)域的灰度值較低．另外行李物品區(qū)域通常位于圖像的中心位置，四周被背景區(qū)域包圍．

根據(jù)以上分析結(jié)果，提出一種背景區(qū)域快速填充方法，抑制背景區(qū)域噪聲．具體實(shí)現(xiàn)過(guò)程如下．

用 I( x, y)( x = 0,1,2,… ,X - 1 , y = 0 ,1,2,… ,Y -1)表示安檢圖像內(nèi)(x，y)位置上像素點(diǎn)的灰度值，X和 Y代表圖像的長(zhǎng)度和寬度．用 Gmax和 Gmin分別表示I( x, y)的最大值和最小值．對(duì)于圖像中任一像素點(diǎn)，如果滿足下式，則將其標(biāo)注為候選背景點(diǎn)．

式中λ為比例系數(shù)，一般可取λ∈[0，0.2]．λ的取值越大，像素點(diǎn)被判為候選背景點(diǎn)的可能性越大，所提方法對(duì)背景噪聲的抑制能力越強(qiáng)，但前景點(diǎn)被誤判為背景點(diǎn)的可能性也越大．

使用4連通法則對(duì)候選背景點(diǎn)進(jìn)行連通域分析，得到候選背景區(qū)域．考察各候選背景區(qū)域與圖像邊界的關(guān)系，如果某候選背景區(qū)域與圖像的上、下、左、右任一邊界相連，則將該區(qū)域標(biāo)注為背景區(qū)域，并將它內(nèi)部各點(diǎn)的灰度值強(qiáng)置為 0．然后搜索各背景區(qū)域內(nèi)部的孤立點(diǎn)，并將孤立點(diǎn)的灰度值置0．

圖 1(b)所示為圖 1(a)經(jīng)背景填充后的處理結(jié)果，其中取λ=0.05．對(duì)比不難發(fā)現(xiàn)，絕大部分背景區(qū)域的灰度值被強(qiáng)置為0，背景區(qū)域噪聲得到了有效抑制．

圖1 背景填充示例Fig.1 Illustration of background padding

2 基于CLAHE的對(duì)比度增強(qiáng)

圖像增強(qiáng)方法主要分為空間域增強(qiáng)和頻域增強(qiáng)兩類(lèi)[5]．常用的空間域增強(qiáng)技術(shù)包括點(diǎn)操作和直方圖操作，其中直方圖均衡化(histogram equalization，HE)技術(shù)最為常用．直方圖均衡化主要分為全局方法和局部方法(或稱自適應(yīng)方法)兩類(lèi)．全局方法對(duì)整幅圖像的直方圖進(jìn)行均衡處理，實(shí)現(xiàn)簡(jiǎn)單，但對(duì)低對(duì)比度圖像處理效果不佳．自適應(yīng)方法綜合考慮像素點(diǎn)的位置和灰度信息，處理效果往往優(yōu)于全局方法．經(jīng)典的自適應(yīng)直方圖均衡技術(shù)包括對(duì)比度受限自適應(yīng)直方圖均衡化(CLAHE)[6]、子塊重疊直方圖均衡化[7]、子塊部分重疊直方圖均衡[8]等．其中 CLAHE方法結(jié)合了自適應(yīng)直方圖均衡化和對(duì)比度受限兩項(xiàng)技術(shù)的優(yōu)點(diǎn)，特別適用于低對(duì)比度圖像，而且實(shí)現(xiàn)過(guò)程不復(fù)雜．因此，所提方案選用 CLAHE技術(shù)增強(qiáng)行李圖像的對(duì)比度．

CLAHE方法主要實(shí)現(xiàn)步驟[9]如下．

(1)分塊：將輸入圖像劃分為大小相等的不重疊子塊，每個(gè)子塊含有的像素?cái)?shù)為 M．子塊越大，增強(qiáng)效果越明顯，但圖像細(xì)節(jié)丟失越多．

(2)計(jì)算直方圖：用 Hi，j(k)表示子塊的直方圖，k代表灰度級(jí)，它的取值范圍是[0，N-1]，N 為可能出現(xiàn)的灰度級(jí)數(shù)．

(3)計(jì)算受限值：使用式(2)計(jì)算截?cái)嗍芟拗担?/p>

式中：參數(shù) smax稱為最大斜率，它決定了對(duì)比度增強(qiáng)的幅度，smax的取值為1到4之間的整數(shù)；參數(shù)α稱為截?cái)嘞禂?shù)，它的取值范圍是[0，100]．當(dāng)α=0時(shí)，β取最小值 M/N；當(dāng)α=100時(shí)，β取最大值 smaxM/N，此時(shí)對(duì)應(yīng)的對(duì)比度拉伸效果最明顯．

(4)像素點(diǎn)重分配：對(duì)每個(gè)子塊，使用對(duì)應(yīng)的β值對(duì) Hi，j(k)進(jìn)行剪切，將剪切下來(lái)的像素?cái)?shù)目重新分配到直方圖的各灰度級(jí)中．重復(fù)上述分配過(guò)程，直至將所有被剪切的像素點(diǎn)分配完，并用 Fi，j(k)表示 Hi，j(k)經(jīng)重分配處理后的結(jié)果．像素點(diǎn)剪切及重分配的具體實(shí)現(xiàn)算法參見(jiàn)附錄．

(5)直方圖均衡：對(duì) Fi，j(k)進(jìn)行直方圖均衡化處理，均衡結(jié)果用 Ci，j(k)表示．

(6)像素點(diǎn)灰度值重構(gòu)：根據(jù) Ci，j(k)，得到各子塊中心像素點(diǎn)的灰度值，將它們作為參考點(diǎn)，采用雙線性插值技術(shù)計(jì)算輸出圖像中各點(diǎn)的灰度值．

為提高所提方案的處理速度，只對(duì)前景區(qū)域進(jìn)行增強(qiáng)處理．根據(jù)背景區(qū)域標(biāo)注結(jié)果，只選取包含前景區(qū)域的子塊進(jìn)行增強(qiáng)處理．所用CLAHE算法的參數(shù)集為：{子塊大小 8×8，α=0.4，smax=4}．圖 2(a)是圖1(b)經(jīng) CLAHE處理后的結(jié)果．對(duì)比可見(jiàn)，行李物品區(qū)域的對(duì)比度得到了明顯提高．

圖2 對(duì)比度增強(qiáng)和銳化過(guò)程示例Fig.2 Illustration of enhancement and sharpening procedures

3 圖像銳化

為了便于觀察者觀測(cè)和識(shí)別行李物品的形狀，有必要借助圖像銳化技術(shù)突出行李物品中的細(xì)節(jié)部分，尤其是圖像的邊緣信息．常用的空間域圖像銳化技術(shù)包括：一階梯度算子、二階微分算子以及反銳化掩蔽等[5]．三者相比，一階梯度算子產(chǎn)生的邊緣較寬，二階微分算子對(duì)噪聲較敏感，反銳化掩蔽會(huì)提高圖像的整體亮度．考慮到行李圖像的特點(diǎn)，在進(jìn)行銳化處理時(shí)，一方面需要增強(qiáng)物品的邊緣信息，另一方面要盡量降低對(duì)噪聲的增強(qiáng)．單獨(dú)使用上述任一銳化技術(shù)都不能取得理想的結(jié)果．因此，所提方法選用一套組合銳化處理方案增強(qiáng)行李圖像的細(xì)節(jié)信息．圖 3給出了該方案的框圖，具體實(shí)現(xiàn)過(guò)程如下：

(1)使用式(3)給出的二階微分拉普拉斯算子對(duì)輸入圖像 (,)f x y進(jìn)行變換，變換結(jié)果記為2(,)f x y? ．

(2)使用 Sobel水平和垂直算子分別計(jì)算 f(x,y)的水平和垂直邊緣圖，記為 Gh(x,y)和 Gv(x,y)．使用式(4)計(jì)算 f(x,y)的Sobel邊緣圖，記為

(3)使用 3×3平滑算子對(duì) Gs( x, y)進(jìn)行平滑處理，結(jié)果記為 m ( x, y)．

(4)計(jì)算 ?2f( x, y)和 m ( x, y)的點(diǎn)乘(對(duì)應(yīng)像素點(diǎn)相乘)，結(jié)果記為 ?2mf( x, y)．

(5)將 f ( x, y)與 ?2mf( x, y)相加，得到最終銳化結(jié)果，記為 s( x, y)．

圖2(b)所示為圖2(a)經(jīng)組合銳化過(guò)程處理后的結(jié)果．對(duì)比兩圖不難發(fā)現(xiàn)，圖 2(b)中行李物品的細(xì)節(jié)部分清晰可見(jiàn)，邊緣信息得到明顯增強(qiáng)．

圖3 組合圖像銳化方案示意Fig.3 Diagram of combined image sharpening scheme

4 實(shí)驗(yàn)結(jié)果

選用50幅X射線行李圖像作為實(shí)驗(yàn)數(shù)據(jù)，圖像大小為 640×480，灰度級(jí)為 256．所用硬件仿真平臺(tái)為P4 3.0,GHz,CPU + 1,G,RAM的PC機(jī)，軟件仿真平臺(tái)為Windows XP SP3 + MATLAB 2008,b．計(jì)算單幅圖像的平均處理時(shí)間，約為 0.8,s．如果選用 C++等編譯性語(yǔ)言實(shí)現(xiàn)所提算法，系統(tǒng)處理速度可進(jìn)一步提高，能夠滿足系統(tǒng)實(shí)時(shí)性的要求．

仿真結(jié)果表明，所提算法對(duì)絕大多數(shù)行李圖像增強(qiáng)效果明顯．圖4給出了部分處理結(jié)果．圖4中上方行李圖像內(nèi)部噪聲干擾較弱，處理后圖像的對(duì)比度明顯增強(qiáng)，行李物品的細(xì)節(jié)部分清晰可見(jiàn)．圖 4下方圖像行李內(nèi)部存在較多干擾，處理后的圖像中感興趣區(qū)域(圖中上方區(qū)域)和干擾區(qū)域(圖中間和下方區(qū)域)都得到增強(qiáng)．如何有效降低對(duì)行李物品內(nèi)部干擾區(qū)域的增強(qiáng)，是所提算法今后工作的重點(diǎn)之一．

圖4 增強(qiáng)結(jié)果示例Fig.4 Sample of enhancement results

選用基于HE的方法和基于GLG[2,10]的方法與所提方法進(jìn)行性能比較．圖 5(a)～(d)所示依次是某幅實(shí)驗(yàn)圖像及使用 3種方法得到的處理結(jié)果．如圖5(a)所示，中心區(qū)域存在兩把疑似刀具物品，右上方區(qū)域存在可疑物品，不妨將上述兩區(qū)域稱為“可疑區(qū)域”．采用以下兩條準(zhǔn)則衡量算法的性能：①可疑區(qū)域的對(duì)比度能否得到明顯增強(qiáng)；②背景區(qū)域的整體灰度能否得到很好保持．

圖5 不同方法性能對(duì)比Fig.5 Performance comparison of different methods

原圖中背景區(qū)域和大部分行李物品區(qū)域的灰度較低，經(jīng) HE處理后圖像的背景區(qū)域和前景區(qū)域的灰度值都增大，前景區(qū)域?qū)Ρ榷炔幻黠@，如圖 5(b)所示．與HE方法相比，基于GLG的方法可以較好地保持背景區(qū)域灰度不變，但對(duì)可疑區(qū)域增強(qiáng)效果不佳，部分行李物品區(qū)域存在“泛白”現(xiàn)象，如圖 5(c)所示．所提方法在保持背景灰度基本不變的同時(shí)，顯著提高了兩可疑區(qū)域的對(duì)比度，而且疑似刀具和可疑物品的形狀清晰可見(jiàn)，如圖 5(d)所示．綜上所述，所提算法很好地克服了前兩種方法的不足．

5 結(jié) 語(yǔ)

基于 CLAHE技術(shù)的 X射線行李圖像增強(qiáng)算法，能有效增強(qiáng)X射線行李圖像的對(duì)比度，克服了已有方法的不足，而且所提方案計(jì)算復(fù)雜度低，易于實(shí)時(shí)處理．另外，所提方案對(duì)其他類(lèi)型低對(duì)比度圖像的增強(qiáng)也有一定參考價(jià)值．

［1］Zheng Y. X-Ray Image Processing and Visualization for Remote Assistance of Airport Luggage Screeners [D].USA：University of Tennessee，2004.

［2］Chen Z，Zheng Y，Abidi B，et al. Combinational approach to the fusion，de-noising and enhancement of dual-energy X-ray luggage images [C] //Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego，CA，USA，2005：386-393.

［3］Lemmetti J，Latvala J，?ktem H，et al. Implementing wavelet transforms for X-ray image enhancement using general purpose processors [C] //Proceedings of the 5th Nordic Signal Processing Symposium.Sweden，2002：355-358.

［4］He X P，Han P，Lu X G，et al. A new enhancement technique of X-ray carry-on luggage images based on DWT and fuzzy theory [C] //Proceedings of the International Conference on Computer Science and Information Technology.Singapore，2008：855-858.

［5］Gonzalez R C，Woods R E.Digital Image Processing(2/E)[M]. USA：Prentice Hall，2001.

［6］Pizer S M，Amburn E P，Austin J D，et al. Adaptive histogram equalization and its variations[J].Computer Vision，Graphics and Image Processing，1987，39(3)：355-368.

［7］Kim T K，Paik J K，Kang B S. Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering[J].IEEE Transactions on Consumer Electronics，1998，44(1)：82-87.

［8］Kim J Y，Kim L S，Hwang S H. An advanced contrastenhancement using partially overlapped sub-block histogram equalization[J].IEEE Transactions on Circuits and Systems for Video Technology，2001，11(4)：475-484.

［9］Reza A M. Realization of the contrast limited adaptive histogram equalization(CLAHE)for real-time image enhancement[J].Journal of VLSI Signal Processing，2004，38(1)：35-44.

［10］Chen Z Y，Abidi B R，David L，et al. Gray-level grouping(GLG)：An automatic method for optimized image contrast enhancement(Part I)：The basic method[J].IEEE Transactions on Image Processing，2006，15(8)：2290-2302.

附 錄：CLAHE中對(duì)Hi，j(k)進(jìn)行截取和重分配過(guò)程算法