基于灰度级分组的X光行李图像增强改进方法

韩 萍，刘则徐

（中国民航大学智能信号与图像处理天津市重点实验室，天津 300300）

恐怖活动日益猖獗的今天，机场、铁路等公共场所的安全性成为首要问题。X光行李检测系统在确保国家和人民安全方面发挥了重要作用。其中安检X光图像质量的好坏直接影响安检人员的工作速度与准确性。由于X光图像的动态范围较宽，使人眼很难区分灰度级较近的图像结构，这会给安检人员的工作带来不便，增加工作强度，容易产生疲劳。为帮助安检人员快速准确看清行李内物品，如确认旅客手提行李中是否藏有刀具、枪支等危险品，最大限度减少危险事件发生的概率，保障交通运输及旅客乘机安全，需提高安检X光图像质量。

通常情况下可从两个方面提高安检X光图像质量：一方面，改进成像技术，提高成像质量；另一方面，可在现有设备的基础上通过后处理方法加以解决。后一种方法可在不增加设备成本开支的情况下，达到改善图像质量、降低漏警率的目的。本文即针对图像的后处理增强技术进行研究。

目前，针对X光行李图像的后处理增强方法主要有：直方图均衡（histogram equalization，HE）方法[1-2]，基本灰度级分组（gray-level grouping，GLG）方法[3-4]，可选择的灰度级分组（selective gray-level grouping，SGLG）方法[5]以及模糊理论的增强方法[6]等。HE方法由于该技术本身的连续性，对数字图像的离散直方图只能做到近似均匀分布，对增强低对比度图像容易造成冲刷效应（即出现伪轮廓）或增强背景噪声，使图像灰度层次不够清晰，边缘较模糊。GLG方法将图像中像素的灰度级重新分配并建立增强函数，对图像进行灰度转换以改善图像质量，但该方法对含噪声背景的低对比度图像质量改善不明显，不能实现对图像的局部增强。SGLG方法在GLG方法的基础上，对待增强图像直方图的不同部分使用不同的标准来划分直方图，能够进行不同程度的增强，增强效果较好，但该方法对图像的边缘细节增强力度不足。文献[6]采用模糊理论的增强处理，处理后图像的清晰度有所提高，但容易产生过增强。

针对低对比度X光行李图像清晰度较差的特点，本文提出了一种基于灰度级分组的X光行李图像增强的改进方法。首先，应用离散小波变换（discrete wavelet transform，DWT）对图像进行融合；然后，通过分频处理得到融合图像的低、高频图像并分别采用基本GLG和SGLG方法实现增强。实验结果表明，本文方法有效提高了图像清晰度，具有较好推广能力。

1 灰度级分组

灰度级分组（GLG）增强方法的基本思想是将一幅图像的灰度直方图按照一定的准则分成适当个数的灰度级向量，然后在整个灰度级范围上将其均匀分布，以使每个灰度级向量中的元素包含相同个数的灰度级，从而使集中于直方图某段的像素灰度级得以扩展，达到增大像素灰度级分布范围的目的。

1.1 基本灰度级分组算法描述

基本灰度级分组（GLG）算法主要表述为：①对原始图像建立灰度直方图；②将含有像素数较少的灰度级所对应的直方图值进行合并；③建立增强变换函数，对原始图像中的每个像素值进行灰度转换。

GLG的详细计算方法见文献[3-4]，该方法使原图像各个灰度级在整个灰度范围内均匀分布，避免了图像灰度级的集中分布情况，对于低对比度图像的增强效果明显。原灰度级值通过增强函数转换为

相应的处理步骤如下：

1）考虑安检人员正常工作时，通常观察低、高能的合成图像，因此，首先采用小波变换对低、高能图像增强后图像中新的灰度级值，且原组合顺序的直方图各分量全部或部分经灰度级分组运算后，图像灰度拉开，增加了图像的对比度。但是，该方法对含有强噪声背景的图像增强效果不明显，也不适于图像的局部增强。

1.2 可选择灰度级分组方法

在基本GLG方法中，由于图像各个灰度级的直方图值都被同等处理，当含噪声背景图像的直方图值较高，则噪声也会在处理后的图像中得到较强的增强。可选择灰度级分组（SGLG）方法[5]对此进行改进，该方法在待增强图像直方图的不同部分使用不同的标准来划分直方图，从而可实现局部增强。

SGLG算法简述如下：

1）将原图像直方图中整个灰度级范围划分成两个或多个部分，确定这些部分在增强后图像中期望映射成的新灰度级范围。这个新的灰度级范围通常是根据期望图像的应用要求而确定的。

2）对每个灰度级分别运用GLG方法进行处理。

2 本文方法

目前大多数机场行李检查设备都利用双重能量X射线成像原理。它使用了两种不同能量的X射线，其中高能量X射线是由超过100 kV的高阳极电压所产生，穿透物体时，材料的密度越高（如金属刀具等），成像越暗。而低能量X射线是由80 kV左右的低阳极电压产生，能检测物质的有效原子序数和物体厚度（如炸药中的碳、氮、氧等），利用低、高能两种图像可方便安检人员更准确地检查行李物品。

另外，从频率特性来看，图像的整体视觉效果是图像的低频分量，而图像的边缘、细节及噪声对应图像的高频分量。

本文以GLG和SGLG方法为基础，充分利用低、高能图像及其纹理特点，增加了对图像的预处理和后处理环节，同时，对不同的预处理图像分别利用GLG和SGLG方法增强。算法流程如图1所示。进行融合，以去除部分噪声。

2）融合后的图像送入低通滤波器得到图像的低频分量并利用背景减除方法去除背景噪声。

背景减除的方法是从低频图像直方图HI（k）中减去含噪声背景样本子块的直方图HB（k）[7]，具体计算方法如下

式中：k是灰度级值；M为图像灰度级总数；NI是低频图像中像素的个数；NB为含噪声背景样本子块中像素的个数；β是调整直方图HB（k）幅度的一个系数；H（k）是背景减除后图像的直方图。利用式（1）能较好地去除含噪声的背景，而且还能较好地恢复与含噪声背景重叠在一起的前景直方图。

3）对去除背景噪声的图像用GLG方法处理，得到增强图像，利用中值滤波去除杂散的前景噪声。

4）原图像与低通滤波图像相减后，得到原图像的高频分量。由于高频分量中通常含有图像的边缘、细节和大量的噪声，而噪声集中于直方图的某一灰度范围，所以选用SGLG方法进行处理。之后进行中值滤波，去除前景的一些孤立噪声。为突出图像中的高频细节，进一步对处理后的图像进行加权处理。

5）将处理后的低、高频分量进行叠加，可避免细节信息的丢失，得到增强后的最终图像。

3 实验结果及分析

实验所用的图像数据由Tennessee大学提供[7]，如图2所示，图像灰度级范围为[0，255]。

实验中，小波变换中的小波函数选为sym4，分解层数选为5。低通滤波器选用均值滤波器，滤波模板为3×3，按式（1）进行背景减除时，含噪声背景样本子块的灰度级间隔行李 1 取为[231，240]，行李 2 为[232，247]，参数β取为0.9。中值滤波窗口选为3×3。对高频图像进行SGLG增强，权重γ取为3.0。为说明本文方法的有效性，将直方图均衡（HE）算法[1]、基本灰度级分组（GLG）方法和可选择灰度级分组（SGLG）方法也应用于融合后的图像，实验结果示于图3和图4中。

可以看出，HE增强方法中像素值的动态范围得到了扩展，但显著地增强了背景噪声，图像增强效果较差。GLG方法对噪声的抑制要比HE方法好，在一定程度上提高了图像的可视性，但边缘不够清晰，对比度弱。SGLG方法处理后的图像，对比度得到了增强且背景噪声得到了抑制，但其不能很好地突出图像的边缘细节，对整体轮廓上的增强力度不足。本文方法与单独使用GLG、SGLG方法相比，增加了预处理环节（离散小波变换及分频）和后处理环节（中值滤波和加权），通过对低、高频图像分别处理，特别是对高频图像的处理（如图5所示），能揭示更多的细节，对比度显著提高，在增强行李图像内容的同时，有效地抑制了背景噪声，突出了有用信息，轮廓更加清晰，弱边缘处增强效果显著，更易于安检人员对行李内容辨析。从最终增强后的图像可以看出，行李中的内容在整个灰度级上得以扩展，优于其他3种增强方法。

为了进一步评估图像增强效果，采用基本图像清晰度测量Tenengrad标准[8-9]，以比较本文方法与其他增强方法。Tenengrad标准是一种基于梯度幅值最大化原理的评价测度，相应的计算方法如下

式中：T 表示阈值；S（x，y）为梯度幅值，其计算方法为

式中：Gx、Gy分别表示图像在（x，y）点处的水平和垂直方向的梯度。本文选用Sobel算子计算相应的梯度值。通常认为处理后具有较大TEN值的图像质量较高。但对具有大量含噪声的低对比度图像，应结合图像增强结果进行评测。实际计算结果如表1所示。

表1 增强方法效果评价表Tab.1 Scale for effect evaluation of different enhancement methods

从表1中可以看出，4种方法的TEN值均有所提高，但HE和基本GLG方法图像质量得到改善的同时也增强了背景噪声，相比之下，SGLG和本文方法则更好地改善了图像质量。提高图像对比度可使增强图像比原始图像更清晰，更易于安检人员观察。

4 结语

本文在GLG与SGLG增强方法基础上，提出了一种改进的X光行李图像增强方法。对经过小波变换后融合的图像进行分频得到相应的低、高频图像，再分别采用GLG和SGLG以及相应的后续处理提高图像质量。并将本文方法与HE增强方法、基本GLG和SGLG方法做了比较。实验结果表明，本文方法能够提高图像的对比度及层次信息，同时有效地抑制图像增强带来的噪声，保持了原始图像中的细节信息，突出了图像的边缘，是一种有效的图像增强方法。

[1] 李弼程，彭天强，彭 波，等.智能图像处理技术[M].北京：电子工业出版社，2004.

[2]ABIDI B，MITCKES M，ABIDI M A，et al.Grayscale Enhancement Techniques for X-ray Images of Carry-on Luggage[C]//Proc of SPIE 6th Int ernational Conference on Quality Control by Artificial Vision.Gatlinburg：SPIE，2003：579-591.

[3]CHEN ZHIYU，ABIDI B R，PAGE D L，et al.A Generalized and Automatic Image Contrast Enhancement Using Gray Level Grouping[C]//International Conference on Acoustics Speech and Signal Processing.USA：IEEE，2006.

[4]CHEN ZHIYU，ABIDI B，PAGE D，et al.Gray level grouping（GLG）：an automatic method for optimized image contrast enhancement partⅠ：the basic method[J].IEEE Trans on Image Processing，2006，15（8）：2290-2302.

[5]CHEN ZHIYU，ABIDI B，PAGE D，et al.Gray level grouping（GLG）：an automatic method for optimized image contrast enhancement partⅡ：the variations[J].IEEE Trans on Image Processing，2006，15 （8）：2303-2314.

[6] 贺秀萍，韩 萍，吴仁彪，等.一种新的X射线手提行李图像增强方法[J].中国图像图形学报，2009，14（5）：866-870.

[7]CHEN ZHIYU，ZHENG YUE，ABIDI B R，et al.A Combinational Approach to the Fusion，De-Noising and Enhancement of Dual-Energy X-ray Luggage Image[C]//Proc of IEEE Conference on Computer Vision and Pattern Recognition.USA：IEEE，2005.

[8]KROTKOV E P.Active Computer Vision by Cooperative Focus and Stereo[R].New York：Springer-Verlag，1989.

[9]BUERKLE A，SCHMOECKEL F，KIEFER M，et al.Vision-Based Closed-Loop Control of Mobile Microrobots for Micro Handling Tasks[C]//Proc of SPIE Microrobotics and Microassembly Ⅲ.USA：SPIE，2001：187-198.