X射线安检设备测试图像分割方法

　　X射线安检设备的成像质量对检查的准确性和可靠性具有非常重要的意义,其探测能力集中体现在成像图像质量上,主要包含图像的分辨力和材料分辨力。在GB 5208.1—2005《微剂量X射线安全检查设备》标准中,提供了标准测试体A和B,通过对测试体进行拍摄,获得可反映相应X射线安检设备性能的测试图像。根据测试图像中不同测试项目(如线分辨力、穿透分辨力等)的可辨识程度,确定设备性能指标,进而判定设备是否合格。目前对测试图像的评价采用的是主观评价方法,例如平均评价技术。

　　分数法(MOS),该方法在实际应用中存在许多局限,诸如观察者的选取、试验条件的确定等,且容易受到观察者本身的知识背景、情绪、动机以及疲劳程度等因素的影响。因此,研究一种基于客观评价的X射线安检设备测试图像评价系统十分必要。

　　1　测试图像自动分割

　　1.1　测试图像

　　图1是测试体A的图像,由四个测试项目组成,分别用于测试X射线安检设备的线分辨力、穿透分辨力、空间分辨力和穿透力(分别对应图中TEST1,TEST2,TEST3和TEST4)。

　　图2是测试体B的图像,用来测试X射线安检设备的材料分辨力,包含5个测试项目:用来测试薄有机物分辨力的TEST5和TEST6,用来测试灰度分辨和混合物分辨力的TEST7,用来测试无机物分辨力的TEST8以及测试材料分辨力的TEST9和TEST10。

　　1.2　自动分割

　　测试图像自动分割是对图像内容进行分析、自动提取目标特征进而评价图像质量的关键步骤。图像分割的准确性直接影响图像评价质量的结果。分割方法的选取与由测试体形成的X射线测试图像特征密切相关。

　　由测试图像特征可见,测试体A和B中各测试项目矩形轮廓特征鲜明,色彩信息丰富(测试体B),并且相对位置固定。因此,针对上述X射线安检设备测试图像特征,提出了基于HSI色彩空间的多边形逼近算法,以实现各测试项目的自动分割,为进一步的图像质量评价奠定了基础。

　　2　基于HSI色彩空间的多边形逼近算法

　　基于HSI色彩空间的图像分割方法是利用接近人类视觉特性的HSI色彩空间对图像进行阈值分割,然后采用多边形逼近的方法配合四边形判断准则提取不同测试项目所在区域。以下详细介绍HSI颜色空间选取、轮廓多边形逼近以及在此基础上提取矩形的算法原理。

　　2.1　算法总体结构

　　基于HSI色彩空间的多边形逼近采用HSI色彩模式,对图像HSI色彩模式的三个通道分别采用不同阈值(例如1 byte图像,则在0~255之间N等分选取不同阈值)进行固定阈值分割,然后对固定阈值分割后的二值图像进行轮廓提取,对提取的轮廓点集进行多边形逼近,最后综合三个通道检测到的多边形信息进行归并,根据测试图像先验特征获得分割结果,算法流程如图3所示。