基于CLAHE的X射线行李图像增强

王 建，庞彦伟

(天津大学电子信息工程学院，天津 300072)

恐怖主义的全球化趋向，使得公共场合安全成为当前一个亟待解决的社会问题．常见危险品包括金属制枪支、刀具，塑料、玻璃以及木制的尖锐物品，以及各种液体或气体的易燃易爆物品等．危险品的多样性以及越来越隐蔽的掩饰技术，给飞机、车站和码头等人员流动密集场合的行李安检带来了巨大挑战．

常用的行李安检技术包括 X射线、伽马射线、电磁场以及微波等．与其他技术相比，X射线技术具有无需开箱、对物品损耗小、安全可靠、设备费用低和易操作等特点，它广泛地应用于各种安检场合．不同材质物体对 X射线的吸收和散射的衰减程度不同，使得生成的X射线图像灰度不同．受到被辐射源、探测器、采集及显示电路等因素的影响，采集到的安检图像可能存在背景噪声、低对比度、行李物品模糊等干扰情况．为了便于观察者更准确地观测和识别行李物品，有必要增强 X射线行李安检图像(简称“行李图像”)，突出行李物品的细节信息．

与 X射线图像增强相关的国内外文献主要集中在医学图像方面，到目前为止，涉及安检图像增强的文献较少[1-4]．已有文献所用的增强技术包括灰度级变换、直方图均衡、小波变换、模糊集理论等．上述方法或者增强效果不佳，或者处理过程复杂，不适于实时处理．笔者提出了一种基于对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization，CLAHE)技术的X射线行李图像增强算法，它包括背景填充、对比度增强和图像锐化 3个主要步骤．首先，使用一种背景区域填充方法抑制背景噪声的影响；然后，借助 CLAHE增强前景区域(对应于行李物品区域)的对比度；最后，结合一套组合图像锐化方案，突出行李物品的细节信息．

1 背景区域填充

受到探测器及成像电路等不利因素的影响，在屏幕成像的行李图像背景区域往往存在随机干扰，表现为部分背景区域的灰度值不为0．图1(a)所示为一幅受到干扰的行李图像．通过观察发现，与作为前景的行李物品区域相比，行李图像背景区域的灰度值较低．另外行李物品区域通常位于图像的中心位置，四周被背景区域包围．

根据以上分析结果，提出一种背景区域快速填充方法，抑制背景区域噪声．具体实现过程如下．

用 I( x, y)( x = 0,1,2,… ,X - 1 , y = 0 ,1,2,… ,Y -1)表示安检图像内(x，y)位置上像素点的灰度值，X和 Y代表图像的长度和宽度．用 Gmax和 Gmin分别表示I( x, y)的最大值和最小值．对于图像中任一像素点，如果满足下式，则将其标注为候选背景点．

式中λ为比例系数，一般可取λ∈[0，0.2]．λ的取值越大，像素点被判为候选背景点的可能性越大，所提方法对背景噪声的抑制能力越强，但前景点被误判为背景点的可能性也越大．

使用4连通法则对候选背景点进行连通域分析，得到候选背景区域．考察各候选背景区域与图像边界的关系，如果某候选背景区域与图像的上、下、左、右任一边界相连，则将该区域标注为背景区域，并将它内部各点的灰度值强置为 0．然后搜索各背景区域内部的孤立点，并将孤立点的灰度值置0．

图 1(b)所示为图 1(a)经背景填充后的处理结果，其中取λ=0.05．对比不难发现，绝大部分背景区域的灰度值被强置为0，背景区域噪声得到了有效抑制．

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

2 基于CLAHE的对比度增强

图像增强方法主要分为空间域增强和频域增强两类[5]．常用的空间域增强技术包括点操作和直方图操作，其中直方图均衡化(histogram equalization，HE)技术最为常用．直方图均衡化主要分为全局方法和局部方法(或称自适应方法)两类．全局方法对整幅图像的直方图进行均衡处理，实现简单，但对低对比度图像处理效果不佳．自适应方法综合考虑像素点的位置和灰度信息，处理效果往往优于全局方法．经典的自适应直方图均衡技术包括对比度受限自适应直方图均衡化(CLAHE)[6]、子块重叠直方图均衡化[7]、子块部分重叠直方图均衡[8]等．其中 CLAHE方法结合了自适应直方图均衡化和对比度受限两项技术的优点，特别适用于低对比度图像，而且实现过程不复杂．因此，所提方案选用 CLAHE技术增强行李图像的对比度．

CLAHE方法主要实现步骤[9]如下．

(1)分块：将输入图像划分为大小相等的不重叠子块，每个子块含有的像素数为 M．子块越大，增强效果越明显，但图像细节丢失越多．

(2)计算直方图：用 Hi，j(k)表示子块的直方图，k代表灰度级，它的取值范围是[0，N-1]，N 为可能出现的灰度级数．

(3)计算受限值：使用式(2)计算截断受限值．

式中：参数 smax称为最大斜率，它决定了对比度增强的幅度，smax的取值为1到4之间的整数；参数α称为截断系数，它的取值范围是[0，100]．当α=0时，β取最小值 M/N；当α=100时，β取最大值 smaxM/N，此时对应的对比度拉伸效果最明显．

(4)像素点重分配：对每个子块，使用对应的β值对 Hi，j(k)进行剪切，将剪切下来的像素数目重新分配到直方图的各灰度级中．重复上述分配过程，直至将所有被剪切的像素点分配完，并用 Fi，j(k)表示 Hi，j(k)经重分配处理后的结果．像素点剪切及重分配的具体实现算法参见附录．

(5)直方图均衡：对 Fi，j(k)进行直方图均衡化处理，均衡结果用 Ci，j(k)表示．

(6)像素点灰度值重构：根据 Ci，j(k)，得到各子块中心像素点的灰度值，将它们作为参考点，采用双线性插值技术计算输出图像中各点的灰度值．

为提高所提方案的处理速度，只对前景区域进行增强处理．根据背景区域标注结果，只选取包含前景区域的子块进行增强处理．所用CLAHE算法的参数集为：{子块大小 8×8，α=0.4，smax=4}．图 2(a)是图1(b)经 CLAHE处理后的结果．对比可见，行李物品区域的对比度得到了明显提高．

图2 对比度增强和锐化过程示例Fig.2 Illustration of enhancement and sharpening procedures

3 图像锐化

为了便于观察者观测和识别行李物品的形状，有必要借助图像锐化技术突出行李物品中的细节部分，尤其是图像的边缘信息．常用的空间域图像锐化技术包括：一阶梯度算子、二阶微分算子以及反锐化掩蔽等[5]．三者相比，一阶梯度算子产生的边缘较宽，二阶微分算子对噪声较敏感，反锐化掩蔽会提高图像的整体亮度．考虑到行李图像的特点，在进行锐化处理时，一方面需要增强物品的边缘信息，另一方面要尽量降低对噪声的增强．单独使用上述任一锐化技术都不能取得理想的结果．因此，所提方法选用一套组合锐化处理方案增强行李图像的细节信息．图 3给出了该方案的框图，具体实现过程如下：

(1)使用式(3)给出的二阶微分拉普拉斯算子对输入图像 (,)f x y进行变换，变换结果记为2(,)f x y∇ ．

(2)使用 Sobel水平和垂直算子分别计算 f(x,y)的水平和垂直边缘图，记为 Gh(x,y)和 Gv(x,y)．使用式(4)计算 f(x,y)的Sobel边缘图，记为

(3)使用 3×3平滑算子对 Gs( x, y)进行平滑处理，结果记为 m ( x, y)．

(4)计算 ∇2f( x, y)和 m ( x, y)的点乘(对应像素点相乘)，结果记为 ∇2mf( x, y)．

(5)将 f ( x, y)与 ∇2mf( x, y)相加，得到最终锐化结果，记为 s( x, y)．

图2(b)所示为图2(a)经组合锐化过程处理后的结果．对比两图不难发现，图 2(b)中行李物品的细节部分清晰可见，边缘信息得到明显增强．

图3 组合图像锐化方案示意Fig.3 Diagram of combined image sharpening scheme

4 实验结果

选用50幅X射线行李图像作为实验数据，图像大小为 640×480，灰度级为 256．所用硬件仿真平台为P4 3.0,GHz,CPU + 1,G,RAM的PC机，软件仿真平台为Windows XP SP3 + MATLAB 2008,b．计算单幅图像的平均处理时间，约为 0.8,s．如果选用 C++等编译性语言实现所提算法，系统处理速度可进一步提高，能够满足系统实时性的要求．

仿真结果表明，所提算法对绝大多数行李图像增强效果明显．图4给出了部分处理结果．图4中上方行李图像内部噪声干扰较弱，处理后图像的对比度明显增强，行李物品的细节部分清晰可见．图 4下方图像行李内部存在较多干扰，处理后的图像中感兴趣区域(图中上方区域)和干扰区域(图中间和下方区域)都得到增强．如何有效降低对行李物品内部干扰区域的增强，是所提算法今后工作的重点之一．

图4 增强结果示例Fig.4 Sample of enhancement results

选用基于HE的方法和基于GLG[2,10]的方法与所提方法进行性能比较．图 5(a)～(d)所示依次是某幅实验图像及使用 3种方法得到的处理结果．如图5(a)所示，中心区域存在两把疑似刀具物品，右上方区域存在可疑物品，不妨将上述两区域称为“可疑区域”．采用以下两条准则衡量算法的性能：①可疑区域的对比度能否得到明显增强；②背景区域的整体灰度能否得到很好保持．

图5 不同方法性能对比Fig.5 Performance comparison of different methods

原图中背景区域和大部分行李物品区域的灰度较低，经 HE处理后图像的背景区域和前景区域的灰度值都增大，前景区域对比度不明显，如图 5(b)所示．与HE方法相比，基于GLG的方法可以较好地保持背景区域灰度不变，但对可疑区域增强效果不佳，部分行李物品区域存在“泛白”现象，如图 5(c)所示．所提方法在保持背景灰度基本不变的同时，显著提高了两可疑区域的对比度，而且疑似刀具和可疑物品的形状清晰可见，如图 5(d)所示．综上所述，所提算法很好地克服了前两种方法的不足．

5 结 语

基于 CLAHE技术的 X射线行李图像增强算法，能有效增强X射线行李图像的对比度，克服了已有方法的不足，而且所提方案计算复杂度低，易于实时处理．另外，所提方案对其他类型低对比度图像的增强也有一定参考价值．

［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，Öktem 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 录：CLAHE中对Hi，j(k)进行截取和重分配过程算法