基于联合特征的X光图像违禁品分类方法

苏冰山　陈继光　陈雨

摘要：近年来X光图像检测违禁品的应用日益广泛，使用计算机辅助人工对违禁品进行检测和分类的方法进入人们的视野。本文提出一种新的民航违禁品X光图像分类方法。首先文中对X光图像进行Contourlet变换，然后提取Contourlet变换后图像的共生矩阵特征和Tamura纹理特征;同时，直接从X光图像提取直方图特征。最后将共生矩阵特征、Tamura纹理特征、直方图特征三种特征的特征向量串联起来得到联合特征向量，依据联合特征向量对违禁品图像分类。实验结果证明，基于联合特征分类的结果优于单个特征的分类结果。

关键词：X光图像;联合特征;分类;Contourlet变换;随机森林

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2019）05-0076-02

0 引言

近年来，各种形式的恐怖事件时有发生，公共安全在很长时间内成为国际社会关注的焦点之一。本文对违禁品X光图像的自动识别分类进行研究。违禁品的X光图像可能呈现多种不规则的形状，因此很难通过同一个模型对不同类违禁品建立模型并提取相应的参数。本文采用随机森林、贝叶斯网络、决策树和SVM分类器对违禁品图像分类，并对不同分类器的分类结果进行对比，实验表明随机森林分类器的分类结果最好，同时基于联合特征的分类效果比单个特征分类时的效果好。

1 系统总体框架

本文形成一个基于联合特征的民航X光图像违禁品分类识别系统，对民航机场乘客携带违禁物品的X光图像自动检测分类。违禁品检测分类系统总体框图如图1所示。

图1包括如下流程：

（1）图像采集。通过安检X光机采集乘客携带物品的X光图像。

（2）违禁品的特征提取。为了后续的识别，需要提取X光图像中的特征。我们首先对X光图像进行Contourlet变换，然后提取Contourlet变换后图像的共生矩阵特征和Tamura纹理特征。另外由于直方图能够有效的表示X光图像的色彩信息，可直接从原始的X光图像提取。最后我们将共生矩阵、Tamura纹理特征、直方图特征三种特征的特征向量串联起来得到联合特征向量。

（3）违禁品的分类判决。根据提取的特征，采用随机森林等分类器分别对违禁品图像进行分类识别。

2 违禁品的特征提取

违禁品X光图像的特征提取是分类判决的重要前提，对系统具有关键的意义。由于Contourlet变换具有多方向、多尺度、和各向异性的特点，可以用相对较少的系数高效表示图像的边缘信息，因此本文首先对X光图像进行Contourlet变换，然后提取特征。

2.1 违禁品X光图像的Contourlet变换

Contourlet将图像高频子带经方向滤波器组分解为个方向子带（j为任意正整数），对低频子带进行相关处理实现图像的多方向和多尺度分解。

系统采集到的违禁品图像是伪彩色图像，本文首先将采集到的伪彩色图像转换成灰度图像，然后再采用Contourlet变换处理灰度图像，再提取图像的共生矩阵特征和Taruma纹理特征，分别得到共生矩阵特征向量和Taruma纹理特征向量。

2.2 共生矩阵

共生矩阵能反映出图象灰度关于变化方向、幅度、相邻间隔的信息，它是分析图象的排列规则和它们局部模式的基础。由于共生矩阵在表示图像纹理方面良好的性能，因此我们采用其表示Contourlet变换后的系数图像特征。

2.3 Taruma纹理特征

纹理是图像分析和识别中的常用概念。其中，方向度、对比度、粗糙度对于提取纹理信息尤为重要。由于Taruma纹理在表示图像纹理方面的重要特性，因此我们采用其表示Contourlet变换后的系数图像特征。

2.4 图像直方图特征

颜色特征是图像的一种全局特征。如图2所示，图中（a）和（b）为两把不同弹簧刀的X光图像，属于利器类违禁品，（c）为丙酮的X光图像，属于易燃易爆类违禁品，从图中可以看出相同类违禁品的X光图像的直方图分布差异较小。不同类别违禁品X光图像的直方图分布差异较大。从上述分析可知，在X光图像违禁品识别中，是一个性能优良的特征，因而将图像直方图作为分类特征可以有效对违禁品加以分类。

3 违禁品的分类判决

对违禁品的X光图像提取特征后，下一步需对特征向量加以分类。本文使用多种分类器对不同的违禁品图像加以分类识别。

实验中训练图像共276幅，分类测试图像共159幅，包括利器类、弹药类、枪支类和易燃易爆类四种违禁品类别的X光图像。在训练和测试X光图像之前，将图像做归一化处理，得到分辨率为256×256的X光图像。

本文将不同特征和不同分类器进行组合。其中，使用的特征包括单个特征和联合特征。单个特征包括共生矩阵特征、Taruma纹理特征和直方图特征;而联合特征为单个特征的线性组合。实验中使用的分类器包括4种分类器。

实验结果见表1所示，共生矩阵的特征向量维度为12，Tamura纹理特征的特征向量维度为12，直方图特征向量维度为256，联合特征即为将共生矩阵、Tamura纹理和直方图的特征向量串联起来构成的特征向量，维度为280。

根据实验结果可知对大多数分类器而言，Tamura纹理特征取得的识别结果效果较差，这是由于Tamura纹理特征即方向度及规则度等不能够表示有效的区分不同种类的违禁品图像。对多数分类器而言，共生矩阵特征单一特征中效果较好，这是由于共生矩阵能够有效地提取和区分不同种类的违禁品的图像特征。直方图特征的效果优于共生矩阵特征，这是由于图像直方图特征不受图像旋转和平移变化的影响，在X光异物识别中，是一个性能优良的特征。对于大多数的分类器，共生矩阵、Taruma纹理和直方图特征相结合时的正确识别率最高。这说明不同的特征之间具有一定的互补性。将不同特征进行联合是一个正确的选择。

在分类器性能方面，决策树分类器推广性差，SVM适用于比较大的训练集，并且其识别率对缺失的数据较敏感，因而正確识别率低。贝叶斯分类器假设属性之间相互独立，本文中属性之间相关性较大，所以贝叶斯网络分类正确率较低。

随机森林分类判决时能检测特征间的相互影响，并且适合高维度的特征分类，本文中将共生矩阵、Taruma纹理特征和直方图特征结合起来，特征向量的维度为280，随机森林分类算法比较符合本文的分类要求，因而正确识别率最高。

4 结语

本文对民航机场安检时采集的违禁品X光图像进行了分类识别。首先，本文提取X光图像颜色直方图特征;同时对原图进行Contourlet变换，然后提取共生矩阵特征、Tamura纹理特征。然后，本文将共生矩阵、Tamura纹理和颜色直方图特征相结合，得到联合特征向量，利用多种分类器识别特征向量。最后，实验验证了项目提出的联合特征向量进行分类时的高效性。