一种复杂x光伪彩图的显著性检测方法
【技术领域】
[0001] 本发明设计计算机视觉领域，具体说涉及一种复杂X光伪彩图的显著性检测方 法。
【背景技术】
[0002] 现有的安检系统一般用于边检、机场、火车站、汽车站等公共场所，在边检、机场、 火车站、汽车站等场所人员众多，经常会有不法分子携带刀枪等违禁物品伺机行凶作案，从 而造成重大的人员伤亡和财产损失，给社会造成极其恶劣的负面影响，为了杜绝这些现象 的出现，安检系统在这些场所上发挥了重要的作用。旅客在经过边检、机场、火车站、汽车站 等场所时需要将随身携带的行李过X光安检系统获得行李的X光图片由系统自动实现行李 是否还有危险品或是违禁品。
[0003] 人类在观察图像时，通常只关注整幅图像或整段视频中很小的较为显著的一部 分。因此，计算机模拟人类视觉系统时，主要通过检测图像中显著性区域进行模拟。显著性 检测已逐渐成为计算机视觉领域非常重要的一个研宄课题。显著性检测在人机交互、智能 监控、图像分割、图像检索和自动标注等方面有很大的发展前景。在这个研宄领域中，如何 运用有效的方法从图像中准确的检测出显著区域，降低漏检率是一个非常重要的问题。
【发明内容】
[0004] 针对现有技术存在的问题，本发明的目的在于提出一种漏检率低的复杂X光伪彩 图的显著性检测方法。
[0005] 为实现上述目的，本发明提出一种复杂X光伪彩图的显著性检测方法，特征在于： 在由图像采集设备和计算机组成的系统中，所述复杂X光伪彩图的显著性检测方法包括以 下步骤： 步骤1:样本图的采集 采用X光机采集图像建立图像样本库，图像样本库中须包含一定量的目标物的图像， 本图像样本库共有4000张图像，其中有1600张含有目标物； 步骤2 :颜色转换 将RGB颜色空间的图像转化为HSV颜色空间的图像； 步骤3 :颜色分析 根据目标物出现的颜色类型进行分割，当指定目标物为无机物时，呈现蓝色和绿色情 况下，那么根据HSV中的H通道进行分割，即将保留H值>140并且〈281的图像部分，其余 部分用纯白色替代；当指定目标物为有机物时，呈现黄色和绿色情况，那么根据HSV中的H 通道进行分割，即将保留H值>0并且〈180的图像部分，其余部分用纯白色替代； 步骤4 :亮度分析 步骤4.1:直方图统计分割 对已经进行颜色分析后的图像的亮度进行直方图统计，选择亮度在0至10%的区域部 分为黑色掩膜区域，其余为白色区域； 步骤4. 2 :密度分析 在已经进行直方图统计分割的图像，计算该图的积分图，利用积分图保留分辨率为 25*25中黑色像素数超过70%的区域，其余区域再次使用白色替代； 步骤5 :饱和度分析 步骤5.1:直方图统计分割 对已经进行颜色分析后的图像的饱和度进行直方图统计，选择亮度在0至10%的区域 部分为黑色掩膜区域，其余为白色区域； 步骤5. 2 :密度分析 在已经进行直方图统计分割的图像，计算该图的积分图，利用积分图保留分辨率为 25*25中黑色像素数超过70%的区域，其余区域再次使用白色替代； 步骤6 :颜色密度分析 步骤6. 1 :有色分割 将已经进行颜色分析后的图像中的非纯白色区域全设置为黑色； 步骤6. 2 :密度分析 对有色分割后的图像，进行积分图计算，利用积分图保留含有密度超过40%的有色区 域，其余区域使用白色替代； 步骤7 :获取掩膜区域 合并亮度分析、饱和度分析和颜色密度分析的结果，得到颜色较深的区域； 步骤8 :连通域分析 针对经过颜色密度分析后的图像，进行连通域分析，选择合适面积的部分，将面积大于 两倍目标物尺寸和小于半倍目标物尺寸的连通域替换为背景白色； 步骤9 :获取最终结果 合并步骤7和步骤8的结果。
[0006] 上述步骤1中，还包括对采集后的图像进行归一化处理，包括样本图像光照和大 小的线性归一化。
[0007] 上述步骤1中，所述目标物为危险品刀具、枪支、易爆物充电宝、水果、植物等。
[0008] 上述步骤2中的颜色转化公式如下：
【主权项】
1. 一种复杂X光伪彩图的显著性检测方法，特征在于：在由图像采集设备和计算机组 成的系统中，所述复杂X光伪彩图的显著性检测方法包括以下步骤： 步骤1:样本图的采集 采用X光机采集图像建立图像样本库，图像样本库中须包含一定量的目标物的图像， 本图像样本库共有4000张图像，其中有1600张含有目标物； 步骤2 :颜色转换 将RGB颜色空间的图像转化为HSV颜色空间的图像； 步骤3 :颜色分析 根据目标物出现的颜色类型进行分割，当指定目标物为无机物时，呈现蓝色和绿色情 况下，那么根据HSV中的H通道进行分割，即将保留H值>140并且〈281的图像部分，其余 部分用纯白色替代；当指定目标物为有机物时，呈现黄色和绿色情况，那么根据HSV中的H 通道进行分割，即将保留H值>0并且〈180的图像部分，其余部分用纯白色替代； 步骤4 :亮度分析 步骤4.1:直方图统计分割 对已经进行颜色分析后的图像的亮度进行直方图统计，选择亮度在0至10%的区域部 分为黑色掩膜区域，其余为白色区域； 步骤4. 2 :密度分析 对进行直方图统计分割后的图像，进行积分图计算，利用积分图保留分辨率为25*25 中黑色像素数超过70%的区域，其余区域再次使用白色替代； 步骤5 :饱和度分析 步骤5.1:直方图统计分割 对已经进行颜色分析后的图像的饱和度进行直方图统计，选择亮度在0至10%的区域 部分为黑色掩膜区域，其余为白色区域； 步骤5. 2 :密度分析 对进行直方图统计分割后的图像，进行积分图计算，利用积分图保留分辨率为25*25 中黑色像素数超过70%的区域，其余区域再次使用白色替代； 步骤6 :颜色密度分析 步骤6. 1 :有色分割 将已经进行颜色分析后的图像中的非纯白色区域全设置为黑色； 步骤6. 2 :密度分析 对有色分割后的图像，进行积分图计算，利用积分图保留含有密度超过40%的有色区 域，其余区域使用白色替代； 步骤7 :获取掩膜区域 合并亮度分析、饱和度分析和颜色密度分析的结果，得到颜色较深的区域； 步骤8 :连通域分析 针对经过颜色密度分析后的图像，进行连通域分析，选择合适面积的部分，将面积大于 两倍目标物尺寸和小于半倍目标物尺寸的连通域替换为背景白色； 步骤9 :获取最终结果 合并步骤7和步骤8的结果。
2. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤1中，还 包括对采集后的图像进行归一化处理，包括样本图像光照和大小的线性归一化。
3. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤1中，所 述目标物为危险品刀具、枪支、易爆物充电宝、水果、植物等。
4. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤2中的 颜色转化公式如下：
其中，r，g，b为O到1之间的实数，max等于r，g和b中的最大者，min等于r，g和b 中的最小者，h e [〇，360)度是角度的色相角，s e [〇，1]是饱和度，V e [〇，1]是明 度。
5. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤2的颜 色转换为将RGB颜色空间的图像转化为HSL颜色空间的图像。
6. 如权利要求3所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤2中的 颜色转化公式如下：
其中，其中，r，g，b为0到1之间的实数，max等于r，g和b中的最大者，min等于r，g 和b中的最小者，h e [〇，360)度是角度的色相角，se [〇，1]是饱和度，I e [〇，1]是 亮度。
7. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤7中，利 用贝叶斯原理，该合并操作为交集操作。
8. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤8中，利 用贝叶斯原理，该合并操作为并集操作。
9. 如权利要求1所述复杂X光伪彩图的显著性检测方法，特征在于：上述步骤4, 5,6中 的积分图计算公式为
【专利摘要】本发明提出一种复杂X光伪彩图的显著性检测方法的基于贝叶斯理论融合了多种图像分割技术来提升目标显著性性能；该技术，首先是需要收集大量的图片，以便进行各图像分割技术性能分析，然后进行颜色分析、亮度分析、饱和度分析、连通域分析、密度分析以及面积分析，最后利用贝叶斯理论合理的整合这些分析方法，最终得到优异的目标显著性效果，在采集的图像中的目标漏检率能达到1‰以内。
【IPC分类】G06T7-00
【公开号】CN104766338
【申请号】CN201510207234
【发明人】李新, 肖曦
【申请人】中云智慧（北京）科技有限公司
【公开日】2015年7月8日
【申请日】2015年4月28日