CN1333899A - 采用计算机断层成像数据检测隐藏物的装置和方法 - Google Patents

Abstract

一种用于在计算机断层成象数据中检测隐藏物的方法和装置。采用CT扫描系统可以检测片形物体,例如片形爆炸物。本发明分析一个邻接于该片形物体的子区域中CT体素,以确定是否该片形物体被隐藏在一电子设备中或被“夹藏”于例如书或杂志的物品中。为检测出电子设备隐藏物,对于一个包含该物体子区域中具有高于一预定阈值之密度的体素数量进行计数(404),并计算此体素数量与物体之体素数量的比率(406)。如果该比率超过一个阈值(408),那么可以推断出该物体被隐藏于电子设备中(410)。相应地,该CT扫描系统可以修改鉴别参数,使得该物体被分类为危险物(412)。对于“夹层”隐藏物,检查片形物体相对侧面上的层面。计算对于该体素的密度值的平均值和标准偏移(414)。当该平均密度值超过一个预定的阈值及该标准偏移低于一个不同的阈值时(416),对于至少一个层面,那么可以推断出,该片形物被夹藏在一个无害物内,例如杂志或书内(418)。

Description

采用计算机断层成像数据检测隐藏物的装置和方法

本发明的技术领域

本发明一般涉及计算机断层成像(CT)扫描仪，更具体地说，涉及一种在利用CT技术的行李扫描系统中的目标检测装置和方法。

本发明的技术背景

已知的X射线行李扫描系统有多种，用于在将行李装载在商用飞机之前检测行李或皮箱中是否存在爆炸性物品和其它违禁物品。由于很多爆炸物品的特征可能是在于其密度范围不同于一般放在行李中的物品。爆炸物品一般适合于采用X射线设备进行检测。用于测量物质密度的一种常用方法是使该物质受到X射线的照射，并测量该物质所吸收的辐射量，这种吸收反映其密度。

采用CT技术的系统一般包括第三代类型的CT扫描仪，这种扫描仪一般包括X射线源和X射线检测器系统，正好被固定在与一个环形平台或圆盘的对边。该圆盘是可旋转的并被安装在一个门形支架内，所以，在工作时，该圆盘连续地绕—旋转轴旋转，同时，X射线从该源发出，通过放置在该圆盘之开口内的物体，到达该检测器系统。

该检测器系统可以包括一个检测器线性阵列，该阵列被设置为在一圆弧形中的一个单行，该圆弧在X射线源的焦点处具有一个曲率中心，即，在发出X射线的X射线源内的点。该X射线源产生扇形X射线束，该射线束从该焦点发出，通过一个平面成像区域，并由该检测器接收。CT扫描仪包括一个由X、Y、Z轴定义的座标系统，其中，这些轴在当该圆盘绕旋转轴旋转时该圆盘之旋转中心相互连接并相互正交。该旋转中心通常被称为“等角点”。Z轴由旋转轴定义，X轴和Y轴由平面成象区域定义并位于该区域内。因此扇形射线束被定义为一个点源(即焦点)和检测器阵列之检测器的接收面之间所限定的空间之体积，该阵列受到X射线的照射。因为检测器之线性阵列的接收表面的尺寸在Z轴方向上较小，该扇形射线束在该方向上较薄。每一个检测器产生的输出信号表示投射在该检测器上的X射线的密度。由于X射线的一部分被在其光程中的所有物体所消弱，由每个检测器产生的输出信号表示放置在X射线源与该检测器之间的成像区域中所有物体的密度。

当圆盘旋转时，该检测器阵列被周期性地采样，对于每一个测量间隔，该检测器阵列中的每一个检测器产生一个输出信号，该输出信号表示在该间隔期间被扫描物体之部分的密度。对于任何测量间隔，在该检测器阵列的一排中所有的检测器所产生的所有输出信号之集合，被称为“投影”，在产生投影的期间，圆盘的角度方位(并对应于X射线源和检测器阵列的角度方位)被称为“投影角”。在每个投影角，X射线从焦点到每一个检测器的光程称为“射线”，该光程从点源到检测器的接收表面面积在其横截面是增大的，从而放大了密度测量，因为检测器的接收表面区域比射线所通过之物体的任何横截面区域都要大。

当圆盘绕被扫描的物体旋转时，扫描仪在相应的多个投影角产生多个投影。采用公知的算法，由在每一个投影角采集的所有投影数据可以产生物体的CT图象。该CT图象表示该物体的二维“切片”的密度，在圆盘旋转经过多个投影角之期间，扇形射线束通过该物体。该CT图象的分辨率部分是由扇形射线束的平面中每一个检测器的接收表面区域的宽度确定的，检测器的宽度在此被定义为在与扇形射线束宽度相同之方向上所测量的尺寸，而该检测器的长度在此被定义为在垂直于该扇形束方向且平行于该旋转或扫描仪的Z轴方向所测尺寸。

某些类型的爆炸物品对行李扫描系统提出了特殊的挑战，这是因为，由于它们的可塑性，它们可能被制成难以被检测出来的几何形状。很多对飞机极具破坏力的爆炸物品的长度、宽度和高度都足够大，以致于不管该爆炸物品放置在行李内的什么方位，采用X射线扫描仪系统都易于检测出来。然而，一种爆炸力足以毁坏飞机的爆炸物品也可以被制成一张薄片，它在某一维空间尺寸(dimension)非常小，在其他二维空间尺寸较大。这些薄片形爆炸物可以被隐藏在物体中，例如一台电子设备，如膝上型电脑，也可以夹入无害物中间，例如杂志或书。检测这样隐藏的爆炸物可能是有困难的，因为难以在图像中看见爆炸物。

利用CT技术的行李扫描仪已被提出。在美国专利5182764(培斯曼等)和5367552(培斯曼等)(以下简称为“764”和“552”专利)已得到商业开发，以下称为“视觉装置(In Vision Machine)”。这种视觉装置包括一个第三代类型的CT扫描仪，其中主要包括一个X射线源和一个X射线检测器系统，分别固定在一个环形平台或圆盘的正对面。该圆盘可旋转并被安装在一个门形支架内，因此，在工作中，该圆盘连续绕一旋转轴旋转，同时，X射线由该源发出，通过放置在该圆盘之开口内的物体到达检测器系统。

对于行李扫描仪而言，一个重要的设计准则是扫描仪能够扫描行李之物品的速度。为了能在任何较大的机场都具备实用性，行李扫描仪应该能够以非常快的速度扫描大量的箱包。视觉装置的一个问题是，在“764和552”专利中所述的那种CT扫描仪所花的时间比较长，例如，圆盘转一圈产生对应于一个切片CT图象的数据。此外，通过箱包的光束对于每幅图象的切片越薄，图象的分辨率就越高。CT扫描仪应该提供具有足够分辨率的图象，以检测出厚度只有几毫米数量级的塑胶爆炸物品。因此，为了提供足够的分辨率，需要做很多大的改变。为了满足较高的行李通过速率，常规的CT行李扫描仪(例如视觉装置)可能对每个包只能产生几个CT图象。显然，为了相当快的吞吐量，在所分配的时间内不能扫描整个行李包。对每个行李包只产生几个CT图象，使得物品的大部分未被扫描到，并因此而不能提供足够的扫描，以识别行李包中所有具有潜在威胁的物体，例如片形爆炸材料。

为了提高吞吐流量，该视觉装置采用一个预筛选处理，它从一个角度产生整个包的二维投影图象。对于被识别为隐含有危险物品的投影区域，可以再接受完全扫描或人工检查。采用这种预筛选和选择区域扫描方法，整个包未被扫描，因此使得潜在的危险物品可能通过而未受检测。在当片状物相对于用于形成预筛选投影之辐射传播方向横向定向的情况下，尤其是这样，其中，该片状物盖住了包之区域的较大部分。

在根据专利合作条约的一项国际专利申请(公布号WO96/13017，公开日为1996年5月2日，发明人为埃伯德等人)、发明名称为“用于检测薄形物体的X射线计算机断层成像(CT)系统”(以下简称为“埃伯德等人的系统”)描述了另一种行李扫描系统。在埃伯德等人的系统中，整个包受到CT扫描，产生关于包的体素(voxel)密度数据。然后，对整个包进行一种连接组件标记(connected components label，CCL)处理，通过将那些实际上靠近在一起和具有预定之密度范围内之密度的体素分组，对物体进行识别。然后，对每个物体中的体素计数，以确定每个物体的体积。如果物体的体积超过一个阈值，通过以每个物体的密度乘以每个物体体素的体积，计算出每个物体的体积，然后再将单个体素的质量相加。如果物体的质量超过一个质量阈值，该物体被推断为危险品。

从埃伯德等人的系统可以看出，该系统可以识别薄形物体。该系统将其标记密度设置在低水平，以便可以检测到在边缘可见的薄物体，其中有部分填入体素。

埃伯德等人的系统的一个重大缺点是，它可能会漏检薄形物体，例如薄形爆炸物品，就看不到边缘，并覆盖行李包的大片面积。这些横向定位的片形物只会稍微增大对行李包所测量的密度，与背景的密度反差也只有很小。如果在CCL处理期间所用的密度阈值设置得足够低，能够检测出这些片形物，那么，由于该片形物与背景之间的低反差，整个行李包被连接和标记在一起，物体看不清也就识别不出来。如果该阈值设置得更高，那么片形物将会被漏检。

对于行李扫描设备，自动分析所得到的密度数据并确定该数据是否表明任何违禁物品(例如爆炸物)的存在，这可能是有利的。自动检测爆炸物过程应该具有较高的检测速度，使得漏检行李包中爆炸物的概率较小。同时，系统的假警报比率应该是较低的，以大大减少或消除对无害物的假警报。出于对大型商业机场的行李吞吐量的实际考虑，假警报比率较高可能会使系统性能速度降低至起阻止作用的低速率。

同样，可能有利的是实现一种能够检测和分类薄片形物体(例如片形爆炸物)的系统，例如，这种薄形爆炸物是通过装入电子设备中或将其夹入如杂志或书中而隐藏起来。

本发明的概述

本发明提出一种用于处理对于一个区域的计算机断层成象(CT)数据的装置和方法，以识别该区域中的物品，例如通过塞入电子设备或夹入如杂志及书类的物品中而隐藏起来的片形爆炸物。该区域可以包括一个如行李包的容器内部的至少一部分。本发明可应用于一种自动行李扫描系统，该系统可自动检测该区域中之物品并鉴别物品，将它们分类为危险物品或非危险物品。

在一个实施例中，本发明适用于一种识别薄片形物的恒定假警报比率(CFAR)片材检测方法。这种片材检测方式采用一种统计方法，以确定在CT密度数据中的每个体积元素或“体素”是否与片形物相关。应用这种统计方法，每个体素的分析是通过将其密度与其相邻体素之密度相比较来实现的。在一个实施例中，计算出相邻体素之密度的平均值和标准偏移。被分析的体素之密度和相邻体素之平均密度之间的差与预定的阈值差相比较，它可与相邻体素之密度的标准偏移相关。如果感兴趣处体素之密度与平均密度之间的差大于该预定阈值差，那么可以推断该感兴趣的体素是与薄形物(例如片状物)有关。

一般在片状物已被隐藏的情况下，例如是在电子设备和/或夹层中隐藏，可使用本应用装置，用CFAR方法将会漏检体素，结果，可能导致本系统放过了危险物。本发明可以检测出隐藏物，并修改鉴别处理，使得更易于将物体分类为危险物品。

本发明提出一种用于处理对于一个区域的计算机断层成象(CT)数据的方法和装置。在对于该区域的CT数据中识别多个体积元素。每一个体积元素与密度值相关。在与该区域中一个物体相关的CT数据中的体积元素被识别。至少一个接近该物体的子区域被识别，该子区域的至少一个特性被计算。根据计算所得到的该子区域的特性将该物体分类。

在一个实施例中，该子区域的至少一个特性是该子区域中体积元素的密度值之平均值。在另一个实施例中，该特性是该子区域中体积元素的密度值之标准偏移。该密度值的平均值可以与一个第一阈值比较，该密度值的标准偏移可以与一个第二阈值相比较。根据这些比较可以对该物体分类。在一个实施例中，如果该标准偏移低于该第二阈值，也就是说，如果该区域的标准偏移表示有一个均匀物体占据该区域，则该物体被分类为危险物。在这些情况下，在一个实施例中，该物体被识别为夹在一个诸如书或杂志的物品中。在另一个实施例中，如果该密度值的平均值超过了一个预定的阈值，也就是说，如果邻近该物体的区域的密度高于某一水平时，则该物体可以被分类为危险物体。在又一个实施例中，这两个要求被结合起来，即该区域的密度值的标准偏移低于一个阈值以及该密度值的平均值高于另一个阈值。如果两个要求都满足，该物体可以被分类为危险物。

在一个实施例中，该子区域的至少一个特性是在该子区域中具有位于一预定密度值范围内之密度值的体积元素之数量的计数。该数量可以与该物体中的体积元素之数量相比较。如果这两个数字的比率超过一个预定的阈值，那么可以利用该比较结果对该物体进行分类。这种分类结果可能包括的是，推断该物体是隐藏在电子设备中的片形物。根据此结论，鉴别参数(如质量阈值)可以修改，以便更容易识别出物体为危险物品。

在一个实施例中，该至少一个子区域包含该物体。在另一个实施例中，该子区域可以是一个包含该物体的矩形子区域，并可以是包含该物体的最小矩形子区域。在另一个实施例中，该至少一个子区域是在象薄片一样的物体的一个面上的一个层面。在这个象薄片一样的物体的相对面上可以定义一个第二子区域或层面。

在一个实施例中，该矩形子区域具有的平面边界(planar edges)平行于包含CT扫描系统的直角座标系的正交轴的平面，该CT扫描系统用于获得对该区域的CT数据。在另一实施例中，该矩形子区域具有的平面边界平行于包含该物体的直角座标系的正交轴的平面。在这个实施例中，该物体的直角座标系的确定是采用主成分分析法(principle component analysis)。该矩形子区域也可以大于包围该物体的最小矩形区域。在此情况下，包围该物体的最小矩形区域通过一种方法而被扩展，例如扩张法，以便能够分析对于环绕该物体之区域的体素数据。

本发明的隐藏物识别装置和方法对于CT扫描系统中的自动物体识别、分类和(或)鉴别提供了极大的改进。特别是该发明极大地提高了CT行李扫描系统探测行李中的危险物的能力。通过提出一种可以识别特定形式的隐藏物的方法，可以极大地改进该系统总的检测速率和该系统总的假警报比率。

附图简述

通过以下关于本发明的优选实施例的详细说明，将使得本发明上述的和其它的目的、特征和优点更清楚，如附图所示，其中相同的参考符号在所有不同的附图中表示相同的部件。这些附图并无必要按比例制图，重点在于说明本发明的原理。

图1是根据本发明的行李扫描系统的立体图；

图2是图1所示系统的端面剖视图；

图3是图1所示系统的径向剖视图；

图4是本发明的行李扫描器之一实施例的电气及机械方框示意图；

图5是说明本发明的物体识别方法之一实施例的逻辑流程的最高级流程图；

图6是本发明之感兴趣区域计算的一个实施例的逻辑流程之流程图；

图7是根据本发明的片形物检测方法之一实施例的逻辑流程之流程图；

图8A和8B是说明图7之片形物检测方法的示意图；

图9是根据本发明的一种检测和分类在电子设备或夹层中隐藏物的方法之一实施例的逻辑流程之流程图。

本发明之优选实施例的详细说明

本发明提供一种用对一个区域的CT数据检测、识别和(或)分类物体的装置和方法。该区域可能包括一件行李的内部或是在商用飞机上所携带或被检查的行李之内部。由本发明所识别的物体可以是在机场或飞机上对人造成威胁的已知物体。这些物体可以包括爆炸物或材料。在此方面，本发明的目的特别是在于检测薄形物体，例如片形爆炸物，它可以隐藏在诸如电子设备系统的物体中，或是位于非常靠近、或“夹藏”于诸如杂志或书籍的物体。本发明可以采用一种CT行李扫描系统来实现，这种系统在以上列出的未授权美国专利申请中做了描述及要求保护，并在此引入作为参考。

在以下的全部说明中，要注意的是，有很多阈值以及处理参数用于实现本发明的各种方法，例如密度阈值、质量阈值、与密度相关的质量阈值和差值阈值。这些阈值和参数是根据对CT数据的广泛分析而确定的，例如实际的三维CT密度数据，关于很多实际的危险物和非危险物。这种分析包括利用统计方法对数据进行统计分析，例如模拟退火和遗传算法。根据本发明，此分析便于根据要满足的特定目标选择阈值和(或)参数，例如假警报和(或)检测比率设置/最优化，爆炸物类型识别等，如下所述。

图1、图2和图3分别包括了根据本发明建立的行李扫描系统100的立体图、端面剖视图和径向剖视图，该系统根据本发明提供物体检测、识别和(或)分类。行李扫描系统100产生对于一个区域的CT数据，该区域可以包括一件行李。该系统可以采用CT数据产生关于该区域的图象体积元素或“体素”。该行李扫描系统可以是以上列举的未授权美国专利申请中所描述的类型。

系统100包括传送系统110，它用于连续地沿箭头114所指示的方向传送行李或皮箱112，并通过CT扫描系统120的中心开口。该传送系统包括用于支撑行李的电动机驱动带。所示的传送系统110包括多个单独的传送单元122；然而也可以采用其它形式的传送系统。

CT扫描系统120包括环形旋转台或圆盘124，它设置在一个门形支架125内，用于绕旋转轴127(如图3所示)旋转，该旋转轴最好是平行于行李112的行进方向114。驱动圆盘124绕旋转轴127旋转，可以通过任何适合的驱动装置，例如传送带116和电动机驱动系统118，或其它适当的驱动装置，例如在美国专利5473657中所述的一种，该专利文献于1995年12月5日出版至GilbertMcKenna，名称为“X射线断层扫描系统”，(代理人记录号为ANA-30CON)并被转让给本申请的受让人，在此引入于其整体中作为参考。旋转台124限定一个中心开口126，传送系统110通过该开口传输行李112。

系统120包括X射线管128和检测器阵列130，它们设置在平台124的完全相反之相对面上。检测器阵列130可以是二维阵列，例如在未授权的美国专利申请号08/948450、名称为“用于计算机断层扫描系统的区域检测器阵列”(代理人记录号为ANA-137CON)、于1997年10月10日递交的文件中描述的阵列。系统120还包括一个数据采集系统(DAS)134，用于接收和处理由检测器阵列130所产生的CT数据信号，以及一个X射线管控制系统136，用于向X射线管128提供电源并在不同情况下控制其操作。并且，系统120最好配置一个计算机处理系统，用于处理数据采集系统134的输出并为系统120的运行和控制产生必要的信号。该计算机系统也可以包括一个监视器，用于显示信息，包括所产生之图象。X射线管控制系统136可以是一个双能(dual-energy)X射线管控制系统，例如在未授权的美国专利申请08/671202中描述的双能X射线管控制系统，该专利申请名称为“改进的双能电源”(代理人记录号为ANA-094)，并被转让给与本申请相同的受让人，在此被引入于其整体中作为参考。双能X射线技术用于X射线CT图象的能量选择再现，它除了指示材料的密度外，还指示材料的原子数，因此特别有用，尽管本发明并不是预期要限于这种控制系统。要注意的是，本发明在此的详细说明描述了关于单能数据的细节。可以理解的是，该说明可应用于多能技术。系统120也包括防护屏138，它可以由铅制成，例如用于阻止辐射的扩散超出门形构架125。

在一个实施例中，X射线管128产生锥形射线束132，通常称为通过三维成象区域的X射线的“锥形束”，由传送系统110传输行李112通过该区域。通过置于成象区域的行李后，由检测器阵列130接收到锥形束132，该阵列又产生表示行李112之暴露部分的密度的信号。因此该射线束限定了扫描空间之体积。平台124绕其旋转轴127旋转，因此，当行李由传送系统110连续地传送而通过中心开口126时，该平台在圆形轨道上绕行李112传送X射线源128和检测器阵列130，以便在相应的多个投影角产生多个投影。

在一种公知的方式中，检测器阵列130发出的信号开始可以由数据采集系统134获得，随后由计算机处理系统采用CT扫描信号处理技术进行处理。该处理数据可以显示在监视器上，以及(或)还可以由如以下详细说明的处理系统作进一步的分析，以确定可疑材料的存在。例如，可以分析CT数据以确定是否该数据提示具有爆炸物之密度(以及当使用双能系统时的分子量)的材料存在。如果出现这样的数据，可以设置适当的装置用于向该系统的操作员或监视人员提示检测到这种材料，例如，通过在监视器屏幕上提供一个指示标记，通过发出可听见的或可看见的警报，以及(或)通过设置一个自动排出设备(未示出)从传送器移出可疑的行李包，做进一步的检查，或是停止传送器，以便可以检查和(或)取出该可疑行李包。

如上所述，检测器阵列130可以是二维检测器阵列，检测器能够提供在X轴方向和Y轴方向、以及Z轴方向的扫描数据。在每个测量间隔期间，该阵列130的多排检测器由相应的多个投影产生数据，从而同时扫描行李112的体积区域。检测器排列的尺寸和数量最好是根据所需的分辨率和扫描器的吞吐量而选择，它们依次是旋转平台124的旋转速率和传送系统110的速度的函数。这些参数被最优地选择，以便在平台124之单个完整的旋转所需时间中，传送系统110使行李112前进足够的距离，使得在平台转一圈的期间由检测器阵列130扫描的体积区域，与在平台下一圈期间由检测器阵列130扫描的体积区域是邻接的及未重叠的(或部分重叠)。

传送系统110连续传送行李物112通过CT扫描系统120，最好是以恒定的速度，同时，当行李物通过时，平台124以恒定的旋转速率绕行李物旋转。以这种方式，系统120对整个行李物执行螺旋状的体积CT扫描。行李扫描装置100最好采用由阵列130提供的至少一些数据和螺旋形再现算法，当行李通过该系统时，产生整个行李包的体积的CT图象。在一个实施例中，该系统100对数据执行盘旋片再现(nutating slice reconstruction，NSR)，如未授权的美国专利申请号08/831558中所述，该申请于1997年4月10日递交、名称为“盘旋片CT图象再现装置和方法”(代理人记录号为ANA-118)。因此该系统100提供对每一个包的完整CT扫描，而不是只提供对行李物所选择部分的CT扫描，不需要预筛选设备。该系统100也提供快速扫描，因为随着平台124每转一圈，二维检测器阵列130允许系统100同时扫描每件行李物的较大部分。

图4包括了本发明的行李扫描系统100之一实施例的机械/电气方框图。扫描器100的机械式门形构架包括两个主部件：圆盘124和框架(未示出)。圆盘124是一个旋转部件，它装载X射线装置、检测器装置130、数据采集系统(DAS)134、高压电源和部分监视器/控制装置、电源供电装置和数据链接装置。该框架支撑整个系统100，包括行李处理传送系统110。圆盘124通过双向斜角连接球状连接筒而与框架作机械连接。通过一个皮带可以恒定的速度旋转圆盘124，该皮带可以由直流伺服电动机505来驱动。该门形构架也包括在圆盘和框架装置上的X射线防护层。

在一个实施例中，行李传送系统110包括一个以恒定速度驱动的单独的传送带，以满足特定吞吐量的要求。该传送带可以由一个高转矩、低速度装置驱动，在改变负载的情况下提供恒定的速度。一种低衰减碳一石墨环氧树脂材料可以用于在X射线中传送器基层之部分。传送器的总长度被设计为可容纳三个平均长度包。采用一个孔道(tunnel)环绕传送器，以满足箱式X射线系统适当的安全要求。

在一个实施例中，采用输入电力为208伏、3相、30安培的电源作为主电源，能向整个系统提供电力。可以由该系统所安装位置的机场提供该输入电力。电力从框架通过一系列框架刷被传输，框架刷连续接触安装在圆盘124上的金属环。在圆盘124上的低压电源501为DAS 134、X射线冷却系统和各种监视器/控制计算机和电子装置提供电源。在框架上的低压电源为再现计算机和各种监视器/控制电子装置提供电源。传送器电动机503、门形构架电动机505、高压电源和X射线冷却剂泵都可以直接从该主电源得到供应的电力。

高压电源提供电力给X射线管128。该电源通过阴极/阳极提供双电压。驱动波形可以是任何所需的形状，优选的是正弦波的波形。该电源也可以提供X射线灯丝电源。该电源电流对于两个电压可以被保持近似的恒定。

双能X射线射在行李上，该X射线的一部分穿过并射在检测器装置130上。检测器装置130执行一个模拟转换，从X射线转换为可见光子，再转换为电流。DAS 134可以对检测器电流进行采样、多路传输被放大的电压至一组16位模数转换器并多路传输数字化输出至计算机处理系统515，它产生CT数据并根据本发明处理该数据，如下所述，以检测、识别和分类在该件行李112中的物体。在一个实施例中，DSA 134的数字数据经非触式串行数据链路被传输至处理系统515。由圆盘124的角位置可以触发该DAS 134。

非触式链路511和513可以传输高速数字化DAS数据至处理系统515以及来往于圆盘与框架控制计算机之间的低速监视器/控制信号。该数据链路511可以基于RF(射频)发射机和接收机。

在一个实施例中，处理系统515的图象再现器部分将来自DAS134的数字线积分转换为一组对于高能和低能的包切片的二维图象。经过螺旋状锥形束的解决方法，可以完成CT再现，例如盘旋切片再现方法，在未授权的美国专利申请号为08/831558中描述了该方法。该再现器可以包括嵌入式软件、高速DAS端口、阵列处理器、基于DSP的褶积器、基于ASIC的背式投影仪、图象存储器、UART控制端口、以及为图象数据而设的SCSI输出端口。阵列处理器可以实现数据校正和插补。该再现器可以是自主的，并可以根据行李信息对图象做标记，该行李信息是在至框架计算机的UART接口上接收的。

处理系统515可以包括基于PC的嵌入式控制系统。可以监视所有子系统的有关主要健康和状态信息。该系统也可以控制两个运动系统，能够读出行李信息，能够控制环境，例如温度、湿度等，能读出圆盘124的角位置，并能够触发DAS和HVPS。该系统还可以设有视频和键盘接口，用于操纵诊断和控制。还可以包括一个控制面板，用于现场服务。

大多数类型的爆炸物可以根据它们的形状和(或)构成材料而被分成若干类。例如，种类包括片状、棒状、块状和其它根据形状的类型。某些材料之类型可以再细分成根据容器划分的子类型，例如圆筒形。这些类型具有不同的典型特征，例如形状、大小、质量或密度。

在一个本发明的实施例中，首先对数据执行局部鉴别，以识别片状物体。下一步执行连接步骤以连接物体，例如一些连接部件标记(CCL)的形式。然后，执行进一步的识别，根据潜在的危险对已识别的物体分类。这与现有的系统是相反的，例如埃伯德等人的系统，它是先执行连接，再做识别，导致错过了薄片形物体。

在一个实施例中，片形爆炸物检测是基于一种称为恒定假警报比率(CFAR)方法的过程，它由统计决定一个体积元素或体素是否属于片状爆炸物。采用根据本发明的形态片材检测(morphologicalsheet detection)方法，也可以识别出片状体素，如以下的详细说明。在一个实施例中，由本发明的CFAR或形态片状检测，利用标准的CCL处理，被识别为片状体素的体素而后被连接和标记。然后，标记的物体可以由它们的质量而被鉴别。如果物体的质量大于预定的阈值，该物体可以被断言是一个片状爆炸物。

图5包含本发明可用的物体识别方法之一种方法的逻辑流程的最高级流程图。在第一步骤301中，再现的CT图象数据被接收和分析，以限定一个感兴趣区域(ROI)或为该区域定界为箱形。该处理排除行李包外的体素，因此大大减少了数据设置的大小。然后该方法可以沿平行的路径继续下去，包括片状物体检测路径和块状物体检测路径。

沿着片状检测路径，在片状检测步骤302检测片状物体。在鉴别步骤306，分析被检测物体以确定它们是否是危险物。在一个实施例中，通过将物体的质量与一个质量阈值相比较，完成该步骤。鉴别步骤306产生对于行李包的标记图象数据，它对属于每一个片状物体的每一个单独的体素做标记或标志，并可识别每一个片状物体的物理特性(最好是密度和质量)和它们在行李包中的位置。根据被识别的物体，对于每一个体素的标记图象数据也可以识别该体素，或者可以识别该体素作为背景。

沿块状检测路径，在块状检测步骤304检测块型物体。下一步，在鉴别步骤308，分析被检测的块状物体，确定它们是否是危险物。鉴别步骤308产生对于包的标记图象数据，它标记属于每一个块状物的体素，并识别每一块状物的物理特性(最好是密度和质量)和它们在包中的位置。

结果数据汇合步骤310取出由片状和块状检测步骤所产生的标记图象数据，并计算对应于被检测爆炸物的单个标记图象。可以理解的是，所描述的与图5有关的方法可以包括两个以上的独立检测路径，取决于被识别物体的类型数。

在整个应用中，术语“3-D图象”和符号C(i，j，k)被用于表示一组CT切片图象。每一个CT切片的尺寸是I行乘J列。在C(I，j，k)中的符号i表示行指针，取值从0至I-1。同样，符号j表示列指针，取值从0至J-1。在一组切片中有K个。符号k表示这些切片之一，取值从0至K-1。函数C(i，j，k)被用于指出或表示在此组中一个特定的CT密度，表示的是在第i行、第j列、第k个切片的CT密度值。该CT密度用正整数表示，0(Hounsfield单位)对应于空气的密度，1000(Hounsfield单位)对应于水的密度，虽然如果需要可以采用其它整数值。

函数C(i，j，k)可以被认为是一个3-D图象，其宽度为I个象素，高度为J个象素，深度为K个象素。在该3-D图象中每个元素是体素。对于由(i，j，k)三个量一组表示的特定体素的值C(i，j，k)是占据该体素之材料的CT密度。

体素的大小是由CT设备的分辨率确定的。在一个实施例中，扫描器具有额定的体素大小，宽度(x)为3.5mm，高度(y)为3.5mm，深度(z)为3.33mm，这是一个相当小的体素，因此与其它系统相比产生较高的分辨率，尽管该额定值可以根据几个设计因素改变。利用此信息和CT密度，有可能计算出在3-D图象中每个体素的质量。

CT密度近似地对应材料的物理密度。由于CT密度1000被安排对应于水的密度(即1gram/cc)，为了找出以克为单位的给定体素的质量，此体素的CT密度值被除以1000，并乘以该体素的体积(0.35×0.35×0.333cc)。在这一应用中描述的方法利用这个转换(作为常量C₀)以计算该包的质量和在该包中每一个所识别物体的质量。

对于在以上所述及图5所示的方法中的主要步骤，以下将作详细说明。图6是对感兴趣区域计算301之一种方法的逻辑流程之流程图。对感兴趣区域计算的目的是除去图象中位于该行李包之外的部分，以便使该处理的其它部分用更少的数据去分析，因而使该处理加速，并减少所需存储器。在一个实施例中，从最初的图象中提取出一个矩形子集，其中包含具有在感兴趣范围中之CT密度值的所有体素。

对于感兴趣区域计算之输入量包括C(i，j，k)，它是相对一个包的三维CT图象。输出包括Croi(i，j，k)，它表示感兴趣包的CT图象和(x_min，x_max，y_min，y_max，z_min，z_max)，它们是感兴趣箱形区域的坐标值。用于计算的参数t₀是空气对包的阈值。方法301开始是接收表示包的3-D图象的数据，C(i，j，k)和相对于空气阈值t₀的值。下一步，在步骤312，对被识别为含有表示空气的数据的体素进行识别，在步骤314，计算对于感兴趣区域的坐标值，以便如果不排除这些体素之全部则排除其中的大多数。步骤312和314按如下所示进行，以便限定感兴趣之区域：

x_min＝对于任何j、k，使得至少一个C(i，j，k)≥t₀的最小I值；

x_max＝对于任何j、k，使得至少一个C(i，j，k)≥t₀的最大I值；

y_min＝对于任何i、k，使得至少一个C(i，j，k)≥t₀的最小j值；

y_max＝对于任何i、k，使得至少一个C(i，j，k)≥t₀的最大j值；

z_min＝对于任何i、j，使得至少一个C(i，j，k)≥t₀的最小k值；

z_max＝对于任何i、j，使得至少一个C(i，j，k)≥t₀的最大k值

下一步，由以下方式计算感兴趣区域(包括该包)的图象：

C_roi(i，j，k)＝C(i＋x_min，j＋y_min，k＋z_min)，其中：

                    0≤i≤x_max－x_min

                    0≤j≤y_max－y_min

                    0≤k≤z_max－z_min

图7的流程图说明本发明可被应用之一种片状物检测方法之一的逻辑流程。片状爆炸物的特征是在一维空间尺寸(高度、宽度或深度)上比起其它两维空间尺寸上要薄得多。这一维方向之尺寸被认为是薄形爆炸物的厚度。这里所描述的一种薄形爆炸物检测方法对于片形物厚度是可调的，及采用恒定假警报比率(CFAR)方法。例如，在Kreiten等人的“从混杂信号中鉴别目标”(林肯实验室杂志，1993年6卷1号)、Novak等人的“关于SAR自动目标识别系统的性能的偏振作用和分辨率”(林肯实验室杂志，1993年6卷1号)及Frosgate等人的“SAR成像的多比例分段和不规则增强”(IEEETrans.On Imag.Proc.，1997年6卷1号)中，都描述了二维CFAR方法，这些都在此列出作为参考。在本发明可被应用之一种三维CFAR方法中，对于感兴趣区域的CT图象数据，执行CFAR片形体素分析步骤318，以识别与片状物相关的体素。下一步，在步骤320可以对片状体素应用连接组件标记(CCL)方法，将它们连接在单个物体内。在步骤306，该物体被分类，例如是通过质量鉴别分类。

在CFAR方法中，在该包中的每个体素被检查，以确定是否它是片状爆炸物的一部分。作为片状爆炸物的一部分，一个体素应该具有在某个CT密度值范围内的一个CT密度值，并应该是在统计上远离其背景。在一种方法中，该背景被定义为在一立方体之表面的体素，其尺寸与片状物厚度相差不大，并以图8A和图8B所示的测试体素为中心，这两个图是CFAR方法的示意图，该方法可用于本发明。图8A表示在二维空间中的背景立方体321，它包括应用于CT数据体素的测试体素319，该CT数据体素中包括一个片状物317。通过计算得出围绕该测试体素的背景体素之密度的平均值和标准偏移(deviation)。将测试体素之值与该背景的平均值和标准偏移相比较。如果该测试体素至其背景的统计距离大于一个预定的阈值，则该测试体素被认为是属于片形爆炸物。

在一种可选的方法中，在该立方体之表面上的所有体素并非都用于计算平均值和标准偏移。为了节省处理时间，可以对表面的体素采样，并且只采用采样所得的体素计算平均值和标准偏移。在一个实施例中，只是每隔一个体素进行采样，从而导致产生该平均值和标准偏移所需的处理时间节省了一半。

在另一种可选的方法中，可以在三个正交的笛卡儿平面x-y、x-z、y-z中执行三个独立的二维CFAR计算。对于每个平面计算出背景的体素平均值和标准偏移，该背景被定义为在相应平面中一个正方形之周边上的体素。然后，对于每个平面计算出统计距离，并与一个预定的阈值比较。不同的坐标平面可以有不同的阈值。采用阈值被超出之平面的数目，以确定该体素是否为片形体素。例如，如果一个或多个阈值被超出，那么可以推断出该体素是片形体素。在另一个实施例中，如果有两个或更多个阈值被超出，该体素被标示为片形体素。

在上述的CFAR方法之情况下，除了可以采用下限阈值外，可以采用上限阈值来替代。这将清除那些与背景相比有很高对比度的片形物。这种片形物的示例可以是该包的外表面。

如图8B所示，对于块状物体325，背景体素覆盖该物体本身更多部分。因此，该背景在统计上变得接近于该测试体素，该测试体素选自于该测试物体。因此，CFAR距离对于象薄片一样的物体是较大的，而对于像厚块一样的物体是较小的。这一特性被用于检测属于象片形一样的物体的所有体素，并除去该包中属于块形物体的所有体素。

选定那些认为是片形物的体素后，对片形体素执行CCL分析320，将这些体素组合成片形物，因此获得的每个连接组件的质量与一个预定的质量阈值进行比较，以确定片形爆炸物的存在。一般来说，超过预定阈值质量的片形物被推断为爆炸物。

如上所述，片形爆炸物检测方法的目的是检测象片状一样的物体。在块状物检测过程中，在所执行的形态步骤中，例如磨损，片形物会被无意地从数据中消除，为解决这一问题，采用一种独立的片状爆炸物检测步骤。对片状物检测方法的输入量包括C_roi(i，j，k)，它是感兴趣区域的3-D图象(大小为I_roi×J_roi×K_roi)。片形爆炸物检测之输出量包括如下：

L_s(i，j，k)，对于片形爆炸物的标记图象(大小同C_roi)；

N_s，所检测片形爆炸物的数量；

P_n，每个所检测物体的密度；

M_n，每个所检测物体的质量；及

(Xⁿ _min，Xⁿ _max，Yⁿ _min，Yⁿ _max，Zⁿ _min，Zⁿ _max)，对于每个检测物体的边界箱形。

如用于与本发明的这一方面及其它方面相关的边界箱形，它被定义为包含所定界之物体的最小矩形区域。关于片形物检测的参数包括如下：

(P^s _min，P^s _max)，对于片形物的感兴趣区域之CT密度；

g，环绕体素中测试象素的CFAR立方体之大小；

t₁，CFAR选定阈值；

，CCL阈值；

Cs，CCL连通类型(“表面”、“边缘”或“顶端”之任何组合)，

Ms，关于片形爆炸物检测的质量阈值；及

C₀，CT密度对质量转换因子。

在一个实施例中，片形爆炸物检测方法中的步骤包括如下：

1、从ROI之3-D图象，C_roi(i，j，k)开始；

2、用g层具有某些预置背景值(例如零)的体素值填充图象，在每一个面上产生一个填充的图象，

P(i，j，k)，大小为(I_roi＋2g)×(J_roi＋2g)×(K_roi＋2g)

3、光栅扫描该填充的图象，并找出体素{V₀＝(i₀，j₀，k₀)，V₁＝(i₁，j₁，k₁)，…Vn…}中具有介于P^s _min与P^s _max之间之CT密度的体素。简写符号Vn用于表示体素，0≤n＜(I_roi＋2g)(J_roi＋2g)(K_roi＋2g)。

4、对于每一个体素Vn＝(I，j，k)，CFAR之表面，Sn被定义为以Vn为中心的(2g＋1)×(2g＋1)×(2g＋1)立方体之表面体素V_n1＝(I’，j’，k’，)：

在Sn(立方体之表面区域)中的体素数等于

            A_sn＝24g²＋2

5、在以每一个Vn为中心的CFAR立方体之表面Sn上，计算平均值， ${\mathrm{\μ}}_n=\frac{1}{A_{S_n}}\underset{V_{n\′}{\mathrm{\ϵS}}_n}{\mathrm{\Σ}}P\left(V_{n^{\′}}\right)----\left(3\right)$ ${\mathrm{\σ}}_n=\sqrt{\frac{1}{A_{S_n}}\underset{V_{n^{\′}}\∈S_n}{\mathrm{\Σ}}{P}^2\left(V_{n^{\′}}\right)-{\mathrm{\μ}}_n^2}----\left(4\right)$

6、在相同的表面计算标准偏移σ_n， $d_n=\frac{P\left(V_n\right)-{\mathrm{\μ}}_n}{{\mathrm{\σ}}_n}----\left(5\right)$

7、计算该体素至由μ_n和σ_n所给定的背景的距离d。

8、产生一个CFAR图象CFAR(i，j，k)，大小同输入图象C_roi(i，j，k)(未填充零)，只包括那些其距离d_n超出阈值t₁的体素。

9、执行连接组件标记(CCL)，采用CCL参数，

和Cs，在CFAR图象CFAR(i，j，k)上，产生一个标记图象Ls(i，j，k)和边界箱形(Xⁿ _min，Xⁿ _max，Yⁿ _min，Yⁿ _max，Zⁿ _min，Zⁿ _max)，

10、对于，每个物体l＝1，…，Ns，在CCL期间计算质量M1。

其中，选择器函数h(x，l)被定义为 $M_1=c_0\underset{i,j,k}{\mathrm{\Σ}}\mathrm{CFAR}(i,j,k)h(L_s(i,j,k),l)----\left(9\right)$

11、除去质量M₁低于给定质量阈值m_x的所有物体。   

12、采用连续的正整数标记再数剩余物体，并更新标记图象。设置Ns等于剩余物体数。

应该注意的是，根据该片形物检测方法，可以采用方差σ² _n来替代步骤5中的标准偏移σ_n。这可以提高实施的执行速度。同样，可以采用非立方体的形状去定义CFAR表面。另外，采用本发明的块状路径方法可以检测出厚片爆炸物。因此，在一个实施例中，被检测之片状物的厚度可以被设置为稍厚于由块状检测所能检测的最薄片状物。

因此，CFAR选定标记一个体素作为象片状一样之物体的部分，是根据与其环境相关的体素密度之两个特性。测试体素的密度必须不同于背景，并且这种差别与背景密度的标准偏移相比必须是显著的。当密度差很小时，或当背景不均匀时，CFAR可能丢失一些属于片形爆炸物的体素。结果，象片形一样的物体可能推断为小于其实际大小。这可能导致错误地将该物体分类为非危险物体。

有几个因素可能导致丢失片形体素的效果。例如，一些对于隐藏象片形一样的爆炸物的常用方法可能导致丢失片形物体素。有两种特殊的隐藏类型是常用的。首先，片形物可以置于电子装置内。电子装置非常密集的元件邻近片形爆炸物，由于图象人工因素(artifacts)，可能产生一个不均匀的背景密度。这些人工因素的另一效果是，它们可能引起所观测的爆炸材料片形物之密度下降在感兴趣密度范围外，并因此可能引起该片形物被分类为非危险物。另一种可能导致错误分类的隐藏是采用均匀的大块物体，例如书或杂志，构成包围片形爆炸物的“象三明治一样(sandwich-like)”的结构。这样，通过将片形爆炸物放置在书或杂志的纸页之间而可以隐藏片形爆炸物。在这一情况下，环绕该片形物之区域的密度是均匀的，但是环绕区域和爆炸材料之间的密度差很小。结果，会丢失部分片形爆炸物，减少其所检测到的总质量。

由于电子设备隐藏片形爆炸物而存在的另一个潜在的困难是关于根据形状和质地进行鉴别。一般来说，爆炸物的有效隐藏包括隐藏爆炸物而使得它不会由视觉检查而被发现。为了使片形爆炸物适于放在一件电子设备中，必须使该片形爆炸物变形或弯曲以占据在电子组件之间的空间。紧靠一些塑料电子部件可能导致片形爆炸物与隐藏物之部分合起来增长，因此进一步使其变形。结果，基于形状的鉴别特征可能会使放置在电子设备内的片形爆炸物变得清楚。

本发明的装置和方法提供一种手段以识别和分类紧靠电子设备或位于一种均匀物体内的像片形一样的物体，该均匀物体所具有的绝对密度接近于该片形物的密度，即“夹藏”在书或杂志内。当检测象片形一样的物体时，可以采用本发明的电子设备或夹层检测手段，以检测接近的电子设备和(或)夹藏物，相应地，修改分类周界，以便使该系统不会清除隐藏的危险物。本发明检查象片形一样的物体的周围。在一个实施例中，如果检测一个象含有夹藏物的环境，可以减低在分类物体中所用的质量阈值。同样，如果对物体周围的分析显示出有电子设备隐藏物，那么，可以采用一组不同的质量一密度范围以识别危险物。在夹藏物识别方法中，在平面的象片形一样的物体的每一面上之区域中测量背景密度的平均值和标准偏移。如果在任一面上，平均值大于干衣服的密度及标准偏移较低，显示在片形物的邻近区中有近似密度的块状物，那么，可以降低用于分类物体的质量阈值。

一般来说，夹层和电子设备参数与物体的特征无关。然而，如以下之详细说明，在一个实施例中，一个独立的处理器计算两组周边。图9所包含的示意流程图说明在电子设备或夹层隐藏物结构的情况中、检测和分类物体之方法的一个实施例的逻辑流程。在该过程的步骤400中，产生一个与被检测物体主轴紧密结合并包围该物体的特征箱形。该物体特征箱形被定义为与该物体之主轴紧密结合并包含整个物体的最小矩形区域空间。下一步，在步骤402，扩展该特征箱形，以允许检查环绕该物体之区域。在一个实施例中，由一个扩张算子(dilation operator)完成该扩展，它可以是在未授权的美国专利申请序列号09/022204中描述的那种类型，列于此处以参考上述内容。同样，在包含该扩展特征箱形的三维CT图象中，对感兴趣区域进行识别。

下一步，在步骤404，对该特征箱形内的较高密度体素数进行计数。这包括设置用于分类体素为具有高密度的阈值。在该计数中包括所具有的密度值超过该阈值的体素。下一步，在步骤406，计算在步骤404所获得的计数对物体体素之总数的比率。在步骤408，判定是否该比率超出一个预定阈值。如果是超出，在步骤410，表示有电子设备隐藏物。下一步，在步骤412，鉴别参数被修改，使得该物体被分类为危险物品。例如，可以降低质量阈值。如果在步骤408中，该比率未超过该阈值，则流程继续至步骤414，在此开始进行识别可能的夹层结构之过程。同样，在步骤412中修改鉴别参数以解决电子设备隐藏物后，流程进行到开始于步骤414的夹层识别过程。

在步骤414，在被识别的象片状一样的物体之相对面上定义两个区域。每个区域被定义为邻接于该物体之特征箱形的两个最大面之一面的一层。在该物体之相对面上的两个区域中的密度之平均值和标准偏移被计算。在步骤416，在步骤414计算的平均值与一个第一阈值相比较，标准偏移与一个第二阈值相比较。如果该平均值超过该第一阈值及标准偏移小于该第二阈值，即，如果至少在一面上平均密度较高及标准偏移较低，那么流程继续到步骤418，显示有夹层隐藏物。下一步，在步骤420，可以修改鉴别参数，以使得该物体被分类为危险物。例如，可以再修改质量阈值和(或)其它参数。

根据本发明，在与该物体之主轴一致的坐标系中检查物体周围。电子设备和夹层处理沿每一个主轴扩展该物体特征箱形，以计算电子设备和夹层参数，在一个实施例中，特征箱形的每一维空间尺寸增加相同的量。如果扩展特征箱形的厚度小于由处理参数之一给定的最小值，该特征箱形沿对应于物体厚度的主轴被进一步扩展，以获得最小厚度。

扩展的特征箱形方法计算该物体之特征箱形及其扩展特征箱形之间的间隔，并对扫描器坐标空间中包的CT图象中的矩形感兴趣区域进行识别，该坐标空间包含此扩展特征箱形。所有坐标、大小和空间尺寸在体素中给出。

对计算扩展特征箱形和感兴趣区域之过程的输入量给出如下：

W，H，D：                    包的CT图象的宽度、高度和深度；

(i，j，k)_min，(i，j，k)_max：物体边界箱形坐标；

e1：                         沿物体的最小(厚度)空间尺寸的特征向量；

e2：                         沿物体的第二大(宽度)空间尺寸的特征向量；

e3：                         沿物体的最大(长度)空间尺寸的特征向量；

m＝(i_m，j_m，k_m)：        物体质量中心(center-of-mass)坐标；

l₁ ^min，l₁ ^max：             从m沿e₁测量的物体空间尺寸；

l₂ ^min，l₂ ^max：             从m沿e₂测量的物体空间尺寸；及

l₃ ^min，l₃ ^max：             从m沿e₃测量的物体空间尺寸

在计算扩展特征箱形和感兴趣区域过程中所用的参数包括：

G_e1：为电子设备检查的绕物体特征箱形的间隔大小；及

T_min：扩展特征箱形的最小厚度。

计算该扩展特征箱形和感兴趣区域的处理之输出量包括：

(I，J，K)_min，(I，J，K)_max：矩形图象厚片之坐标，包含

                             该扩展物体特征箱形；及

G_thk：在厚度方向绕物体特征箱形的实际间隔，满足最小

       厚度要求。

在一个实施例中，计算扩展特征箱形和感兴趣区域之处理中的步骤包括如下：

1、比较物体厚度l₁ ^max－l₁ ^min与最小扩展特征箱形厚度T_min。

2、如果l₁ ^max－l₁ ^min大于T_min－2G_e1，其输出被计算为：

G_thk＝G_e1

I_min＝max(0，i_min－G_e1)

I_max＝min(w－l，i_max＋G_e1)

J_min＝max(0，j_min－G_e1)                (11)

J_max＝min(H－l，j_max＋G_e1)

K_min＝max(0，k_min－G_e1)

K_max＝min(D－l，k_max＋G_e1)

3、否则，输出被计算为：

G_thk＝(T_min－l₁ ^max＋l₁ ^min)/2

I_min＝max(0，i_min－T^min)

I_max＝min(w－l，i_max＋T_min)

J_min＝max(0，j_min－T_min)                   (12)

J_max＝min(H－l，j_max＋T_min)

K_min＝max(0，k_min－T_min)

K_max＝min(D－l，k_max＋T_min)

根据以下说明完成计算电子设备和夹层参数的处理。这一部分处理检查在CT图象中感兴趣区域，并计算在该物体的每一面上物体电子设备比数(score)和夹层密度平均值和标准偏移。电子设备比数被定义为在该物体的扩展特征箱形内高密度体素之数量除以该物体中体素数之比率。

输入量如下：

C(i，j，k)：包的3D CT图象；

m＝(i_m，j_m，k_m)：物体质量中心(center-of-mass)坐标；

e1：                 沿物体的最小(厚度)空间尺寸的特征向量；

e2：                 沿物体的第二大(宽度)空间尺寸的特征向量；

e3：                 沿物体的最大(长度)空间尺寸的特征向量；

l₁ ^min，l₁ ^max：     从m沿e₁测量的物体空间尺寸；

l₂ ^min，l₂ ^max：     从m沿e₂测量的物体空间尺寸；

l₃ ^min，l₃ ^max：     从m沿e₃测量的物体空间尺寸

(I，J，K)_min，(I，J，K)_max：矩形图象厚片之坐标，包含

                             该扩展物体特征箱形；

G_thk：在厚度方向绕物体特征箱形的实际间隔；及

N：    在该物体中的体素数量。

在计算电子设备和夹层参数中所用的参数包括：

C_e1：高密度体素的最小CT数

G_e1：为电子设备检查绕该物体特征箱形的间隔大小；及

G_CFAR：CFAR保险(guard)区域大小。

参数计算的输出量包括：

E：物体电子设备比数；

M1，σ1：在扩展特征箱形之一面上的密度平均值和标准偏移；及

M2，σ2：在扩展特征箱形之另一面上的密度平均值和标准偏移；

在一个实施例中，计算电子设备和夹层参数的处理是根据以下说明进行的。

1、光栅扫描所有在感兴趣区域内的体素v＝(i，j，k)：

         I_min≤i≤I_max

           J_min≤j≤J_max    (13)

           K_min≤k≤K_max

2、对于每一个这样的体素v＝(i，j，k)，计算其特征坐标(i_e，j_e，k_e)，即，在该物体的坐标系中的体素坐标：

    i_e＝(v－m)ê₁

    j_e＝(v－m)ê₂    (14)

    k_e＝(v－m)ê₃

3、对扩展特征箱形内具有高密度的体素v的数量N_e1进行计数。对于每个体素，检查特征坐标是在该扩展特征箱形限制之内，并将密度与由C_e1参数给出的最小值比较：

                     C_e1＜C(i，j，k)

      l₁ ^min－G_thk＜i_e＜l₁ ^max＋G_thk

      l₂ ^min－G_e1＜j_e＜l₂ ^max＋G_e1           (15)

      l₃ ^min－G_e1＜k_e＜l₃ ^max＋G_e1

对于每个满足条件(15)的体素，N_e1加1。

4、计算物体电子设备比数： $E=\frac{N_{e1}}{N}----\left(16\right)$

5、对于处在该物体特征箱形之两个最大面之每一面外的G_CFAR厚层中的体素v＝(i，j，k)，计算密度平均值M和标准偏移s：

  M₁＝ C(i，j，k)

  M₂＝ C(i，j，k)

在等式(17)和(18)中，上划线表示对线下面之值求平均值。

电子设备比数E和平均值M₁、M₂和标准偏移s1、s2与阈值相比较，以判定片状物体之电子设备隐藏物和(或)夹层隐藏物是否存在。如果是这样，可以利用这一信息，或选择性地禁用一些用于分类物体的鉴别特性，或是切换到一组可选的阈值用于鉴别处理。这一识别过程允许增加对隐藏于电子设备的片形物的检测和放置在如杂志和书的均匀物体附近或内部的片形物的检测。

虽然根据其优选的实施例已对本发明做了详细地说明及描述，本领域技术人员可以理解的是，在不背离如权利要求书所限定的本发明之精神和范围的情况下，可能在其形式和细节上实现各种变化。例如，本发明可应用于检测除以上所述特定材料之外的爆炸物。同样，本发明可用于检测其它物体和材料，包括毒品和货币。本发明可以被用于检测那些被检查和被运送行李中的任何物品，以及那些在船上或其它类型的容器中的任何物品。

Claims (38)

1、一种处理对于一个区域的计算机断层成象(CT)数据的方法，包括：

识别在对于该区域的CT数据中的多个体积元素，每个体积元素与密度值相关；

识别与该区域中之物体相关的CT数据中的体积元素；

识别至少一个接近于该物体的子区域；

计算至少一个该子区域的特性；及

根据该子区域的特性对该物体分类。

2、根据权利要求1所述的方法，其中，该至少一个子区域包含该物体。

3、根据权利要求1所述的方法，其中，该至少一个子区域是包含该物体的矩形子区域。

4、根据权利要求1所述的方法，其中，该至少一个子区域是矩形子区域。

5、根据权利要求4所述的方法，其中，该矩形子区域具有平行于平面的平面边界，所述平面包含CT扫描系统之直角坐标系的正交轴，该CT扫描系统用于获得对于该区域的CT数据。

6、根据权利要求4所述的方法，其中，该矩形子区域具有平行于平面的平面边界，所述平面包含该物体之直角坐标系的正交轴。

7、根据权利要求6所述的方法，其中，该物体的直角坐标系是采用主成分分析法来确定的。

8、根据权利要求4所述的方法，其中，该矩形子区域是包含该物体的最小矩形子区域。

9、根据权利要求4所述的方法，其中，该矩形子区域大于该物体。

10、根据权利要求1所述的方法，其中，识别至少一个子区域包括扩展该物体的体积。

11、根据权利要求10所述的方法，其中，扩展该物体的体积包括对关于该物体的CT数据进行扩张运算。

12、根据权利要求1所述的方法，其中，该物体具有的一维空间尺寸大大小于其它两维空间尺寸。

13、根据权利要求12所述的方法，其中，该至少一个子区域沿该较小空间尺寸方向邻接于该物体。

14、根据权利要求13所述的方法，还包括：

计算与该至少一个子区域相关的体积元素的密度值之平均值；及

计算与该至少一个子区域相关的体积元素的密度值之标准偏移。

15、根据权利要求14所述的方法，还包括：

将该密度值的平均值与一个第一阈值比较；

将该密度值的标准偏移与一个第二阈值比较；及

根据比较结果对该物体分类。

16、根据权利要求15所述的方法，其中，如果该标准偏移低于该第二阈值，该物体被分类为危险物品。

17、根据权利要求1所述的方法，还包括对在该至少一个子区域中具有处于预定密度值范围内之密度值的体积元素数量进行计数。

18、根据权利要求17所述的方法，还包括：

将在该至少一个子区域中具有处于预定密度值范围内之密度值的体积元素数量与该物体中的体积元素之数量进行比较；及

根据比较结果对该物体分类。

19、根据权利要求18所述的方法，其中，该预定密度值的范围是根据电子设备的一个或多个部件的已知密度选择的。

20、一种用于处理对于一个区域的计算机断层成象(CT)数据的装置，包括：

一个接收机，用于接收对于该区域的CT数据；及

一个数据处理器，适用于：

识别在对于该区域的CT数据中的多个体积元素，每个体积元素与密度值相关；

识别与该区域中之物体相关的CT数据中的体积元素；

识别至少一个接近于该物体的子区域；

计算至少一个该子区域的特性；及

根据该子区域的特性对该物体分类。

21、根据权利要求20所述的装置，其中，该至少一个子区域包含该物体。

22、根据权利要求20所述的装置，其中，该至少一个子区域是包含该物体的矩形子区域。

23、根据权利要求20所述的装置，其中，该至少一个子区域是矩形子区域。

24、根据权利要求23所述的装置，其中，该矩形子区域具有平行于平面的平面边界，所述平面包含CT扫描系统之直角坐标系的正交轴，该CT扫描系统用于获得对于该区域的CT数据。

25、根据权利要求23所述的装置，其中，该矩形子区域具有平行于平面的平面边界，所述平面包含该物体之直角坐标系的正交轴。

26、根据权利要求25所述的装置，其中，该物体的直角坐标系是采用主成分分析法来确定的。

27、根据权利要求23所述的装置，其中，该矩形子区域是包含该物体的最小矩形子区域。

28、根据权利要求23所述的装置，其中，该矩形子区域大于该物体。

29、根据权利要求20所述的装置，其中，该至少一个子区域是通过扩展该物体的体积进行识别。

30、根据权利要求29所述的装置，其中，该数据处理器对关于该物体的CT数据运用扩张算子，以扩展该物体的体积。

31、根据权利要求20所述的装置，其中，该物体具有的一维空间尺寸大大小于其它两维空间尺寸。

32、根据权利要求31所述的装置，其中，该至少一个子区域沿该较小空间尺寸方向邻接于该物体。

33、根据权利要求32所述的装置，其中，该数据处理器(i)计算与该至少一个子区域相关的体积元素的密度值之平均值，(ii)计算与该至少一个子区域相关的体积元素的密度值之标准偏移。

34、根据权利要求33所述的装置，其中，该数据处理器还包括(i)将该密度值的平均值与一个第一阈值比较，(ii)将该密度值的标准偏移与一个第二阈值比较；及(iii)根据比较结果对该物体分类。

35、根据权利要求34所述的装置，其中，如果该标准偏移低于该第二阈值，该数据处理器把该物体分类为危险物品。

36、根据权利要求20所述的装置，其中，该数据处理器对在该至少一个子区域中具有处于预定密度值范围内之密度值的体积元素数量进行计数。

37、根据权利要求36所述的装置，其中，该数据处理器(i)将在该至少一个子区域中具有处于预定密度值范围内之密度值的体积元素数量与该物体中的体积元素之数量进行比较，及(ii)根据比较结果对该物体分类。

38、根据权利要求37所述的装置，其中，该预定密度值的范围是根据电子设备的一个或多个部件的已知密度选择的。

Images