文/孟博 郑岚 刘硕    公安部第一研究所

　　随着科学技术的快速发展，人们生活水平日渐提高，社会进步日新月异。然而，在和平安宁的背后仍存在一些不安定因素，如恐怖分子利用自制燃爆物、人体炸弹进行爆炸活动、劫持航班甚至引发空难的恐怖活动时有发生。因此在火车站、机场等重要公共场所安全检查中，准确及时地检测出燃爆物已成为紧迫且具挑战性的课题。

　　目前广泛应用的燃爆物检测技术和设备主要分为两类：一类是本征型探测技术，如质谱分析技术、离子迁移图谱分析技术、拉曼光谱技术、核电四极矩共振技术以及生物检测技术等；一类是非本征型探测技术，如X射线成像探测技术、中子探测技术以及太赫兹成像探测技术等。这些探测方法和技术都可以在不同程度上实现燃爆物检测，各有其优势，并有其特定的使用环境和针对性要求。随着科技的发展，犯罪分子手段日趋多样，例如刻意隐藏在行包中的燃爆物等，给常规检测方法带来了极大挑战，因此如何提高检测鉴别的准确度、如何在高速流动的人群和货物群中快速准确地探测出隐藏燃爆物是当前亟待解决的技术难题。CT安检探测技术是一种X射线成像探测手段，属于非本征型探测。基于CT探测技术的安检设备具备燃爆物自动探测能力，可快速对行李进行三维成像检查和燃爆物自动探测，实现检测精度与检测效率的均衡，已被各国安检部门作为未来主流安检设备，将逐步替换常规X射线透射型安检机。

　　一、CT安检探测技术特点

　　CT安检探测技术是基于CT扫描（X-Ray Computed Tomography，X-CT或称计算机断层扫描），利用X射线束对被检物一定厚度的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光信号转变为电信号，再经A/D转为数字信号输入计算机进行处理成像。CT扫描技术是建立在不同材料的物质对射线衰减不一样的性质基础之上，同时以Radon变换和Radon反变换作为基本理论支撑，利用从不同方向对物体进行扫描透射得到的投影数据重建出物体的图像，任意方向得到的数据即为沿着该路径物体对射线衰减的积分，通过计算和变换得到该截面的衰减系数信息，从而重建出该截面的图像。

图1 螺旋CT扫描原理示意图

　　全球首台X射线CT扫描装置是在1971年由英国EMI公司电子工程师Hounsfield研制，并首次用于人体头部检查。1994年美国Invision公司基于医用CT原型研发首款CT型安检设备CTX5500并投入市场。CT扫描技术由于其具有多视角和高分辨率的特点，可提供物体的三维体视图像，在燃爆物检测领域已获得了广泛应用。CT安检探测设备检测行李包裹时既可以扫描得到被检行李的高清三维图像，也可以检测出行包内物体的组成成分。目前CT成像技术的发展主要集中在提高时间分辨率、空间分辨率以及密度对比分辨率三个方面，采用更快的机架旋转速度和更多排数的探测器的应用，特别是使用冷阴极场发射X射线源与静态扫描技术，很大程度地提升了CT成像技术的时间分辨率与空间分辨率。

　

图2 安检CT检测装置

　　二、双能CT物质探测技术

　　常规CT设备仅使用单个能谱分布的X射线源对物体成像，重建结果为衰减系数图像，不仅由于射线束硬化效应在重建的图像上呈现出伪影，而且有时会导致两种不同物质在CT成像上完全相同，难以区分。双能CT在单能谱成像的基础上使用了两种不同能谱分布的X射线能谱对物体成像，获得两种不同能谱分布下扫描的原始数据，基于这些信息，使用相应的算法重建被扫描物体的电子密度、原子序数以及衰减系数等信息，可合成消除了硬化伪影的单能量图像，从而消除单光谱成像中图像信息模糊问题，达到提高图像的密度对比分辨率的目的。

　　1976年，R.E.Alvarez和A.Macovski首次提出了双能CT（Dual-energy CT）的概念。双能CT的实现方式有多种，主要从射线源端和探测器端两个方面着手。2005年，西门子公司诞生了首台双源CT设备，将两组X射线管和探测器集成在一个完整的CT成像系统中，能够实现两组能谱数据的同步采集。2007年，GE公司推出宝石双能CT系统，可以完成单源X射线球管的高低压瞬时切换。另外，业界还研制出了双层探测器法，即在两块探测器中间放置滤波片来对X射线进行滤波整形，或者利用两种探测材料对X射线能量的敏感度差异来得到双能CT数据。

　　

图3 三种双能CT实现形式

　　双能CT技术是一种可以快速无损地鉴别物质的重要手段，在燃爆物和毒品无损检测方面有着广阔的应用前景。根据不同材料和不同密度的物质对不同能级的X射线衰减程度不同的特点，通过对双能量系统获取的两种能量下图像数据进行处理，可计算得到被检测物体有效原子序数和密度，如图4所示，通过与数据库中物质分布进行比对，能够将燃爆物与其他的低原子序数相类似的物质进行区分，可快速判定物体的安全属性，其灵敏度和检测的准确率较高，可有效提高系统的物质分辨能力，在燃爆物和毒品检测领域中起到重要作用。目前双能X射线透视成像系统是机场和车站等重要场所的主流安全检查设备，它在单个角度下扫描物体，具有检查速度快、检测精度较高以及制造成本较低等优点。相比之下，双能CT成像系统则能够获得更加优越的检测精度，是安全检查技术发展的主要趋势。

　　

图4 双能CT物质检测原理图

　　三、CT安检探测技术发展趋势

　　近年来，随着人工智能技术的兴起，以卷积神经网络（CNN）为代表的深度学习方法开始广泛应用于计算机视觉和自然语言处理等领域。深度学习是对传统神经网络的延伸，增加了神经网络的层数以获得更加强大的特征提取和信息表达能力。相比于传统方法，深度学习技术无需人工设计特征提取器，通过非线性函数近似模型把原始数据转变成更加抽象的表达，自动提取特征，并且算法性能会随着训练数据量的扩大而提升。

　　与深度学习技术的融合将是CT安检探测技术未来发展的一个重要趋势。深度学习方法在处理图像时能够利用大量邻域信息充分提取图像特征，可得到检测精度更高、抗噪性能更好的图像。深度学习技术与CT安检探测技术的融合主要体现在两个方面：第一，深度学习技术可有助于CT重建图像质量的提升；第二，基于深度学习技术的目标检测和识别可实现CT重建图像中危险品的自动识别。

　　深度学习算法在CT图像重建中主要有两方面的应用。首先，深度学习技术可融入CT重建算法中，对于解析重建算法，利用神经网络实现重建算法中的加权、滤波以及反投影等步骤，可获得低剂量CT情况下更好的图像效果。对于迭代重建算法，神经网络可替代传统算法中的正则项，从而避免手动设计正则化项。其次，深度学习技术可用于CT重建图像后处理中，在传统方法重建图像后，利用深度学习技术对CT重建图像进行后期优化处理以提高图像质量。

　　在CT图像危险品自动识别方面，2012年，Krizhevsky提出的基于深度卷积特征的图像分类算法AlexNet彻底改变了图像处理的局面，利用深度学习方法提取深度卷积特征，其准确率远高于当时最好的图像分类算法，成为了图像分类研究热点从传统视觉方法转移到卷积神经网络的分水岭。2016年，Ak?ay S首次将深度卷积网络引入X射线危险品检测，采用迁移学习方法将深度卷积网络应用于X射线图像危险品检测的特征提取、表示和分类全过程。该研究表明深度卷积网络在危险品图像分类方面（有无枪械）相较于传统方法有很大提升，且在六类危险品图像分类问题上也有不错的表现，充分证明了深度学习技术在X射线图像危险品检测的应用潜力。

　　综上所述，随着CT安检探测技术在安检设备中的深入应用，安检图像也将经历由二维向三维体视图像的升级，同时深度融合双能CT物质识别技术与人工智能技术可有力提升危险物品识别的能力和精度。未来安检工作中，首先可利用基于人工智能技术的目标检测算法实现安检数据结构化，积累相关安检数据，构建安检大数据平台；其次，基于深度学习在计算机视觉领域的成功应用，可将各种优秀、颠覆性的算法引入到安检图像目标检测和识别中，提高当前安检设备的功能和性能。

　　参考文献：

　　[1] 陈力. 炸药探测技术分类与发展现状分析 [J]. 中国安防, 2008, 7).

　　[2] 陈志强, 张丽, 金鑫. X射线安全检查技术研究新进展 [J]. 科学通报, 2017, 13): 1350-64.

　　[3] 崔玉华, 黄校垣. 防爆安全检查技术的发展现状与展望:爆炸物探测技术的应用与发展 [J]. 中国安防, 2010, 11): 34-.

　　[4] LAM S, GUPTA R, KELLY H, et al. Multiparametric evaluation of head and neck squamous cell carcinoma using a single-source dual-energy CT with fast kVp switching: state of the art [J]. Cancers, 2015, 7(4): 2201-16.

　　[5] YING Z R, NAIDU R, CRAWFORD C R. Dual energy computed tomography for explosive detection [J]. Journal of X-ray science and technology, 2006, 14(4): 235-56.

　　[6] 陈曦, 赵悦. 民用航空X射线计算机断层成像安检技术 [J]. 中国民用航空, 2012, 08): 13-5.