箱包DR-CT检测系统是代表当今航空安全检查新技术和新设计思路的无损检测设备之一,利用DR子系统自动判别箱包中违禁品所在的区域,利用CT子系统的“物性判别”功能来自动判断物品的种类,从而实现对整个箱包检测流程的自动化和智能化操作,提高检查的准确率和效率。系统能否准确地检测出箱包中的违禁品,很大程度上取决于DR子系统能否正确地判别箱包DR图像中的可疑区域。由于箱包内物品繁多,叠放没有规律,使箱包DR图像相当复杂,物品区域粘连严重,违禁品的灰度和轮廓也没有规律,这是设计可疑区域自动判别算法碰到的最大难题。本文围绕如何有效自动判别箱包DR图像中的可疑区域为主线,先分析整个系统的设计对箱包DR图像背景和灰度的影响,接着分析箱包DR图像的噪声特点、物品粘连特点和直方图特点,从中提炼箱包可疑物品的判别依据。在对图像可疑区域分割研究中,主要开发成功以下几项关键技术:1)发现原始箱包DR图像的一维直方图中,均具有位置相对稳定的最大值波峰,以波峰左边第一个极小值为分割阈值,去除DR图像背景,效果非常好。2)运用数学形态学中的开运算能够非常有效地去除箱子的干扰,同时能够比较好地保留可疑区域。3)发现开运算后的DR图像直方图只有若干个极小值点的特点,其中用最大值波峰左边的第二个极小值点进一步分割DR图像,能够更有效地提取箱包中的可疑区域。4)运用直方图分析法和腐蚀法,对粘连区域实行再分割,效果较好。5)运用距离变换法,能确保自动设定的箱包CT截面包含丰富的可疑区域信息。6)运用形态学结构元素分解技术,大幅度减少可疑区域的自动判别算法运行时间,提高算法软件执行效率。经过对箱包DR-CT系统中箱包DR图库的实际处理效果验证,本论文研究的箱包DR图像可疑区域自动判别算法,能够较好地实现判别和提取箱包中的可疑区域,并能准确地显示可疑区域的边界和向CT子系统发送可疑点,为实现箱包DR-CT检测系统的自动化和智能化检测奠定了一个坚实的基础。