随着近几年国际恐怖组织对世界安全造成的威胁不断升级,国内外对公共场所安全检查的要求越来越高,X射线安检机作为应用最为广泛的安全检查设备大量使用在各个重要的安全公共场所。然而,仅仅依靠安检机来探测危险品是远远不够的,安检工作人员对危险品的识别能力也是提高安检设备工作效率重要的一环。危险品图像注入功能模块,简称TIP功能模块。随机在现实包裹图像中注入危险品图像,主要用于培训安检工作人员的危险品识别能力,是提高安检工作人员危险品识别能力最有效的途径。提高危险品图像的注入效果将直接影响TIP功能模块的培训效率,是非常具有价值和意义的。本文主要使用了两种危险品图像注入的实现模型。第一种是理想双能射线源模型,这种方法是建立在假设射线源是两个理想单能射线的前提下。第二种是实际多能射线源模型,这种方法考虑了安检设备射线源是具有一定能谱宽度的多能射线的实际情况,对第一种方法进行了修正和改良。对两种方法的实验结果进行分析和讨论,确定一种最优的注入方法。实验首先探讨危险品图像在理想双能模型下的注入情况。对探测器采集来的数据进行预处理来消除一些不必要的噪声。接着将预处理后的包裹数据和危险品数据进行融合,实现危险品数据的插入。最后对高低能数据进行融合,并实现图像的分类和着色,以伪彩色的形式显示图像。由于安检设备使用的是多能射线源,理想双能模型未考虑多能射线源产生的射线硬化效应,存在误差。利用数值优化的方法对射线硬化进行校正,将校正后的包裹数据与危险品数据进行融合,实现多能射线模型下的危险品注入。比较两种方法的实验结果,分析其优劣,最终的实验结果显示多能射线模型很好的解决了理想双能射线模型导致的误差,对融合图像的质量有很好的提高。