基于GAN的安检X光物品图像生成方法研究

发布时间：2020-12-26 11:37

　　行李X光图像中的违禁品识别与定位一直是智能安检领域中亟待解决的问题。近年来,卷积神经网络(Convolutional Neural Network,CNN)在图像内容分析中展现出强大的性能,然而,目前适用于网络训练的安检X光图像数据集在样本数量及样本多样性上存在较大的不足。为了建立一个大规模的安检X光物品图像数据集,本文提出一种基于生成对抗网络(Generative Adversarial Network,GAN)的安检X光物品图像生成方法。主要研究内容如下:1)提出了安检X光物品图像预处理方法。首先,基于K近邻抠图算法和Cycle GAN模型,从采集到的安检X光图像中提取目标物品前景。然后,构建一个空间直角坐标系来表征X光图像中物品的不同姿态,并将这些姿态归为4或8个类别。2)构建了适用于X光物品图像的GAN模型。首先,在原始GAN模型的基础上,从网络结构、损失函数及参数设置三个方面进行改进。其次,采用Frechet距离(Frechet Inception Distance,FID)评价指标来衡量不同GAN模型的性能差异。然后,基于所构建的GAN模型生成了15类新的X光物品图像,并且... 

【文章来源】：中国民航大学天津市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

一些GDXray数据集中的图像样本SIXray，是由中国科学院大学团队在2019年1月所公开的一个来源于真实

中国民航大学硕士学位论文组成，如图 1-2 所示。相较于 GDXray 数据集，SIXray 数检测算法的研究，很大程度上解决了数据缺乏的难题。S金属类违禁品，然而，机场安检中的违禁品定义更加严格禁品外还包含许多物品。例如液体物质、打火机等是不允伞、笔记本电脑等物品也需要进行进一步的人工检查。此随机摆放，由于遮挡等因素存在，X 光图像中的违禁品可态。因此，有必要根据物品姿态差异系统地扩充数据集，足以完全满足模型训练的需求。

于 Cycle GAN 模型的前景提取法。高效地完成图像前景提取任务。此像中物品的姿态多种多样，使用 G些奇奇怪怪的形状。为了解决这一将原始图像数据集划分为几个小的像的视觉质量。图像采集X 光图像数据集并没有系统地覆盖础生成新图像并不能实现很好的数够搜索获取到的违禁品 X 光图像数检 X 光机拍摄了大量不同视角下的

【参考文献】：
期刊论文
[1]基于图像的几何建模技术综述[J]. 束搏,邱显杰,王兆其.  计算机研究与发展. 2010(03)

硕士论文
[1]X射线安检设备的行李图像拼接[D]. 杨帆.东南大学 2016
[2]X光安检图像处理方法研究[D]. 宋修竹.沈阳理工大学 2014



本文编号：2939622