基于卷积神经网络的X射线违禁品识别技术研究
发布时间：2021-12-31 15:33
随着国家对于公共安全领域的愈发重视,X射线安检设备被广泛地应用于各个交通枢纽。但是目前的安检过程中,对于违禁品的识别过程依然需要依赖于安检人员进行人工识别,往往在火车站、地铁站等复杂场景中,误检、漏检的状况时有发生。本文针对这个问题,引入深度学习概念,通过改进后的YOLO v3模型成功构建了一套可以对违禁品进行自动标记和识别的系统,在提高对违禁品检查准确性的同时,也提升了整体安检过程中的检测速度。本文首先针对X射线安检图像以及卷积神经网络模型所需图像的特点,参考医用X射线处理技术,采取多种互补的图像增强方法,提出了一种新的图像增强思路。首先分别使用拉普拉斯算子和Sobel算子得到细节图和梯度图,再次对梯度图使用双边滤波并以其为模板利用图像掩膜的概念乘以细节图,将掩膜后的图像经USM锐化得到最终的锐化图像,使用图像融合和原图像相加,最后使用CLAHE增大图像灰度的动态范围。实验结果表明,本文所提出的方法相对于传统的图像增强能更好的保留图像信息,并且对噪声具有较强的鲁棒性,为后文卷积神经网络模型对违禁品的智能识别提供了高质量X射线图像,提升了识别精度。其次对基于卷积神经网络不同模型的准确性...
【文章来源】：长春理工大学吉林省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
单能量X射线透射图像
6吸收效果不同，依靠这一特性，使用双能量X射线的安检设备可以直观地得到待测目标物体的等效原子序数等物质特性等信息[25]，并对具有不同性质的物体进行区分。另一方面双能量X射线安检设备也可以分别在不同的分屏上分别显示高、低能灰度图像，以便于安检人员用于对比分析。图1.2双能量X射线透射图像但是双能量X射线安检设备在处理图像中互相遮挡时物品时，因为单视角下所得到的原子序数为整体混合物的等效原子序数，所以其难以将被重叠、遮挡的待测目标在复杂背景下进行分辨，导致该设备应用具有局限性。(3).多视角X射线技术在安检的过程中，单能和双能安检设备也由于其视角固定，从而导致安检人员只能通过固定的单一视角X射线透射图片进行识别和判断，而仅通过单一视角安检人员的人工识别，很难在复杂背景中准确地找到被掩盖的违禁品。为了克服这个缺点，采用多视角的X射线安检设备在近些年越来越多的被应用于市场之中。多视角X射线安检设备通过使用单能量或双能量X射线透射技术以及两个或两个以上的探测视角获得多幅二维图像，然后采用图像重构技术将多幅二维图像重建为待测目标的三维立体模型，其结构如图1.3所示。
7图1.3多视角配置当目标被其他物体遮挡时，在二维图像中待测目标会与整体背景相重叠，而多视角X射线安检设备通过采用多个视角的视图所构建出的三维模型可以有效地将被遮挡的待测目标从整体环境背景中分离，以便于安检人员更加直观和立体地对待测物体的形状进行识别[26]。但是采用多视角技术一方面意味着需要使用多套X射线源以及X射线阵列探测器，导致造价成本高昂，同时过多的X射线源导致整体辐射剂量较大，容易对安检人员产生危害。另一方面三维图像重建技术目前并不成熟，难以满足对于安检设备可靠性的要求。(4).CT技术CT技术英文名为ComputedTomography，又被称为计算机断层扫描技术，其概念最早由Naidich等人提出。相较于传统的单能量CT技术，双能量CT技术使用双能重建算法，可以有效地对目标物体的物质种类进行识别。首先使用断层扫描的方式用X射线对待测目标的某一横截面进行穿透获得待测目标内部的横截面结构；其次使用X射线探测阵列对数据进行采集并将数据传输至PC；PC对经待测目标后不同区域后X射线的衰减程度数据进行逆运算处理，进而获得待测目标横截面结构的参数值，再使用参数值还原待测目标的材质密度以及其内部结构的断面图像，最后利用三维图像重构技术得到待测目标的三维图像[27]。
【参考文献】：
期刊论文
[1]对《新一代人工智能发展规划》的解读[J]. 袁辉. 科技风. 2018(31)
[2]深度学习研究综述[J]. 张荣,李伟平,莫同. 信息与控制. 2018(04)
[3]基于改进SSD的交通大场景多目标检测[J]. 华夏,王新晴,王东,马昭烨,邵发明. 光学学报. 2018(12)
[4]结合深度学习的图像显著目标检测[J]. 赵恒,安维胜. 激光与光电子学进展. 2018(12)
[5]人工智能技术在高铁安检系统中的前瞻性应用[J]. 米仲勇. 电子技术与软件工程. 2017(12)
[6]基于Matlab的医学影像图像处理设计[J]. 姚尧,胡淑金,李红亮,孙银合,常子栋. 数字技术与应用. 2017(02)
[7]图像处理技术在X射线检测中的应用研究[J]. 王兵,刘英,王速. 电子制作. 2016(16)
[8]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈. 计算机应用研究. 2017(06)
[9]图像增强技术在X射线医学影像中的应用[J]. 曹妍,陈伟. CT理论与应用研究. 2015(04)
[10]基于高频强调滤波的医学X光图像增强算法[J]. 何文. 信息技术. 2015(04)
博士论文
[1]高分辨率X射线数字化成像技术研究[D]. 李伟.中国科学院研究生院（西安光学精密机械研究所） 2009
硕士论文
[1]基于深度学习的快速目标检测技术研究[D]. 王震.天津理工大学 2017
[2]深度学习算法研究及其在图像分类上的应用[D]. 王曙.南京邮电大学 2016
[3]基于卷积神经网络的人脸表情和性别识别[D]. 产文涛.安徽大学 2016
[4]双能成像系统设计和物质辨识方法研究[D]. 李康康.山东大学 2015
[5]基于深度学习的文档分类方法研究[D]. 周喆.哈尔滨工程大学 2015
[6]X射线准直成像技术研究[D]. 宋忠华.长春理工大学 2014
[7]中国安检设备行业国际竞争力研究[D]. 高鹏.对外经济贸易大学 2014
[8]递变能量X射线图像序列融合算法研究[D]. 魏交统.中北大学 2014
[9]CT图像的ROI重建算法研究[D]. 洪贤勇.中北大学 2014
[10]单源双能量X射线安全检查系统[D]. 王进.东南大学 2005
本文编号：3560511
【文章来源】：长春理工大学吉林省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
单能量X射线透射图像
6吸收效果不同，依靠这一特性，使用双能量X射线的安检设备可以直观地得到待测目标物体的等效原子序数等物质特性等信息[25]，并对具有不同性质的物体进行区分。另一方面双能量X射线安检设备也可以分别在不同的分屏上分别显示高、低能灰度图像，以便于安检人员用于对比分析。图1.2双能量X射线透射图像但是双能量X射线安检设备在处理图像中互相遮挡时物品时，因为单视角下所得到的原子序数为整体混合物的等效原子序数，所以其难以将被重叠、遮挡的待测目标在复杂背景下进行分辨，导致该设备应用具有局限性。(3).多视角X射线技术在安检的过程中，单能和双能安检设备也由于其视角固定，从而导致安检人员只能通过固定的单一视角X射线透射图片进行识别和判断，而仅通过单一视角安检人员的人工识别，很难在复杂背景中准确地找到被掩盖的违禁品。为了克服这个缺点，采用多视角的X射线安检设备在近些年越来越多的被应用于市场之中。多视角X射线安检设备通过使用单能量或双能量X射线透射技术以及两个或两个以上的探测视角获得多幅二维图像，然后采用图像重构技术将多幅二维图像重建为待测目标的三维立体模型，其结构如图1.3所示。
7图1.3多视角配置当目标被其他物体遮挡时，在二维图像中待测目标会与整体背景相重叠，而多视角X射线安检设备通过采用多个视角的视图所构建出的三维模型可以有效地将被遮挡的待测目标从整体环境背景中分离，以便于安检人员更加直观和立体地对待测物体的形状进行识别[26]。但是采用多视角技术一方面意味着需要使用多套X射线源以及X射线阵列探测器，导致造价成本高昂，同时过多的X射线源导致整体辐射剂量较大，容易对安检人员产生危害。另一方面三维图像重建技术目前并不成熟，难以满足对于安检设备可靠性的要求。(4).CT技术CT技术英文名为ComputedTomography，又被称为计算机断层扫描技术，其概念最早由Naidich等人提出。相较于传统的单能量CT技术，双能量CT技术使用双能重建算法，可以有效地对目标物体的物质种类进行识别。首先使用断层扫描的方式用X射线对待测目标的某一横截面进行穿透获得待测目标内部的横截面结构；其次使用X射线探测阵列对数据进行采集并将数据传输至PC；PC对经待测目标后不同区域后X射线的衰减程度数据进行逆运算处理，进而获得待测目标横截面结构的参数值，再使用参数值还原待测目标的材质密度以及其内部结构的断面图像，最后利用三维图像重构技术得到待测目标的三维图像[27]。
【参考文献】：
期刊论文
[1]对《新一代人工智能发展规划》的解读[J]. 袁辉. 科技风. 2018(31)
[2]深度学习研究综述[J]. 张荣,李伟平,莫同. 信息与控制. 2018(04)
[3]基于改进SSD的交通大场景多目标检测[J]. 华夏,王新晴,王东,马昭烨,邵发明. 光学学报. 2018(12)
[4]结合深度学习的图像显著目标检测[J]. 赵恒,安维胜. 激光与光电子学进展. 2018(12)
[5]人工智能技术在高铁安检系统中的前瞻性应用[J]. 米仲勇. 电子技术与软件工程. 2017(12)
[6]基于Matlab的医学影像图像处理设计[J]. 姚尧,胡淑金,李红亮,孙银合,常子栋. 数字技术与应用. 2017(02)
[7]图像处理技术在X射线检测中的应用研究[J]. 王兵,刘英,王速. 电子制作. 2016(16)
[8]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈. 计算机应用研究. 2017(06)
[9]图像增强技术在X射线医学影像中的应用[J]. 曹妍,陈伟. CT理论与应用研究. 2015(04)
[10]基于高频强调滤波的医学X光图像增强算法[J]. 何文. 信息技术. 2015(04)
博士论文
[1]高分辨率X射线数字化成像技术研究[D]. 李伟.中国科学院研究生院（西安光学精密机械研究所） 2009
硕士论文
[1]基于深度学习的快速目标检测技术研究[D]. 王震.天津理工大学 2017
[2]深度学习算法研究及其在图像分类上的应用[D]. 王曙.南京邮电大学 2016
[3]基于卷积神经网络的人脸表情和性别识别[D]. 产文涛.安徽大学 2016
[4]双能成像系统设计和物质辨识方法研究[D]. 李康康.山东大学 2015
[5]基于深度学习的文档分类方法研究[D]. 周喆.哈尔滨工程大学 2015
[6]X射线准直成像技术研究[D]. 宋忠华.长春理工大学 2014
[7]中国安检设备行业国际竞争力研究[D]. 高鹏.对外经济贸易大学 2014
[8]递变能量X射线图像序列融合算法研究[D]. 魏交统.中北大学 2014
[9]CT图像的ROI重建算法研究[D]. 洪贤勇.中北大学 2014
[10]单源双能量X射线安全检查系统[D]. 王进.东南大学 2005
本文编号：3560511
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3560511.html
