基于深度学习的安检X光图像合成方法研究

发布时间：2021-10-08 15:15

　　使用深度学习来帮助人们进行违禁品识别对于提高安检质量有着重大的意义,但是,基于卷积神经网络（Convolutional Neural Network,CNN）的目标检测算法都需要大量的数据,并且数据收集通常需要花费很大时间和精力。本文基于生成对抗式网络（Generative Adversarial Network,GAN）提出了一种安检X光图像合成方法。主要研究内容如下:1)建立了安检X光图像合成模型。先以GAN作为基础的网络,使用一个生成器和多个判别器作为主要结构进行安检X光图像合成,然后分别从网络结构、损失函数的选取及相关参数的设置三个方面进行优化。2)在GAN合成模型中引入了导向滤波器。用于解决模型合成安检X光图像缺少细节、纹理的问题。然后采用Frechet距离（Frechet Inception Distance,FID）评价指标定量分析判断不同GAN模型的性能优劣。3)基于SSD（Single Shot MultiBox Detector）网络对模型合成的图像进行数据增强性验证。首先使用真实采集的图像数据集训练SSD模型,然后将合成图片添加到训练集中再次训练SSD模型。实验结... 

【文章来源】：中国民航大学天津市

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

GDXray样本示例

中国民航大学硕士学位论文4成的数据集并不适合应用在目前的智能安检的研究工作中。图1-1GDXray样本示例2019年1月，中国科学院大学团队公开了SIXray图像数据集。该数据集中的图像来源于真实场景，且数量规模也超过了100万张图像。该数据集中包含违禁品的图像有8929张，包含了手枪、刀具、扳手、钳子、剪刀和锤子六种类别。如图1-2所示，与GDXray这种黑白图像构成的数据集不同，SIXray的图像于目前安检X光机扫描得到的图像是一致的，都是伪彩色图像。可以说SIXray中图像是可以直接用于训练的，这对于违禁品检测与分割算法的研究工作提供了一定的数据支持。但是SIXray数据集中都是金属类的违禁品，种类较少，日常生活中的违禁品并不全都是金属材质的违禁品，比如在机场安检的违禁品定义中，液体和打火机同样不可以带上飞机，被归属在违禁品的行列中。而且在机场安检中，即使是充电宝和雨伞这种非违禁品同样也是需要开箱检查的。再加上SIXray数据集中的图像场景比较单一，内容也比较简单，所以该数据集同样存在着很大的缺陷，需要进一步的完善补充。图1-2SIXray样本示例如果想要基于安检X光机依靠人工进行图像采集达到构建数据集的目的是一项任重而道远的工作，这个方案并不具备可行性。所以寻找一种简便的图像合成的方式来进行扩充图像的数量和种类才是解决问题的关键所在。

中国民航大学硕士学位论文12第二章图像采集和预处理2.1引言合成图像训练集的建立是构建模型的基础，所以我们第一步做的工作是采集训练需要的图像。因为每种模型所需要的训练集都是有着不一样的要求，所以针对本文所设计的网络模型，对采集的图片进行统一的预处理操作，完成合成数据集的制作工作。2.2安检X光图像采集2.2.1X光图像采集设备和成像原理目前无论是利用脚本从百度、谷歌等网站上去检索获取，还是选用公开数据集中的安检X光图像，都不适用于本文构建的合成网络模型的训练。所以基于本实验室提供的安检X光机设备自行采集所需要的安检X光图像进行训练前的准备工作。图2-1安检X光机实物图安检X光机拍摄物品的主要原理是利用X光比较高的穿透性以及物品对X光的吸收性进行扫描。如图2-1所示，图像采集工作的主要工具就是这台型号为“安天下TH5030”的安检X光机，能穿透厚度为32mm的钢板，该参数可以达到国内外的技术标准。在拍摄的过程中，首先将待拍摄行李物品放置在传送带上，

【参考文献】：
硕士论文
[1]基于深度学习的图像合成技术研究[D]. 沈卓荟.华东师范大学 2018
[2]X射线安检设备的行李图像拼接[D]. 杨帆.东南大学 2016
[3]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：3424421