行李X光圖像中的違禁品識(shí)別與定位一直是智能安檢領(lǐng)域中亟待解決的問題。近年來,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)在圖像內(nèi)容分析中展現(xiàn)出強(qiáng)大的性能,然而,目前適用于網(wǎng)絡(luò)訓(xùn)練的安檢X光圖像數(shù)據(jù)集在樣本數(shù)量及樣本多樣性上存在較大的不足。為了建立一個(gè)大規(guī)模的安檢X光物品圖像數(shù)據(jù)集,本文提出一種基于生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Network,GAN)的安檢X光物品圖像生成方法。主要研究內(nèi)容如下:1)提出了安檢X光物品圖像預(yù)處理方法。首先,基于K近鄰摳圖算法和Cycle GAN模型,從采集到的安檢X光圖像中提取目標(biāo)物品前景。然后,構(gòu)建一個(gè)空間直角坐標(biāo)系來表征X光圖像中物品的不同姿態(tài),并將這些姿態(tài)歸為4或8個(gè)類別。2)構(gòu)建了適用于X光物品圖像的GAN模型。首先,在原始GAN模型的基礎(chǔ)上,從網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)及參數(shù)設(shè)置三個(gè)方面進(jìn)行改進(jìn)。其次,采用Frechet距離(Frechet Inception Distance,FID)評(píng)價(jià)指標(biāo)來衡量不同GAN模型的性能差異。然后,基于所構(gòu)建的GAN模型生成了15類新的X光物品圖像,并且... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一些GDXray數(shù)據(jù)集中的圖像樣本SIXray，是由中國科學(xué)院大學(xué)團(tuán)隊(duì)在2019年1月所公開的一個(gè)來源于真實(shí)

中國民航大學(xué)碩士學(xué)位論文組成，如圖 1-2 所示。相較于 GDXray 數(shù)據(jù)集，SIXray 數(shù)檢測算法的研究，很大程度上解決了數(shù)據(jù)缺乏的難題。S金屬類違禁品，然而，機(jī)場安檢中的違禁品定義更加嚴(yán)格禁品外還包含許多物品。例如液體物質(zhì)、打火機(jī)等是不允傘、筆記本電腦等物品也需要進(jìn)行進(jìn)一步的人工檢查。此隨機(jī)擺放，由于遮擋等因素存在，X 光圖像中的違禁品可態(tài)。因此，有必要根據(jù)物品姿態(tài)差異系統(tǒng)地?cái)U(kuò)充數(shù)據(jù)集，足以完全滿足模型訓(xùn)練的需求。

于 Cycle GAN 模型的前景提取法。高效地完成圖像前景提取任務(wù)。此像中物品的姿態(tài)多種多樣，使用 G些奇奇怪怪的形狀。為了解決這一將原始圖像數(shù)據(jù)集劃分為幾個(gè)小的像的視覺質(zhì)量。圖像采集X 光圖像數(shù)據(jù)集并沒有系統(tǒng)地覆蓋礎(chǔ)生成新圖像并不能實(shí)現(xiàn)很好的數(shù)夠搜索獲取到的違禁品 X 光圖像數(shù)檢 X 光機(jī)拍攝了大量不同視角下的

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像的幾何建模技術(shù)綜述[J]. 束搏,邱顯杰,王兆其.  計(jì)算機(jī)研究與發(fā)展. 2010(03)

碩士論文
[1]X射線安檢設(shè)備的行李圖像拼接[D]. 楊帆.東南大學(xué) 2016
[2]X光安檢圖像處理方法研究[D]. 宋修竹.沈陽理工大學(xué) 2014



本文編號(hào)：2939622