隨著國家對于公共安全領(lǐng)域的愈發(fā)重視,X射線安檢設(shè)備被廣泛地應(yīng)用于各個交通樞紐。但是目前的安檢過程中,對于違禁品的識別過程依然需要依賴于安檢人員進行人工識別,往往在火車站、地鐵站等復(fù)雜場景中,誤檢、漏檢的狀況時有發(fā)生。本文針對這個問題,引入深度學(xué)習(xí)概念,通過改進后的YOLO v3模型成功構(gòu)建了一套可以對違禁品進行自動標(biāo)記和識別的系統(tǒng),在提高對違禁品檢查準(zhǔn)確性的同時,也提升了整體安檢過程中的檢測速度。本文首先針對X射線安檢圖像以及卷積神經(jīng)網(wǎng)絡(luò)模型所需圖像的特點,參考醫(yī)用X射線處理技術(shù),采取多種互補的圖像增強方法,提出了一種新的圖像增強思路。首先分別使用拉普拉斯算子和Sobel算子得到細(xì)節(jié)圖和梯度圖,再次對梯度圖使用雙邊濾波并以其為模板利用圖像掩膜的概念乘以細(xì)節(jié)圖,將掩膜后的圖像經(jīng)USM銳化得到最終的銳化圖像,使用圖像融合和原圖像相加,最后使用CLAHE增大圖像灰度的動態(tài)范圍。實驗結(jié)果表明,本文所提出的方法相對于傳統(tǒng)的圖像增強能更好的保留圖像信息,并且對噪聲具有較強的魯棒性,為后文卷積神經(jīng)網(wǎng)絡(luò)模型對違禁品的智能識別提供了高質(zhì)量X射線圖像,提升了識別精度。其次對基于卷積神經(jīng)網(wǎng)絡(luò)不同模型的準(zhǔn)確性... 

【文章來源】：長春理工大學(xué)吉林省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

單能量X射線透射圖像

6吸收效果不同，依靠這一特性，使用雙能量X射線的安檢設(shè)備可以直觀地得到待測目標(biāo)物體的等效原子序數(shù)等物質(zhì)特性等信息[25]，并對具有不同性質(zhì)的物體進行區(qū)分。另一方面雙能量X射線安檢設(shè)備也可以分別在不同的分屏上分別顯示高、低能灰度圖像，以便于安檢人員用于對比分析。圖1.2雙能量X射線透射圖像但是雙能量X射線安檢設(shè)備在處理圖像中互相遮擋時物品時，因為單視角下所得到的原子序數(shù)為整體混合物的等效原子序數(shù)，所以其難以將被重疊、遮擋的待測目標(biāo)在復(fù)雜背景下進行分辨，導(dǎo)致該設(shè)備應(yīng)用具有局限性。(3).多視角X射線技術(shù)在安檢的過程中，單能和雙能安檢設(shè)備也由于其視角固定，從而導(dǎo)致安檢人員只能通過固定的單一視角X射線透射圖片進行識別和判斷，而僅通過單一視角安檢人員的人工識別，很難在復(fù)雜背景中準(zhǔn)確地找到被掩蓋的違禁品。為了克服這個缺點，采用多視角的X射線安檢設(shè)備在近些年越來越多的被應(yīng)用于市場之中。多視角X射線安檢設(shè)備通過使用單能量或雙能量X射線透射技術(shù)以及兩個或兩個以上的探測視角獲得多幅二維圖像，然后采用圖像重構(gòu)技術(shù)將多幅二維圖像重建為待測目標(biāo)的三維立體模型，其結(jié)構(gòu)如圖1.3所示。

7圖1.3多視角配置當(dāng)目標(biāo)被其他物體遮擋時，在二維圖像中待測目標(biāo)會與整體背景相重疊，而多視角X射線安檢設(shè)備通過采用多個視角的視圖所構(gòu)建出的三維模型可以有效地將被遮擋的待測目標(biāo)從整體環(huán)境背景中分離，以便于安檢人員更加直觀和立體地對待測物體的形狀進行識別[26]。但是采用多視角技術(shù)一方面意味著需要使用多套X射線源以及X射線陣列探測器，導(dǎo)致造價成本高昂，同時過多的X射線源導(dǎo)致整體輻射劑量較大，容易對安檢人員產(chǎn)生危害。另一方面三維圖像重建技術(shù)目前并不成熟，難以滿足對于安檢設(shè)備可靠性的要求。(4).CT技術(shù)CT技術(shù)英文名為ComputedTomography，又被稱為計算機斷層掃描技術(shù)，其概念最早由Naidich等人提出。相較于傳統(tǒng)的單能量CT技術(shù)，雙能量CT技術(shù)使用雙能重建算法，可以有效地對目標(biāo)物體的物質(zhì)種類進行識別。首先使用斷層掃描的方式用X射線對待測目標(biāo)的某一橫截面進行穿透獲得待測目標(biāo)內(nèi)部的橫截面結(jié)構(gòu)；其次使用X射線探測陣列對數(shù)據(jù)進行采集并將數(shù)據(jù)傳輸至PC；PC對經(jīng)待測目標(biāo)后不同區(qū)域后X射線的衰減程度數(shù)據(jù)進行逆運算處理，進而獲得待測目標(biāo)橫截面結(jié)構(gòu)的參數(shù)值，再使用參數(shù)值還原待測目標(biāo)的材質(zhì)密度以及其內(nèi)部結(jié)構(gòu)的斷面圖像，最后利用三維圖像重構(gòu)技術(shù)得到待測目標(biāo)的三維圖像[27]。

【參考文獻】：
期刊論文
[1]對《新一代人工智能發(fā)展規(guī)劃》的解讀[J]. 袁輝.  科技風(fēng). 2018(31)
[2]深度學(xué)習(xí)研究綜述[J]. 張榮,李偉平,莫同.  信息與控制. 2018(04)
[3]基于改進SSD的交通大場景多目標(biāo)檢測[J]. 華夏,王新晴,王東,馬昭燁,邵發(fā)明.  光學(xué)學(xué)報. 2018(12)
[4]結(jié)合深度學(xué)習(xí)的圖像顯著目標(biāo)檢測[J]. 趙恒,安維勝.  激光與光電子學(xué)進展. 2018(12)
[5]人工智能技術(shù)在高鐵安檢系統(tǒng)中的前瞻性應(yīng)用[J]. 米仲勇.  電子技術(shù)與軟件工程. 2017(12)
[6]基于Matlab的醫(yī)學(xué)影像圖像處理設(shè)計[J]. 姚堯,胡淑金,李紅亮,孫銀合,常子棟.  數(shù)字技術(shù)與應(yīng)用. 2017(02)
[7]圖像處理技術(shù)在X射線檢測中的應(yīng)用研究[J]. 王兵,劉英,王速.  電子制作. 2016(16)
[8]最優(yōu)聚類個數(shù)和初始聚類中心點選取算法研究[J]. 張素潔,趙懷慈.  計算機應(yīng)用研究. 2017(06)
[9]圖像增強技術(shù)在X射線醫(yī)學(xué)影像中的應(yīng)用[J]. 曹妍,陳偉.  CT理論與應(yīng)用研究. 2015(04)
[10]基于高頻強調(diào)濾波的醫(yī)學(xué)X光圖像增強算法[J]. 何文.  信息技術(shù). 2015(04)

博士論文
[1]高分辨率X射線數(shù)字化成像技術(shù)研究[D]. 李偉.中國科學(xué)院研究生院（西安光學(xué)精密機械研究所） 2009

碩士論文
[1]基于深度學(xué)習(xí)的快速目標(biāo)檢測技術(shù)研究[D]. 王震.天津理工大學(xué) 2017
[2]深度學(xué)習(xí)算法研究及其在圖像分類上的應(yīng)用[D]. 王曙.南京郵電大學(xué) 2016
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識別[D]. 產(chǎn)文濤.安徽大學(xué) 2016
[4]雙能成像系統(tǒng)設(shè)計和物質(zhì)辨識方法研究[D]. 李康康.山東大學(xué) 2015
[5]基于深度學(xué)習(xí)的文檔分類方法研究[D]. 周喆.哈爾濱工程大學(xué) 2015
[6]X射線準(zhǔn)直成像技術(shù)研究[D]. 宋忠華.長春理工大學(xué) 2014
[7]中國安檢設(shè)備行業(yè)國際競爭力研究[D]. 高鵬.對外經(jīng)濟貿(mào)易大學(xué) 2014
[8]遞變能量X射線圖像序列融合算法研究[D]. 魏交統(tǒng).中北大學(xué) 2014
[9]CT圖像的ROI重建算法研究[D]. 洪賢勇.中北大學(xué) 2014
[10]單源雙能量X射線安全檢查系統(tǒng)[D]. 王進.東南大學(xué) 2005



本文編號：3560511