检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

双能X射线高动态范围安检图像压缩算法

东北大学学报（自然科学版） 2021年第1期42卷 96-101页

作者：原培新陈鼎夫东北大学机械工程与自动化学院辽宁沈阳110819

为使拥有高动态范围的双能X射线安检图像在普通显示器上显示时不丢失细节,提出了一种基于多尺度局部保边(local edge-preserving,LEP)滤波的自适应色调映射算法.该算法对原始图像进行多尺度LEP滤波,得到1个基础层和3个细节层.随后对基... 详细信息

为使拥有高动态范围的双能X射线安检图像在普通显示器上显示时不丢失细节,提出了一种基于多尺度局部保边(local edge-preserving,LEP)滤波的自适应色调映射算法.该算法对原始图像进行多尺度LEP滤波,得到1个基础层和3个细节层.随后对基础层进行对数自适应色调映射,并对3个细节层进行Sigmoid函数自适应增强.将处理后的各层图像相加,并进行直方图均衡化调整以去除噪声、提高图像对比度.该算法同时对高、低能X射线图像进行处理,并在处理后根据高、低能图像各自的特点进行融合,最终得到保留丰富信息的低动态范围双能X射线图像.实验表明,该算法在信息熵、对比度提升指数及峰值信噪比三方面都有提高,能够有效改善图像质量.

关键词：双能X射线安检图像高动态范围自适应多尺度滤波图像融合

双能X射线安检图像中重叠物质的材料值变换分割研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

核电子学与探测技术 2017年第10期37卷 963-968页

作者：白聪白廷柱查艳丽张硕北京理工大学北京100081 公安部第一研究所北京102200

针对复杂高原子序数物品在安检中难探测的问题,提出通过X射线安检图像两次灰度变换的算法,分别将图像中复杂高原子序数物品整体和内部进行分割:首先利用双能X射线成像原理得到物质材料值图像;然后根据高原子序数物品材料值特征对得到的... 详细信息

针对复杂高原子序数物品在安检中难探测的问题,提出通过X射线安检图像两次灰度变换的算法,分别将图像中复杂高原子序数物品整体和内部进行分割:首先利用双能X射线成像原理得到物质材料值图像;然后根据高原子序数物品材料值特征对得到的材料值图像压缩进行类伽马变换;再利用新材料值信息将高原子序数区域分割出来;最后对高原子序数区域图像拉升进行第二次伽马变换,利用K均值分类将内部重叠区域分割出来。

关键词：安检图像图像分割灰度变换重叠

基于宽高IOU损失的安检图像违禁物品检测算法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

重庆邮电大学学报(自然科学版) 2024年

作者：朱雷李国权武瑞恒黄正文庞宇重庆邮电大学通信与信息工程学院伦敦布鲁内尔大学电子与电气工程系光电信息感测与传输技术重庆市重点实验室

针对X光安检图像存在的违禁物品重叠和背景复杂等问题，提出了一种基于YOLOv7改进的X光安检图像违禁物品检测算法。在模型颈部网络中构建注意力特征融合模块，分别添加空间注意力和通道注意力挖掘浅层细节特征和深层语义特征，减少噪音... 详细信息

针对X光安检图像存在的违禁物品重叠和背景复杂等问题，提出了一种基于YOLOv7改进的X光安检图像违禁物品检测算法。在模型颈部网络中构建注意力特征融合模块，分别添加空间注意力和通道注意力挖掘浅层细节特征和深层语义特征，减少噪音信息冗余，降低有效特征丢失；重新设计WHIoU Loss替换CIoU Loss作为新的边界框损失函数，确保在预测框与真实边界框的宽高呈现相同的线性比例关系的情况下，宽高比惩罚函数仍然具有约束效果，提升收敛速度和精度。在SIXray数据集上的实验结果表明，算法在mAP50、mAP50:95上分别提高了2%和4.5%，同时检测速度也达到了58 FPS。

关键词：深度学习目标检测 YOLOv7 安检图像注意力机制

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于偏微分方程的安检图像去噪算法

基于偏微分方程的安检图像去噪算法

作者：赵扬东南大学

学位级别：硕士

安检图像是一种典型的X射线图像,由于X射线的成像原理以及行李箱包的复杂性,安检图像存在内容丰富,边缘复杂,容易受到噪声干扰等特点,给工作人员识别危险物品带来困扰。安检图像的细节十分重要,关系到安检人员的判断准确性,而传统的图... 详细信息

安检图像是一种典型的X射线图像,由于X射线的成像原理以及行李箱包的复杂性,安检图像存在内容丰富,边缘复杂,容易受到噪声干扰等特点,给工作人员识别危险物品带来困扰。安检图像的细节十分重要,关系到安检人员的判断准确性,而传统的图像去噪算法在处理安检图像时通常不能有效地去除噪声并且保留图像的边缘细节。针对这个问题,本文以偏微分方程数学理论为基础,主要研究了一种基于偏微分方程的自适应图像去噪算法,用于处理被噪声干扰的安检图像。在理论研究中有多种不同的偏微分方程去噪方法,本文着重强调的是Perona-Malik(P-M)各向异性扩散方程的算法。这种基于P-M扩散方程的自适应图像去噪算法将图像去噪分为了两个过程,分别为图像自适应的边缘检测过程和根据检测结果以不同的扩散方式处理图像噪声的过程。具体行为是首先改进了原始的P-M扩散方程的的扩散系数,设计了一种自适应边缘检测函数,该函数通过梯度的变化将图像分为平坦光滑区域和边界区域;P-M扩散方程可以在不同的区域表现出不同的扩散方式,从而在去除噪声的同时不会对边缘细节造成太大的影响。最后,在自适应的P-M扩散算法的基础上,应用了结构张量的原理,用结构张量中的连贯性张量和张量度量分别代替边缘检测函数中的梯度,增强了边缘检测的能力,使得图像去噪的效果更佳。本文使用了不同的图像数据对所研究的基于P-M扩散方程的自适应去噪算法进行了实验,实验证明该算法比原始的P-M图像去噪算法更具备有效性,在对安检图像的处理中,既可以去除安检图像的噪声,又对图像的边缘信息不会造成太大的影响。通过主观和客观的分析,均证明改进后的基于偏微分方程的自适应算法优于原始的偏微分方程算法。

关键词：图像去噪安检图像偏微分方程 P-M扩散方程边缘检测

基于深度学习的安检图像检测分割系统理论及其实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的安检图像检测分割系统理论及其实现

作者：李晓峰北京工业大学

学位级别：硕士

近些年国内外发生多起恐袭事件,每次都造成大量的人员伤亡,案发地几乎是人员密集的地方,例如火车站广场、公园入口区域、机场入口区域、商店入口区域、学校入口区域等。X射线技术结合图像处理技术,更加针对性地应用到安防领域,为反恐检... 详细信息

近些年国内外发生多起恐袭事件,每次都造成大量的人员伤亡,案发地几乎是人员密集的地方,例如火车站广场、公园入口区域、机场入口区域、商店入口区域、学校入口区域等。X射线技术结合图像处理技术,更加针对性地应用到安防领域,为反恐检测提供依据,进一步使安全检测便捷。然而,现代地铁口、机场、港口等一些重要地方使用的X射线安检设备,对被检包裹物的检测只能从物理性质和化学性质方面进行图片描述,再进一步识别包裹里被检物是否为危险品,目前还是要求专业值班员人工观察。人工观察安检图像十分依赖安检员的经验与技术,由于差异性的主观原因,经常会出现对一些危险物体的误检和漏检情况。因此本论文针对安检场景检测物体功能性的难点和目前检测方法的局限性,运用数字图像处理和深度学习的理论和方法进行研究。首先对研究中涉及到的数字图像处理、卷积神经网络以及实例分割算法等专业知识理论进行系统阐述,为后续的实验研究奠定理论基础。其次,通过运用图像预处理技术,对数据进行标注以及特殊处理,为本课题的安检系统提供大规模的数据资源中心。再然后,通过分析研究深度学习领域中目标检测和语义分割技术,在Mask RCNN实例分割算法的基础上,提出一种利用语义轮廓信息的的实例分割算法Faster Mask RCNN（FMRCNN）,同时在FMRCNN网络模型的结构中对RPN网络进行调整,以及在注意力机制方面使用Softer NMS算法替代NMS算法,通过几组实验对比结果表明优化后的FMRCNN模型显著提高检测的精度,并且与第二届中国国际进口博览会中应用的基于英特尔Open VINO技术的智慧安检危险品识别算法的准确率相比更高。最后运用成熟的FMRCNN模型,分析设计一种基于深度学习的安检图像检测分割方法的系统与安检机实现对接。通过将人工智能、大数据与安防结合起来,一方面很大程度上提升了人们的交通安全系数,为大众的人身安全提供了更加有效的保障,自动化的检测大大缩短了出入公共场所安检的时间,市民出行更加便捷;另一方面,自动检测危险品辅助安检人员更加高效的完成安检任务,减轻安检人员的压力,在节约人力成本和工作效率方面具有积极的影响,从长远来看,这给安防领域带来新思维、新方法,数字化智能的应用更加深入,给安防领域带来一轮跳跃式变革。

关键词：安检图像深度学习 Mask RCNN 目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的安检图像中威胁物品检测研究

基于深度学习的安检图像中威胁物品检测研究

作者：夏瑞阳重庆邮电大学

学位级别：硕士

在公众运输管理领域,对行李实施X光安检是保障乘客生命财产安全的重要方式,但安检人员以肉眼观察图像来确认威胁物品易受人为因素影响且效率较低。深度学习是提升威胁物品检测精度的有效手段。然而,大多数检测方法仍存在提取特征质量较... 详细信息

在公众运输管理领域,对行李实施X光安检是保障乘客生命财产安全的重要方式,但安检人员以肉眼观察图像来确认威胁物品易受人为因素影响且效率较低。深度学习是提升威胁物品检测精度的有效手段。然而,大多数检测方法仍存在提取特征质量较低,多阶网络层交互能力不足的问题。本文通过强化网络模型特征提取和多层语义信息交互能力来提升威胁物品分类精度和检测效率,主要研究内容如下:1.提出了浅层多头空间注意力机制、深层多头通道注意力机制和跨层高分辨语义模块,改进了卷积主干网络对威胁物品的特征提取及融合能力,提升了威胁物品的分类及定位精度。对浅层网络提出多头空间注意力机制,用不同压缩函数减小空间特征后,生成的空间全局关联特征与浅层特征进行级联交互;对深层网络提出多头通道注意力机制,用不同全局池化方式获取通道特征后,前馈神经网络输出的通道全局关联特征将与深层特征逐元素交互;对多阶网络层提出高分辨语义模块,将多层特征按相同空间维度级联后,通过预设卷积集融合。在安检数据集SIXray的分类及定位实验结果表明,结合不同注意力机制和特征融合模块的主干网络能有效提升特征提取及融合能力,对威胁物品实现更精确地识别及定位。2.提出了轻量级的注意力Transformers Only Look Once(TOLO)检测分支网络,改进了网络对威胁物品的特征提取及融合能力,有效提升了威胁物品的检测效率。所提网络包括颈部和头部两个部分,采用深度可分离卷积设计,降低了模型参数,加快了模型推理速度。提出的颈部网络由特征融合网络组成,将主干网络不同层特征以相同路径实现融合,为头部网络提供高分辨语义特征;提出的头部网络由轻量级视觉Transformer组成,根据融合特征建立局部特征间全局关联性,使检测分支网络更关注威胁物品区域。在SIXray数据集中对手枪、刀具、钳子、扳手和剪刀等5种不同威胁物品进行检测的结果表明,该网络的平均精度均值可达84.4%,每秒可传输62.1帧。结合提出的基于卷积神经主干网络的多注意力机制,能进一步将检测精度提升到86.2%。

关键词：安检图像目标检测注意力机制视觉Transformer 轻量化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

X光安检图像违禁品检测方法研究

X光安检图像违禁品检测方法研究

作者：张友康中国民航大学

学位级别：硕士

安检是保障物品流动安全的第一道防线,X光安检射线图像不同于自然场景图像,其具有背景复杂、违禁品尺度多样以及相互遮挡现象,导致传统的目标检测算法无法获得满意的效果。深度学习技术发展,让安检系统智能化成为安检行业未来趋势。本... 详细信息

安检是保障物品流动安全的第一道防线,X光安检射线图像不同于自然场景图像,其具有背景复杂、违禁品尺度多样以及相互遮挡现象,导致传统的目标检测算法无法获得满意的效果。深度学习技术发展,让安检系统智能化成为安检行业未来趋势。本文深入研究计算机视觉中现有的目标检测算法,通过对比传统检测技术和深度学习检测算法,构建适合于X光安检射线图像的违禁品检测算法网络。为解决安检图像检测常见问题,本文构建非对称卷积多视野神经网络(Asymmetrical Convolution Multi-View Neural Network,ACMNet),并做出如下创新:(1)搭建了多尺度安检违禁品目标检测网络。以一阶段目标检测算法(Single Shot MultiBox Detector,SSD)作为基础网络框架,构建小卷积非对称模块(Asymmetrical Tiny Convolution Module,ATM),利用小卷积学习不同尺度的违禁品局部特征,叠加空洞卷积定位特征全局位置,实现多尺度违禁品目标检测。(2)解决违禁品间遮挡问题。设计空洞多视野卷积模块(Dilated Convolution Multi-View Module,DCM),通过提供局部与全局之间的上下文特征信息来定位遮挡违禁品,实现遮挡违禁品目标检测。(3)解决背景干扰问题。设计多尺度特征图融合策略(Fusion strategy of multi-scale feature map,MF),通过融合高、低层特征图以提高模型在背景干扰情况下多尺度/遮挡违禁品的检测精度。实验表明,本文提出的检测网络ACMNet在公开和自建数据集上有较好的鲁棒性。

关键词：安检图像违禁品检测多尺度遮挡背景干扰

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的安检图像危险品检测算法研究

基于深度学习的安检图像危险品检测算法研究

作者：李凯琦北京邮电大学

学位级别：硕士

安全检查是一项在全世界范围内广泛使用的保障公民人身安全的重要举措。通过安检机检测行包内是否携带危害人身健康安全的物品,可以保障公共场合内人民群众的切身利益。针对当前人工进行安检图像分析时效性较慢和准确率较低的问题,设计... 详细信息

安全检查是一项在全世界范围内广泛使用的保障公民人身安全的重要举措。通过安检机检测行包内是否携带危害人身健康安全的物品,可以保障公共场合内人民群众的切身利益。针对当前人工进行安检图像分析时效性较慢和准确率较低的问题,设计自动安检图像危险品检测算法,具有理论研究和实际应用价值。本文以基于深度学习的目标检测算法在安检图像危险品检测任务的应用为研究内容。以提升时效性和准确性为研究目的,修改了模型的输入分辨率,研究分析了多种特征提取网络对危险品检测算法的影响,并设计了一种等级修正模块提升模型的语义理解能力。在自建安检图像数据集上进行训练和测试验证了算法的有效性。本文的主要研究内容如下:1.研究并分析了安检图像的形态,对原始安检图像进行预处理并提取感兴趣区域,将处理后的数据裁剪为768×768的固定大小。然后,对安检数据进行类别标记,制作安检图像数据集,以便后续算法的训练和测试。2.以经典检测算法SSD为基线模型,分析SSD算法在安检图像数据集上的表现。实验表明SSD模型对小目标检测效果较差,本文将SSD算法的输入尺寸修改为安检图像大小,解决了基础模型难以提取小目标物体特征的问题,并取得了良好的效果。3.将多种特征提取网络模型嵌入到SSD检测模型中,以准确率和模型复杂度为综合度量指标,对比分析不同的基础骨干模型对安检图像危险品检测任务的影响。4.设计等级特征修正模块,利用多尺度的特征信息进一步加强模型的语义信息,使得网络具有更好的语义表征能力,提升安检图像危险品的检测准确率。5.分析算法泛化能力,使用公开数据集和交叉验证实验验证算法的泛化能力。本文建立了一个标准安检图像危险品数据集,提出了一种基于SSD检测算法的改进算法,结合了高分辨率输入模型,特征提取网络和等级修正模块,并通过实验验证了算法的有效性。最终,提出的基于深度学习的危险品检测算法在安检图像数据集上达到了 84.62%的平均精确率,89.31%的准确率,88.98%的召回率。

关键词：深度学习目标检测安检图像危险品检测

基于Contourlet变换的安检图像增强技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Contourlet变换的安检图像增强技术研究

作者：姜超东南大学

学位级别：硕士

X射线成像技术被广泛用于安全检查领域。原始安检图像存在噪声污染与细节模糊等问题,针对原始图像的增强处理是后续安全检查工作的关键。Contourlet变换是一种有效的二维图像分析工具,继承了小波变换的多尺度和局部化特性,同时具有各向... 详细信息

X射线成像技术被广泛用于安全检查领域。原始安检图像存在噪声污染与细节模糊等问题,针对原始图像的增强处理是后续安全检查工作的关键。Contourlet变换是一种有效的二维图像分析工具,继承了小波变换的多尺度和局部化特性,同时具有各向异性和多方向特性,可以更好的表示图像中的几何信息,在图像增强领域中应用广泛。传统的图像增强算法在增强图像细节的同时也会放大图像中的噪声。针对安检图像增强需要兼顾抑制噪声和细节增强的特点,本文研究了基于Contourlet变换的去噪方法以及基于无下采样Contourlet变换的增强方法。完成的主要工作有：首先研究了以Contourlet变换为代表的图像多尺度几何分析工具的基本构造,随后研究了基于小波变换和基于Contourlet变换的去噪方法并进行了实验对比。使用基于系数局部方差的自适应阈值改进了原有阈值,并结合循环平移Contourlet变换改进了阈值去噪算法。通过使用理想图像和安检图像进行实验,验证了算法的有效性。在此基础上,本文设计了一种基于无下采样Contourlet变换的安检图像增强方法。根据安检图像在NSCT域的系数分布,算法采用局部贝叶斯阈值来区分图像中的噪声和细节系数。并且设计了一个非线性的增益函数来增强高频系数,同时使用一个非线性的灰度映射函数来提高低频子带的对比度。本文使用多种安检原始图像数据对基于NSCT的增强方法进行了实验,验证了方法的有效性,并从主观与客观两个角度进行评价。实验结果表明,本文提出的基于NSCT的增强方法能较好地增强安检图像的细节信息并抑制噪声,与传统增强方法相比视觉效果更佳。

关键词： X射线安检图像 Contourlet变换无下采样Contourlet变换图像增强