基于SIFT特征和ISM的X射线图像危险品检测方法

针对行李安检时X射线图像中的危险品检测问题,提出一种基于尺度不变特征变换(SIFT)和隐式形状模型(ISM)的检测方法。首先,采集不同姿态的危险品X射线图像,并标注目标位置,构建训练数据集。然后,通过SIFT算法提取目标关键点,并以此构建目标的ISM模型。在检测过程中,将提取的目标SIFT描述符与ISM模型中的视觉描述符进行匹配,通过投票机制来判断目标是否为危险品。通过手枪和酒瓶的检测实验表明,该方法能够从X射线图像中准确检测出危险品,且对目标姿态变化具有鲁棒性。     

微焦点X射线成像扫描控制与数据获取系统

文章介绍了微焦点X射线成像扫描控制与数据获取系统的原理、软硬件结构以及实现技术。该系统通过串口通讯协议,实现了实时图像采集的手动扫描控制、自定义扫描轨迹的自动控制,通过图像采集卡采集和存储微焦点X射线图像,为微焦点成像分析处理的研究提供了良好的实验平台。     

基于虚拟现实技术的模糊静态图像目标重现方法

模糊静态图像目标重现方法的优劣直接影响了模糊静态图像处理的最终效果和目标识别的准确性。目前,模糊静态图像目标重现方法首先采用暗原色先验规律对模糊静态图像目标的环境光值进行估计,并且基于光照情况对模糊静态图像目标进行透射率估计;然后利用物理模型还原出模糊静态图像目标;最后对还原的目标进行反转,得到模糊静态图像目标的重现结果。该方法存在重现目标对比度较低的问题。为了提高对比度,改善视觉效果,提出了一种基于虚拟现实技术的模糊静态图像目标重现方法。首先,利用虚拟现实技术与光学成像原理对模糊静态图像目标进行采集和分层处理;然后,采用分段线性色阶调整函数来处理模糊静态图像目标的亮度通道,进行全局映射;最后,对目标细节做相应处理,保持目标细节的可见性,完成目标重现。实验结果表明,所提方法具有更好的视觉效果和更明显的细节信息。     

基于太赫兹的危险品智能识别系统

基于太赫兹线性扫描成像和深度学习技术,实现包裹危险品实时智能识别。采用太赫兹线性扫描成像技术,穿透包裹、衣物、信封等物品,探测隐匿的塑胶凶器、塑胶炸弹、流体炸药和易燃易爆液体等危险品,形成太赫兹图像。对太赫兹图像采用基于深度学习的目标检测方法,实现危险品检测识别。实验结果表明,该系统对危险品成像,能显现X射线扫描仪不易探测的危险品,能自动识别,精度高、实时性好。该系统是一种成像质量好、识别精度高、实时性好的包裹危险品智能识别系统。     

X射线相衬成像图像采集系统的远程控制传输设计

为了满足X射线相村成像技术对图像采集装置的大面积和高分辨率的特殊要求,提出了一种基于ARM9和FPGA的远程图像采集控制传输系统的设计方法.系统由LUPA4000CMOS图像传感器、ARM9、DM9000A、FPGA,DDR2 SDRAM等器件组成.采用FPGA和DDR2技术,可以对大数据量的图像数据进行实时缓存,解决了高分辨率、大数据量图像数据实时存储和获取的关键问题.采用以太网远程控制传输的方法,能有效避免X射线辐射.实验结果表明,该系统可以实时准确地获取大面积、高精度图像数据.     

违禁品X光图像检测技术应用研究进展综述

X光图像在安检中应用十分广泛,目前大部分安检工作还要依靠人工完成,但X光安检巨大的工作量和工作强度使自动安检成为必然趋势。如何根据X光图像自动检测其中物体成为研究热点。随着基于深度学习技术的目标检测取得巨大进展,在X光图像违禁品检测中也大量应用深度学习模型进行研究并获得大量成果。为全面、详细总结现有研究,首先介绍X光成像特点、X光图像检测的传统方法以及基于深度学习的方法,然后对比传统方法与深度学习方法的检测效果并分析现有自动安检研究进展,最后指出未来值得关注的研究方向,以期给X光图像违禁品检测的研究提供参考。     

基于改进YOLOv5的X射线安检图像违禁品目标检测算法

为进一步提高安检X射线图像中违禁品的检测精度与速度,提出一种改进YOLOv5的X射线安检图像违禁品目标检测算法。具体改进的内容：一是加入了掩码自注意力机制模块有效地捕捉全局上下文信息,增强了特征信息的表达能力;二是引入Quality Focal Loss损失函数有效缓解了类别不均衡问题,提高了对目标的定位精度。实验证明改进后的网络模型在安检数据集上得到了提升,满足安检检测需求。     

融合超像素分割技术的虚拟成像细节重建研究

虚拟成像是在三维空间中投射立体影像的技术，受采集设备、环境以及网络传输等因素的影响，图像易出现分辨率降低问题，导致虚拟成像细节重建效果不理想。为解决上述问题，提出基于VR和小波降噪的复杂虚拟成像重建方法。依据光学原理确定最小识别距离，结合摄像机采集目标物体多视点图像。利用简单线性迭代聚类(simple linear iterative clustering, SLIC)超像素分割技术优化小波降噪法，完成图像的去噪。基于此，通过VR技术获取全息三维影像重建点坐标和深度距离，并将其投射至透明介质上，实现复杂虚拟成像重建。实验结果表明，研究方法的虚拟成像超像素分割效果更优，平均峰值信噪比为25.5dB,平均结构相似度为0.83,具有较高的应用可靠性。     

电子鼻在X射线检测仪中的应用技术研究

鉴于目前安检设备无法检测一些具有挥发性的有毒有害或易燃、易爆液态危险品。利用电子鼻气味识别的功能,将X射线检测技术与电子鼻气味识别技术有机的结合起来,分析了箱体容积内运动气体的流动特性,并确定电子鼻的位置分布及数量,实验表明:该方法对挥发性的有毒有害或易燃、易爆液态危险品检测的概率达到85%,电子鼻技术的应用克服X射线检测仪识别物质不全面的缺点,实现了对危险品的全面检测,提高了安检仪的性能。     

X射线成像检测中图像采集系统的设计研究

在X射线数字成像（DR）检测中，检测灵敏度是衡量检测系统检测质量的重要指标。从X射线成像检测系统中图像采集部分的设计着手，就如何降低噪声、扩大图像采集系统的空间分辨率和动态范围，提高检测系统的灵敏度，进行了一些研究。     

基于智能识别技术的铁路安检辅助分析装置研究

针对铁路安检X光图像判图高度依赖人工,时有发生漏检的问题,提出一种基于智能识别技术的铁路安检辅助分析装置。通过采用视频图像接口的硬件设计,解决与安检仪的适配问题。通过采用跟踪进程、分析进程、推送进程的多进程思路设计,解决60Hz刷新率下的高精度分析显示问题。跟踪进程采用关键点差分算法实现安检X光图像跟踪,分析进程采用改进的残差网络(ResNet)实现特征提取,采用CenterNet算法实现禁限物品检测,推送进程通过检测键盘中断实现报警图像推送。经实验测试,该装置禁限物品识别准确率达92%,显示帧率达60帧/秒,可适配主流品牌安检仪,满足铁路车站安检辅助分析需求。     

区域增强和多特征融合的X光图像违禁品识别

目的 对旅客行李进行安全检查是维护公共安全的措施之一,安检智能化是未来的发展方向。基于X光图像的安检因不同的安检机成像方式不同,同一类违禁品在不同设备上的X光图像在颜色分布上有很大差异,导致安检图像智能识别算法在训练与测试数据分布不同时,识别性能明显降低,同时X光行李图像中物品的混乱复杂增加了违禁品识别的难度。针对上述问题,本文提出一种区域增强和多特征融合模型。方法 首先,通过注意力机制的思想提取一种区域增强特征,消除颜色分布不同的影响,保留图像整体结构并增强违禁品区域信息。然后,采用多特征融合策略丰富特征信息,使模型适用于图像中物品混乱复杂情况。最后,提出一种三元损失函数优化特征融合。结果 在公开数据集SIXray数据集上进行整体识别性能和泛化性能的实验分析,即测试本文方法在相同和不同颜色分布样本上的性能。在整体识别性能方面,本文方法在平均精度均值(mean average precision,mAP)上相较于基础模型ResNet18和ResNet34分别提升了4.09%和2.26%,并优于一些其他识别方法。对于单类违禁品,本文方法在枪支和钳子类违禁品上的平均识别精度为94.25%和...     

基于模糊神经网络的焊缝缺陷识别的研究

焊缝缺陷在X射线设备下成像转成数字图像后,分析其图像的特点,进行缺陷的定位与边缘检测,结合人工识别焊缝缺陷的经验选取对焊缝缺陷分类影响因子较大的特征参数。用模糊集合的概念描述特征参数,建立特征参数的模糊规则库,构建以模糊化后的特征参数为输入层,以模糊规则为隐含层,缺陷预知识别分类为输出的模糊神经网络模型。分析实验结果,成功定位缺陷在数字图像中的大概位置与边缘检测。该方法提高了集合交叉较大的焊缝缺陷的识别率,能有效地对缺陷进行识别分类。     

基于三级图像融合与CLAHE的机场安检X光图像增强算法

针对CLAHE增强机场安检X光图像出现的颜色失真及背景噪声放大问题,提出一种基于三级图像融合与CLAHE的X光图像增强算法.首先将X光图像分别转换成RGB、HSV图像并分别进行CLAHE增强,将增强后的图像通过欧几里得范数实现第1级融合.然后将融合后的图像进行USM锐化,锐化过程中根据掩膜进行图像第2级融合.最后将锐化后的图像与原图像按系数进行合并,完成第3级融合.仿真实验结果表明,本文提出的算法能够有效提高安检X光图像的对比度, PSNR平均值提高了7 dB,同时可以抑制增强图像颜色失真及背景噪声.该算法有助于提高X光图像中违禁物品的识别准确率,对平安机场的构建具有积极意义.     

基于图像处理和模式识别的网络图像监控系统

随着科学技术和生活水平不断的提高,人们的财产和人身安全问题已经不仅仅来自于传统的经验,而是逐渐的转变到虚拟的网络当中;为此,提高人们的隐私安全和财产安全需要加强网络监控,其中图像监控是较为主要的方面;加强图像监控的可靠性和实时性,是实现社会稳步发展和人民网络隐私安全的首要目标;应用计算机网络技术和现代化通讯技术相结合,综合图像处理技术和模式识别技术的应用,设计应用于网络图像监控系统是当前社会发展的安全技术保障之一;文章通过对图像监控进行简析,阐述图像处理技术和模式识别技术的相关方面,探讨研究网络图像监控中图像识别和处理方面的技术;通过对图像处理中的色彩均化和模糊识别实验,得出其对于网络中传播的图片辨识度和提取信息能力具有很高的发展。     

多尺度特征融合的二维编码图像识别

为实现二维编码同时适合机器和人的识读,提出了一种二维编码图像结合的新型二维图像编码技术,并针对该二维编码图像无定位标识的特点,采用目标识别的算法进行识别,同时改进了SSD（Single Shot Multibox Detector）算法使其适用于此类目标识别。该算法针对小目标的识别特点,去掉了原有的空洞卷积层以及选择了浅层的图层进行特征融合,达到了准确识别二维编码图像的效果。此外搭建了基于GTX1080型号的GPU、Ubantu Linux和TensorFlow的深度学习平台,提出了一种网络学习和验证方法,该方法通过电脑生成相应的数据集来训练网络,并采用合成的数据集和真实图片分别对网络进行验证和测试。测试结果表明,该方法训练的网络对具有良好拍照条件的真实图片的编码识别准确率达到100%。     

基于条件可逆网络的生成式图像隐写算法

近年来,随着生成模型的广泛使用,生成式隐写领域得到了快速发展。生成式隐写是在图像合成过程中隐藏信息的技术。它无需真实图像参与,只需秘密消息驱动生成模型即可合成载密图像。然而,现有方法无法控制生成的图像内容,因此不能保证隐蔽通信行为的安全性。针对上述问题,本文提出了基于条件可逆网络(Conditional Invertible Neural Network,cINN)的生成式图像隐写术steg-Cinn。在本文中,我们将信息隐藏建模为图像着色问题,并将秘密信息嵌入到灰度图像的颜色信息中。首先,我们使用映射模块将二进制秘密信息转换为服从标准正态分布的隐变量。而后,我们以灰度图像作为先验来指导着色过程,使用条件可逆网络来将隐变量映射为颜色信息。其中steg-Cinn生成的彩色图像匹配灰度图像的语义内容,从而保证了隐蔽通信的行为安全。对比实验结果表明,本文方法能够控制生成的图像内容并且使得合成颜色真实自然,在视觉隐蔽性方面表现良好。在统计安全性方面,本文方法的隐写分析检测正确率为56.28%,说明它能够抵御隐写分析检测。此外,本文方法在比特消息提取方面可以实现100%正确提取,这种情况下的隐藏容量是2.00 bpp。因此,与现有方法相比,本文方法在图像质量、统计安全性、比特提取正确率和隐藏容量方面取得了良好的综合性能表现。迄今为止,本文方法是在图像隐写术中首次使用cINN的工作。考虑到任何信息都可以转换为二进制形式,我们可以在图像中隐藏任意类型的数据,因此本文方法在现实世界里也具备实用价值。     

掌纹掌脉图像超小波域融合识别算法

针对单一生物特征识别技术易受外界各种因素影响,识别率和稳定性有待提高的问题,提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先,对掌纹掌脉图像利用非下采样Contourlet变换（NSCT）进行分解,将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合;然后,对融合后的图像利用近邻二值模式（NBP）提取纹理特征,获得特征向量;最后,通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率（EER）。在PloyU图库及自建图库上进行实验,结果表明,NSCT-NBP算法可获得最低的EER,分别为0.72%和0.96%,识别时间仅为0.0530 s和0.0871 s,与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比,在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征,具有良好的识别性能,并且掌纹掌脉特征的融合增强了识别系统的安全性。     

基于关键姿态的快递场景人-物交互行为识别方法

开箱验视是邮局快递场景中的一个重要环节,为了防止包裹内存在易燃易爆等危险品,快递打包前工作人员需按照行业要求实施危险品开箱验视。在人体行为识别框架中引入目标检测和关键姿态估计算法,提出了基于深度学习的快递场景人-物交互行为识别算法。首先,通过改进高斯混合(GMM, Gaussian Mixture Model)背景建模方法检测运动目标,提取行为关键帧,采用OpenPose算法进行姿态估计,识别初始行为类别;其次,针对常规行为识别方法丢失物品语义信息的问题,使用YOLOv5算法检测感兴趣物体类别和位置,提出基于拍卖算法(Auction)的多人-多物最优分配算法,构建人-物交互关系特征描述子;最后,将初始行为标签和人-物交互关系描述子进行决策融合得到最终识别结果。以实际快递场景数据对所提方法进行验证分析,实验结果表明,该方法可以对相似目标和多人干扰的复杂环境中的开箱验视行为进行准确识别。