对先进的行李检查:重建和自动目标识别(ATR)
R4-B1
项目描述
概述和意义
. 1。重建的研究
对托运行李扫描x射线计算机断层扫描(CT)是运输安全的最重要的元素之一。图像分析算法的性能高度依赖重建图像的质量作为分析的输入。当组件重构片一袋解决不良或损坏工件高度衰减带来的材料,如金属物体,可怜的分割的材料可能导致袋子里足够的模棱两可的内容需要人工干预由于“假警报”。任何改善图像质量将减少此类案件的数量,降低整个系统的操作成本。绝大多数已部署的CT系统利用基于确定性的描述映射的图像重建方法从数据域和图像域(正弦图)。变异的过滤投影是最常见的,可以实现在高帧速率适合连续流行李扫描。反演方法,基于更准确的描述工具和建模的可靠性数据,可能需要更多的计算迭代解但显示承诺在相关CT的应用程序,这可能会转移到安全领域。我们称这类方法基于模型的图像重建(MBIR),因为他们依赖于相对精确的像素/ x光交互建模,探测器的行为,光子计数和电子噪声。这个项目的目标是改善MBIR在其特定的应用程序安全扫描。因为昂贵的假警报的一个主要因素是图像质量差在许多金属物体的存在可能行李或包装内的一部分,我们的主要焦点是一种技术来自动补偿的射束硬化的金属。 The technique separates metal from other image content and models the total attenuation as a polynomial function of both the total attenuation in metal and the total in other materials. The coefficients of the polynomial, which will vary with the X-ray’s spectral shape, are estimated along with the image to allow the best it to the sinogram data, eliminating some of the large inconsistencies due to beam hardening and other metal effects that force artifacts in images when attempting to match data.
第二个推力是变化根据近似测量方差的加权。最直接的模型,从泊松对数似函数,决定权重比例,得到光子计数。然而,这些数量可能会产生估计图像的动态范围与可怜的噪声纹理等不利的属性或不必要的工件的情况下,强调高衰减射线不充分准确的建模。通用MBIR的优点和改进我们的beam-hardening校正方法评估使用Imatron数据集共享任务订单3的参与者的努力。迭代方法显示优势主观图像质量。结果在项目的分割性能指标相对于混合标准,一次走刀过滤后投影(FBP)。
由信用证。自动目标识别(ATR)的研究
自动目标检测和识别的扫描图像可以帮助人类判断提取重要的信息和支持。然而,开发一个ATR系统的挑战是由于金属存在和严密的包装。金属为例,介绍了强裸奔ATR检测分割对象的构件。此外,ATR可能无法单独凌乱的对象,因为严格的包装。本研究的目的是调查和开发一个新的ATR系统能够处理上述具有挑战性的情况。要做到这一点,我们将把先进的计算机视觉算法在警报通过其提供的软件基线ATR任务订单。最近的研究在计算机视觉显示大量的有前景的结果在每个ATR的组件(如图像去噪、图像分割和目标检测,其中大部分是为应用程序的自然图像和很少被应用于CT图像,特别是安全应用程序。问题仍然是ATR的先进技术的潜在优势的应用程序。最后一个项目期间,我们成功地开发出一种新的ATR系统,结合先进的计算机视觉算法如形状过滤器和多标记分类。我们指定的性能使用标准的评价指标(即假警报的检测概率和概率),它已经给改进标准ATR。 We will continue to develop new techniques, particularly in advanced feature extraction, in order to further improve the detection accuracy. With these results, we can propose potential directions for the improvement of ATR in aviation security.
