X光安检图像多尺度违禁品检测

安检是保障人民生命财产安全的第一道防线,智能安检是安检行业未来发展的必然趋势。X光安检图像存在背景复杂、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。本文在一阶段目标检测网络SSD框架的基础上,提出了适用于X光安检图像多尺度违禁品检测网络——非对称卷积多视野神经网络ACMNet(Asymmetrical Convolution Multi-View Neural Network)。检测网络增加了三个模块:小卷积非对称模块(Asymmetrical Tiny Convolution Module,ATM)、空洞多视野卷积模块(Dilated Convolution Multi-View Module,DCM)、多尺度特征图融合策略(Fusion strategy of multi-scale feature map,MF)。 ATM学习到的细节特征有助于小尺度违禁品的识别;DCM通过提供局部与全局之间的上下文特征信息来解决遮挡问题;MF则是通过融合高、低层特征图以提高模型在背景干扰情况下违禁品的检测精度。在仿真实验中,采用X光安检领域公开的数据集与自建的数据集,ACMNet在精确度上取得了令人满意的效果。      

民航陆空通话语音识别BiLSTM网络模型

民航陆空通话对民航飞行安全十分重要,但因其通话模式有特殊的语法结构与发音方式,日常语音识别声学模型无法有效应用于民航陆空通话的语音处理问题。针对民航陆空通话的特殊语境,本文提出了基于双向长短时记忆网络(BiLSTM)的民航陆空通话语音识别方法。首先,提取民航陆空通话语音的FBANK特征作为输入,以时序链式连接(CTC)为目标函数,训练BiLSTM网络得到BiLSTM/CTC模型。然后,利用声学模型,语言模型与陆空通话词典实现民航陆空通话的语音识别,并结合数据增强与数据迁移对模型进行增强训练提高语音识别性能。实验结果表明本文提出的方法适用于民航陆空通话语音识别,并且数据增强模型可有效降低民航陆空通话语音识别的词错误率。      

GAN-based data augmentation of prohibited item X-ray images in security inspection

Convolutional neural networks (CNNs) based methods for automatic discriminant of prohibited items in X-ray images attract attention increasingly. However, it is difficult to train a reliable CNN model using the available X-ray security image databases, since they are not enough in sample quantity and diversity. Recently, generative adversarial network (GAN) has been widely used in image generation and regarded as a power model for data augmentation. In this paper, we propose a data augmentation method for X-ray prohibited item images based on GAN. First, the network structure and loss function of the self-attention generative adversarial network (SAGAN) are improved to generate the realistic X-ray prohibited item images. Then, the images generated by our model are evaluated using GAN-train and GAN-test. Experimental results of GAN-train and GAN-test are 99.91% and 98.82% respectively. It implies that our model can enlarge the X-ray prohibited item image database effectively.     

A GAN based method for multiple prohibited items synthesis of X-ray security image

Detecting prohibited item based on convolutional neural networks(CNNs) is of great significance to ensure public safety. However, the natural occurrence of such prohibited items is a small-probability event, collecting enough datasets to support CNN training is a big challenge. In this paper, we propose a new method for synthesizing X-ray security image with multiple prohibited items from semantic label images basing on Generative Adversarial Networks(GANs). Theoretically, we can use it to synthesize as many X-ray images as needed. A new generator architecture with Res 2 Net is presented, which is more effective in learning multi-scale features of different prohibited items images. This method is extended by establishing the semantic label library which contains 14 000 images. So we totally synthesize 14 000 Xray security images. The experimental results show the super performance(Fréchet Inception Distance(FID) score of 30.55). And we achieve 0.825 of mean average precision(m AP) with Single Shot Multi Box Detector(SSD) for object detection, demonstrating the effectiveness of our approach.     

指静脉红外图像特征不变性编码新方法

基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势,成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像,加之手指内部其他组织的固有影响,图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合,重点研究一种新的对称邻域交叉图结构,将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图,充分表达像素点周围邻域的位置信息和梯度信息,具有良好的旋转不变性。实验结果表明:提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能,对图像姿态变化更鲁棒。     

手指多模态Gabor编码特征局部融合方法研究

鲁棒性特征提取一直是生物特征识别领域研究的一个重要问题。由于手指姿态易变,这个问题在手指多模态生物特征描述方面显得更为突出。为了较为稳定地刻画手指多模态生物特征信息,本文提出了一种新的基于Gabor特征编码的局部灰度特征提取方法。首先,对手指的三个模态指纹、指静脉和指节纹图像分别进行Gabor滤波,刻画它们的纹理方向特性,并分别获取Gabor方向特征编码。然后,分别对特征编码图像进行局部灰度特征分析,并以局部串联的方式对手指多模态生物特征进行融合。实验表明,该方法在自制的手指姿态多变的数据库中具有良好的识别性能。      

基于地理同名点配准的机载红外移动小目标检测方法

在飞行器等移动载体条件下的红外光电系统中,由于场景条件复杂,目标特征不明显,弱小移动目标检测是自动目标检测领域的一大难点。因此,针对复杂地面场景条件下的移动小目标检测问题,提出了一种无关图像内容的基于帧间地理同名点区域配准的机动目标检测方法。该方法通过综合飞行器惯性组合导航信息,解算视场中像素点对应的地理位置,获取帧间图像地理同名点对,完成图像配准工作,区域配准获得帧间背景的移动量,并对帧间图像进行运动补偿,然后进行帧间差分将背景干扰去除,突出运动目标,最后利用目标运动信息的反向验证对目标进行确认。通过试验结果可以看出,该算法能够取得较好的检测效果。     

基于模糊方向能量特征的手指静脉识别

从图像上看,手指静脉属于管线图形,有着明显的方向走向.因此,使用方向能量来进行静脉特征的描述和识别.为降低静脉图像采集过程中的旋转和平移对识别结果造成的影响,引入模糊集的概念.具体说来：首先,利用Steerable滤波器与原图做卷积获取方向能量;继而,对图像本身做模糊块划分,计算每一模糊块上的方向能量特征,并组合形成图像的最终特征;最后,使用相关系数来衡量两幅静脉图像的相似程度.实验结果表明,该方法能够达到满意的效果.     

改进GCNs在指静脉特征表达中的应用

基于图模型的指静脉全局特征表达方法不仅可以降低成像质量对采集设备的依赖性,还能提高匹配效率。针对于目前指静脉图模型的研究中存在的图结构不稳定,匹配效率随图模型的变大而降低的问题,本文提出了一种基于SLIC(Simple Linear Iterative Clustering)超像素分割算法构建加权图的方法,并改进ChebyNet图卷积神经网络(Graph Convolutional Neural Networks, GCNs)提取加权图的图级(graph-level)特征。针对指静脉样本数普遍较少,而ChebyNet中卷积网络参数量较大容易造成过拟合以及其快速池化层不能自适应地选择节点的问题,本文提出了全局池化结构的改进GCNs模型SCheby-MgPool(Simplified Cheby-Multi gPool)。实验结果表明,本文提出的方法提取的指静脉特征在识别精度,匹配效率上都具有较好的性能。      

手指静脉图像血管网分形修复方法

由于生物组织对近红外光具有高散射效应,手指静脉红外透射成像质量往往较差,血管网络存在信息残缺。为了解决指静脉血管残缺问题,本文提出一种基于分形的手指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对指静脉图像增强,进而提取血管骨架;其次,利用Gabor滤波得到的方向特征对血管网络进行结构预修复;接着采用K均值聚类方法提取指静脉结构的父子血管长度比特征,将其作为一种分形特征;然后,利用该特征计算缺损血管长度;最后,建立血管点移动模板,通过统计相邻血管点位置移动概率实现血管形态模拟及网络修复。实验结果表明,本文方法可以实现指静脉图像局部残缺区域的修复,从而提高手指静脉识别精度。