بهبود تشخیص اشیا خطرناک موجود در تصاویر x-ray در بازرسی های امنیتی و نظامی با استفاده از رویکردهای پردازش تصویر

تشخیص اشیاء خطرناک موجود در تصاویر کسب شده توسط اسکنرهای X-ray در بازرسی امنیتی، نقش مهمی در محافظت از فضای عمومی در برابر تهدیدهای امنیتی مانند تروریسم و وقوع جرایم خطرناک ایفا کرده است. انجام عملیات تشخیص، توسط فرد خبره علی رغم ویژگی های قابل توجهی که سیستم های حسی و بینایی انسان داراست؛ به دلیل طاقت فرسا بودن، بدون توقف بودن، وابستگی بیش از حد به خطای انسانی و... از ارزش عملیاتی پایینی برخوردار است. یک راه حل مناسب برای موقعیت های مشابه استفاده از سیستم های بینایی ماشین می باشد. ما در این مطالعه قصد داریم که ابتدا در یک فاز آموزشی با قطعه بندی سخت شی خطرناک مورد نظر در تصاویر x-ray موجود در پایگاه داده SIX-ray را بررسی کنیم و با استخراج ویژگی های این اشیاء توسط الگوریتم SURF که قابلیت استخراج ویژگی حتی در شرایط پیچیده و بهم ریخته را دارد، یک پایگاه داده از ویژگی های اشیاء در ابعاد و زوایای مختلف تهیه کنیم. سپس در فاز تشخیص، تصویر آزمایشی ابتدا از یک مرحله قطعه بندی نرم عبور می کند و سپس ویژگی های تصویر توسط الگوریتم SURF استخراج می شود. ویژگی های استخراج شده با ویژگی های شیء موجود در پایگاه داده آموزش مطابقت داده می شوند و سپس احتمال حضور شی که از نسبت تعداد ویژگی های منطبق شی بر تعداد کل ویژگی های موجود در شی به دست می آید، برای هریک از موارد محاسبه می گردد و تطابق ها با بیشترین احتمال وارد مرحله بعد می شوند. پس از یافتن تطابق های معتبر با بیشترین احتمال، با استفاده از الگوریتم اجماع نمونه برآوردگر -M (MSAC) ویژگی های منطبق اشتباه که از پس زمینه تصویر نشات گرفته اند حذف می شوند. در نهایت، انتقال دوبعدی (Affine transformation) بین جفت نقطه های تطبیق هریک از حالت های معتبر با تصویر ورودی به دست می آید و به کمک این انتقال و ابعاد شی، یک مربع پیرامون شیء رسم می شود و مکان شیء تشخیص داده می شود. در ادامه به تشریح کامل فاز آموزش و تشخیص و نتایج حاصل از داده های SIX-ray پرداخته می شود.