安检透视图像融合方法研究(任务书,开题报告,外文翻译,论文13000字)
摘要：随着社会的进步发展，我们对安全检测的性能要求也越来越高。鉴于危险物品的特殊性，对行李包进行X射线透视是一种有效的安检方式。本文即是对安检X射线透视图像的融合方法进行了学习研究。首先在绪论中引出了本课题提出的背景和意义。粗浅地介绍了图像融合的概念、发展历程和应用领域。并对安检透视所用的X射线做了简述，介绍了安检设备及其工作流程。紧接着，描述了图像融合的步骤、层次等基础理论，详细介绍了加权平均、IHS变换、PCA变换几种经典的融合方法的原理,并选用加权平均法和IHS变换对两组图像进行了融合实验。然后，根据X射线的特点，基于神经网络模型在融合效果方面有着较大的优势，采用神经网络模型算法对安检图像进行融合实验。先从神经网络的原理入手，详细讲解了神经网络的结构及解决问题的思想。最后，构建并训练本文适用的网络模型，进行融合实验，并对各种参数进行了单一变量分析。也与其它算法的融合效果做了对比分析。
关键词：图像融合； X射线安检； 人工神经网络模型
Security Fluoroscopy Image Fusion Method
Abstract: With the development of the society, requirements of security are also getting higher and higher. According to the particularity of dangerous item, X ray fluoroscopy is an effective way to check the baggage. This paper is a study on the method of security X ray fluoroscopy image fusion .First of all, the paper introduced the development process, current situation, applications . Secondly, the discovery and spectral characteristics of the X-ray and a brief introduction of security systems is carried out. Then fundamental theory of image fusion and several signal-level and feature-level image fusion algorithms which are classic are presented, such as weighted average method, IHS transform, PCA transform and artificial neural network method. The more, the paper applied the weighted average method and IHS transform method to X ray image fusion. Finally, according to the characteristics of X ray, based on the neural network model has a great advantage in the fusion effect, the paper applied the neural network model algorithm to X ray image fusion.
Key words：image fusion；X ray screening；Artificial neural network model
目 录
1 绪论 1
1.1 课题研究的背景及意义 1
1.2 图像融合简介 1
1.3 图像融合的发展及应用 1
1.4安检透视X射线简介 2
1.4.1 X射线理论概述 2
1.4.2 X射线安检系统 3
1.5 本文主要工作 4
2 图像融合基本理论及几种常用算法 4
2.1图像融合的步骤 4
2.2图像融合的层次 5
2.3图像融合常用算法 5
2.2.1 加权平均融合 5
2.2.2 IHS变换 6
2.2.3 PCA变换 8
2.4常用算法的对比评价 8
3 传统算法用于安检透视图像融合 9
3.1加权平均法 9
3.1.1实验过程 9
3.1.2实验结果 9
3.1.3实验分析 10
3.2 IHS变换 10
3.2.1实验过程 10
3.2.2实验结果 10
3.2.3实验分析 11
4 人工神经网络用于安检透视图像融合 11
4.1选用人工神经网络的原因 11
4.2神经网络简介 12
4.2.1神经元 12
4.2.2多层神经元网络 13
4.2.3 人工神经网络的训练 14
4.3融合实验 14
4.3.1实验过程 14
4.3.2实验结果 15
4.3.3参数分析 16
4.4三种融合算法对比 20
5 总结 21
参考文献 22
附录 23
致谢 25 |
