بهبود تشخیص اشیا خطرناک موجود در تصاویر x-rayبا استفاده از الگوریتم SURF

بنیامین محمدیان خزینه¹ محمدکاظم بشکنی² حمیدرضا رضا پور³

1) دانشگاه علوم پزشکی ،آبادان ،ایران
2) مهندسی کامپیوتر-موسسه آموزش عالی حکیم نظامی قوچان
3) کارشناسی ارشد هوش مصنوعی و رباتیکز،کتابخانه امام رضا(ع) قاین،آستان قدس رضوی

کد IOI مقاله : XECE-GHDHD
محل انتشار : کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/1st)
چکیده :
    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 علی‌رغم ویژگی‌های قابل توجهی که سیستم‌های 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 موقعیت‌های مشابه استفاده از سیستم‌های بینایی ماشین می‌باشد. ما در این مطالعه قصد داریم که ابتدا در یک فاز آموزشی با قطعه‌بندی سخت شی خطرناک مورد نظر در تصاویر x-ray موجود در پایگاه داده SIX-ray را بررسی کنیم و با استخراج ویژگی‌های این اشیاء توسط الگوریتم SURF که قابلیت استخراج ویژگی حتی در شرایط پیچیده و بهم ریخته را دارد، یک پایگاه داده از ویژگی‌های اشیاء در ابعاد و زوایای مختلف تهیه کنیم. سپس در فاز تشخیص، تصویر آزمایشی ابتدا از یک مرحله قطعه‌‌بندی نرم عبور می‌کند و سپس ویژگی‌های تصویر توسط الگوریتم SURF استخراج می‌شود. ویژگی‌های استخراج‌شده با ویژگی‌های شیء موجود در پایگاه داده آموزش مطابقت داده می‌شوند و سپس احتمال حضور شی که از نسبت تعداد ویژگی‌های منطبق شی بر تعداد کل ویژگی‌های موجود در شی به دست می‌آید، برای هریک از موارد محاسبه می‌گردد و تطابق‌ها با بیشترین احتمال وارد مرحله بعد می‌شوند. پس از یافتن تطابق‌های معتبر با بیشترین احتمال، با استفاده از الگوریتم اجماع نمونه برآوردگر -M(MSAC) ویژگی‌های منطبق اشتباه که از پس زمینه تصویر نشأت گرفته‌اند حذف می‌شوند.

کلمات کلیدی : تشخیص نفوذ اشیا خطرناک الگوریتم surf