1.一种危险品图形识别算法，其特征在于，该识别算法具体步骤如下：(1)X射线探测：由X射线探测器获取待测物体图像平均有效原子序数值，若其值大于等于10时，则跳到步骤(2)对待测物体图像进行图像小波分解，若其值小于等于10时，则跳到步骤(6)对待测物体图像进行特征曲线检测；

(2)图像小波分解：采用小波分解方法对待测物体图像进行一层小波分解，每一层图像均被分解为低频和高频的小波系数矩阵，其中低频系数代表了图像的近似部分，而高频则包含了水平方向、垂直方向和对角线方向系数；

(3)图像小波重构：利用Canny算法对图像近似部分，即低频部分进行边缘检测，得到低频部分的子图像；同时利用Roberts和Sobel算法对图像水平方向、垂直方向和对角线方向系数，即高频部分进行边缘检测，得到高频部分的子图像；将低频部分的子图像和高频部分的子图像进行小波重构，得到边缘图像；

(4)形态学填充：利用孔洞填充方式对边缘图像进行形态学填充，得到待测增强边缘图像；

(5)图像匹配：构建危险品标准图像，利用曲率的轮廓角点方法对待测增强边缘图像和危险品标准图像进行匹配，得到曲率角点的危险品判断结果；

(6)特征曲线检测：构建常见危险品特征曲线，同时采用无机物特征曲线方法对待测物体图像进行危险品检测匹配，得到曲线的危险品判断结果。

2.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(2)所述图像小波分解在二维情况下，需要尺度函数 (x，y)和二维小波ψH(x，y)、ψV(x，y)和ψD(x，y)，其均可表示为一维尺度函数 和ψ相应小波函数的乘积，如下式：其二维可分离方向敏感小波可表示为：ψD(x，y)＝ψ(x)ψ(y)        (4)式中：ψH、ψV和ψD分别代表沿不同方向的图像强度变化。

3.根据权利要求2所述的一种危险品图形识别算法，其特征在于，所述可分离二维尺度和小波函数给定后，定义尺度和小波基函数，如下式：式中：i＝{H，V，D}表示不同方向的小波；

则尺寸为M×N的f(x，y)离散小波变换为：式中：j0为初始尺度， 定义尺度为j0，f(x，y)的近似图像；Wψ(j，m，n)包含水j

平、垂直和对角方向的细节图像；令j0＝0，且选择N＝M＝2 ，j＝0，1，2，…，j‑1和m，n＝0，1，j

2，…2‑1。

4.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(3)所述小波重构公式如下：

5.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(4)所述孔洞填充公式如下：

式中：k＝1，2，3...。

6.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(5)所述曲率的数学定义如下：在光滑弧上自点M开始取弧段，其长为Δs，对应切线转角为△α，定义弧段；

其中，△S上的平均曲率为：

点M处的曲率为：

其离散曲率用曲线参数方程计算公式如下：

7.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(5)所述曲率包括图像全局和局部曲率，其具体计算过程如下：S1：计算各待测增强边缘图像轮廓的平均曲率；

S2：然后将轮廓平均曲率作为阈值，对当前轮廓点进行判断，若当前曲率小于阈值，则为真正轮廓角点；

S3：提取出所有待测增强边缘图像的角点后，并将待测增强边缘图像与危险品标准图像进行角点匹配；

所述角点匹配时构建角点特征描述子，其角点特征描述子定义为：假设P1、P2和P3为轮廓曲线S上相邻的三个角点，其曲率分别为K1、K2和K3，P1到P2的距离为L1，P2到P3为L2)，则P2的描述子B为：

B＝(L1+L2)(K3‑K1)       (14)。

8.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(5)所述图像匹配具体步骤如下：

SS1：提取轮廓特征鲜明的完整的边缘图和危险品标准图像的真实角点；

SS2：利用式(14)分别求出每个待测增强边缘图像角点和危险品标准图像角点的描述子B和B′；

SS3：将待测增强边缘图像中每个角点描述子与危险品标准图像中所有角点描述子做顺序差值运算，若差值向量向量第一项与第二项比值小于阈值，阈值为0.5，则两幅图像的该对角点匹配，否则，不匹配；

SS4：统计同一目标轮廓角点匹配相似度百分比，若相似度大于预设值，则该物品为危险品。

9.根据权利要求1所述的一种危险品图形识别算法，其特征在于，步骤(6)所述特征曲线检测具体过程如下：

SSS1：通过X射线安检机获取待测物体图像的高低能灰度值，根据高低能灰度值绘制待测物体图像的特征曲线；

SSS2：构建常见危险品特征曲线，并将其作为检测危险品的标准；

SSS3：将待测物体图像的特征曲线与常见危险品特征曲线进行比较；若待测物体图像的特征曲线靠近危险品特征曲线，则判断该物品为危险品，反之，则判定正常。