X光成像技术被广泛应用于安全检查,可有效防止不法分子进行恐怖袭击或非法交易。相对于通过人眼判断X光图像中是否含有违禁物品,自动化安检技术能有效提升安检效率、节约人工成本,因此基于计算机视觉和模式识别技术的X光图像违禁物品检测有强烈的应用需求。针对物体在X光图像中呈现出尺度变化、旋转角度变化和遮挡等问题,以及违禁物品样本稀缺问题,本文将最大相似子图匹配算法和图匹配神经网络算法用于研究基于图匹配的违禁物品检测方法,并在X光数据集上进行实验验证和比较分析。本文主要工作如下:（1）构建基于最大相似子图匹配的违禁物品目标检测算法。该算法利用物体的结构属性,以图像中的结构化特征为节点,并以节点间的相对距离为边构建图模型,然后逐步删减节点进行子图匹配。实验结果表明该算法可以在缺乏训练样本且检测速度快的情况下实现不同尺度、不同旋转角度和遮挡的违禁物品检测。（2）提出基于图匹配网络的违禁物品目标检测算法。该算法以卷积神经网络所提取的特征为节点对图像建立全连接图模型,再利用图间节点的相似度信息对目标图节点进行分类,最后根据分类后的图节点相对位置定位目标物体以实现多尺度、多旋转角度和部分遮挡的违禁物品检测。由于该算法中目标图节点的分类与输入图像的物体类别无关,因而能有效应对违禁物品样本稀缺问题。实验结果表明该算法可明显提升复杂背景和高遮挡率情况下的违禁物品检测性能。（3）设计基于深度搬土距离的图匹配网络目标检测算法。该模型在本文提出的图匹配网络基础上引入基于深度搬土距离算法的图相似度计算方式,使算法不仅从图模型的节点相似度角度进行匹配,更建立起全局观念以提升图节点分类的鲁棒性。实验结果表明该算法在X光数据集上的检测性能相较于改进前的算法提升了 1.5%。本文提出的基于图匹配的违禁物品检测算法不仅具有尺度不变性、旋转不变性,还能适应物体被部分遮挡的情况,此外本文提出的算法能有效解决违禁物品样本稀缺的问题。实验表明基于最大相似子图匹配的违禁物品目标检测算法适用于缺乏训练样本的X光数据集,而基于图匹配神经网络的违禁物品目标检测算法在检测含有复杂背景和高遮挡率的X光图像时具有更好的检测性能。