论文部分内容阅读
随着我国经济、军事等各方面的快速发展,大国地位崛起,国际影响力迅速提升,我国所面临的恐怖主义和突发性公共危害事件威胁日益严峻、维稳任务也更加艰巨。发展和研究新型实用安检技术对提升国家安全保障能力有着极为重要的意义。国内外研究表明,毫米波及太赫兹无源成像探测技术由于其能够实现高空间分辨率与良好的探测穿透性,其在安检领域有着广阔和重要的应用前景。但由于生产成本与技术工艺的限制,一般的实际系统所初始获取的毫米波与太赫兹图像信噪比较低,若只凭借安检人员观测来对图像进行目标判定,不能满足对安检系统稳定性与速率的基本要求。采用毫米波与太赫兹无源成像“目标分割和识别”算法对目标进行标示,能显著提高图像的可视性,进而提高安检的可靠性与效率。因此,研究毫米波与太赫兹无源成像目标分割与识别算法对系统的实际应用,有着重要的意义。本论文研究依托实际科研项目开展,主要研究内容及结果包括:(1)分析了毫米波及太赫兹无源成像基础理论中的太赫兹频段物体的辐射特性,对目标分割算法有效性的评价方法进行了讨论。(2)针对传统算法难以分割与人体辐射亮温接近目标的问题,通过对人体区域的图像灰度分布进行估计,结合恒虚警检测(CFAR,Constant False Alarm Rate),提出了基于区域生长的自适应阈值目标分割(ATS-RG,Adaptive Threshold Segmentation Algorithm based on Regional Growth)算法。针对“区域生长条件难以设置”的问题,将边缘检测结果作为区域生长的生长限制条件,提出了基于改进型ATS-RG算法,并在毫米波图像处理上取得了优良的实验结果。(3)建立了毫米波无源探测成像目标识别样本库。根据目标分割算法的处理结果,建立了用于毫米波无源成像目标识别的初始样本库,并通过旋转、尺度变化等操作,对样本库进行了扩充。(4)研究了支持向量机与融合方向梯度直方图(HOG,Histograms of Oriented Gradient)特征相结合的目标识别算法,并采用主成分分析法(PCA,Principal Component Analysis)对HOG特征进行降维。研究了基于卷积神经网络的目标识别算法,搭建了适合于毫米波图像识别的卷积神经网络架构。针对实际安检过程中,“宁可出现虚警,不可出现漏检”的原则,优化了卷积神经网络的损失函数,仿真结果显示,该方法能在虚警率可接受的情况下,有效降低对危险目标的漏检率。