论文部分内容阅读
基于被动毫米波(PMMW)的成像技术是目前用于对隐匿在衣物下的危险品进行探测的重要手段之一。由于硬件的限制以及成像系统自身的物理特性,使得PMMW成像系统获取的PMMW图像中存在着严重的噪声污染以及一定程度上的失真。通过分析PMMW成像系统的主要影响因素,并根据PMMW图像的特点,提出了改进的小波域图像去噪、融合算法和非局部均值图像去噪算法,并将图像分割算法应用到PMMW成像系统中。已完成的主要研究工作归纳如下:(1)通过建立辐射温度模型,分析了特殊条件下隐匿物品与人体之间辐射温度的差别与衣物透射率、隐匿物品的发射率和透射率之间的关系。针对一些物品不易被PMMW成像探测系统检测到的情况,研究了将极少量微波吸收材料掺杂至这类物品之中以增加其吸波性能的可行性,并分析了改性吸波材料对掺杂后样品吸波性能的影响。(2)将小波域图像去噪和图像融合两种方法应用于PMMW的图像信息处理。针对小波去噪效果易受不连续点干扰的情况,提出了一种改进的平移不变量贝叶斯决策小波阈值去噪算法,并对图像进行对称周期延拓,在一定程度上消除了噪声PMMW图像内部与边界上不连续点对去噪效果的影响。在小波融合方面,提出了一种基于结构相似度(SSIM)和图像边缘能量相结合的融合策略,抑制了单一使用SSIM作为融合判据时出现的振铃效应,提高了PMMW融合图像的质量。(3)PMMW图像由少量近似分块平滑的图像块组成,包含有大量的冗余信息,根据这一特点,提出了一种改进的基于预分类的非局部被动毫米波图像去噪算法(MPSNL)。采用奇异值分解将PMMW图像划分为三类区域:平滑域、过渡域和边缘域,根据这三类区域各自的特征分别提出了适用于PMMW图像的非局部去噪规则,克服了传统非局部均值去噪算法(NL-Means)计算量巨大、图像特征信息利用率较低等缺点。(4)图像分割是基于PMMW的隐匿物品识别中的一个重要环节,因此研究一种精确、快速并适用于PMMW图像的分割算法是很有必要的。本论文提出了一种自适应参数初始化的高斯混合模型(APIGMM)拟合算法,用以提取图像的直方图特征,从全局上获取PMMW图像边缘分布的灰度范围,称为置信区间,之后采用Canny算子提取图像中的边缘,最后仅保留置信区间中的边缘。实验结果表明,该算法能够实现对隐匿物品的快速精确分割。本论文在研究PMMW成像系统探测衣物下隐匿物品的过程中,根据PMMW图像的特点,对不同类型的图像处理算法进行相应的改进。其中小波域图像去噪和融合算法具有一定的普适性,可将其应用到其他类型的图像信息处理系统中,改进的NL-Means算法和图像分割算法适用于PMMW的图像信息处理。