穆森++單海婧++周錦源++邱桂蘋

摘 要：根據(jù)被動毫米波圖像的特點，需要設(shè)計一種適應(yīng)并且有效的被動毫米波圖像中人體隱匿危險物品的檢測方法。該文提出了一種被動毫米波圖像中人體隱匿物品的檢測方法，首先，對原始被動毫米波圖像進行預處理，通過插值重建后，采用三次迭代增強方法進行圖像增強，獲取處理后的被動毫米波圖像，以使被動毫米波圖像目標與背景進行明顯區(qū)分；然后，通過對人體是否存在進行預判斷，若存在則進行人體目標檢測，獲取人體區(qū)域；最后，采用兩次迭代分割的方法對人體區(qū)域內(nèi)的隱匿物品進行檢測，并對檢測到的隱匿物品區(qū)域進行標記。實驗結(jié)果表明，該方法能有效地檢測出被動毫米波圖像中的人體隱匿物品，具有較高的準確性。

關(guān)鍵詞：被動毫米波圖像 圖像預處理 人體檢測 人體隱匿物品檢測

中圖分類號：TH74 文獻標識碼：A 文章編號：1672-3791（2014）12（c）-0202-02

毫米波是指波長范圍在1～10 mm之間的電磁波，其頻率范圍從30GHZ到300 GHZ。毫米波成像系統(tǒng)分為主動和被動兩種工作模式，在探測人體隱匿物體的應(yīng)用中，被動毫米波成像系統(tǒng)占據(jù)了主要地位[1]。被動毫米波成像系統(tǒng)不僅可以檢測出隱藏在織物下的金屬物體，還可以檢測出塑料、液體、炸藥等危險品，獲得的信息更加詳盡準確，可以大大地降低誤警率。除此之外，被動毫米波成像系統(tǒng)不發(fā)射電磁波，不會對人體造成任何傷害。近年來，被動毫米波成像技術(shù)在人員安檢等方面得到了越來越廣泛的應(yīng)用，因此完成被動毫米波圖像中人體隱匿危險物品的檢測具有重要的意義。

現(xiàn)有的人體隱匿危險物品的檢測方法主要是針對微波圖像[2-3]、紅外圖像[4]、太赫茲THz圖像[5]等，所采用的物品檢測算法都是根據(jù)自身圖像的成像特點設(shè)計的。在被動毫米波圖像中人體隱匿危險物品的檢測中，現(xiàn)有的物體檢測算法并不適用，主要原因包括：一是被動毫米波成像技術(shù)結(jié)構(gòu)復雜造價昂貴，將毫米波成像技術(shù)用于藏匿物品的探測還處于初級階段，被動毫米波成像系統(tǒng)所采集到的圖像較之上述幾類圖像，圖像中的噪聲和模糊現(xiàn)象嚴重，分辨率低，不能很好地反映目標場景的特性，圖像達不到所要求的質(zhì)量，藏匿在衣服下的物體形狀模糊難以辨別；二是圖像中包含的隱匿物體種類更詳細，包含金屬、塑料、液體、炸藥等，表現(xiàn)在灰度圖像中灰度值有高有低，亮度有明有暗，增加了檢測的難度。

綜上，根據(jù)被動毫米波圖像的特點，該文提出了一種被動毫米波圖像中人體隱匿物品的檢測方法，包括：圖像預處理步驟，對采集到的原始被動毫米波圖像，通過插值重建后，采用三次迭代增強方法進行圖像增強，獲取被動毫米波圖像，以使所述被動毫米波圖像目標與背景進行明顯區(qū)分[6]。人體區(qū)域檢測步驟，基于所述被動毫米波圖像，通過對人體是否存在的預判斷，進行人體目標檢測，獲取人體區(qū)域；隱匿物品檢測步驟：在所述人體區(qū)域內(nèi)，采用兩次迭代分割的方法，對隱匿物品進行檢測，并對檢測到的隱匿物品區(qū)域進行標記。

1 被動毫米波圖像預處理

該研究采用插值重建和三次迭代增強對被動毫米波圖像進行預處理，解決被動毫米波圖像目標與背景區(qū)分不明顯，對比度低，噪聲大等問題。

在插值重建中，采用立方卷積插值算法對被動毫米波圖像進行插值重建，該算法利用待插值點周圍的16個點的灰度值做立方卷積差值，不僅考慮到4個直接相鄰點的灰度影響，而且考慮到各鄰點之間灰度值變化率的影響。該插值算法重建后的圖像更好的保留細節(jié)質(zhì)量，更接近高分辨率圖像的放大效果，有效提高了圖像的分辨率。

對完成插值重建后的被動毫米波圖像進行三次迭代增強處理，提高所述被動毫米波圖像的對比度，并降低背景的噪聲。迭代增強步驟如下：

（1）采用最大模糊熵準則對被動毫米波圖像進行第一次增強處理，使目標的亮度增強的同時抑制背景區(qū)域的噪聲，改善圖像的對比度。該方法考慮到了圖像中目標與背景的最佳分離點往往表現(xiàn)在灰度直方圖的波谷位置，采用最大模糊熵準則對圖像的直方圖進行處理，求取目標與背景的最佳分離點閾值，再利用多分段非線性函數(shù)在模糊閾中對閾值兩側(cè)的灰度值進行非線性拉伸，將模糊隸屬度區(qū)域拉伸至，改善隸屬度的動態(tài)范圍，并采用非線性變換增強了該區(qū)域中的隸屬度大小，以此同時將區(qū)間拉伸至，并將該區(qū)域中的隸屬度進行壓縮，其中、、分別為圖像中像素最小值、最大值以及目標與背景的最佳分離點的隸屬度。

（2）采用冪次變換方法對完成第一次迭代增強后的所述被動毫米波圖像進行第二次增強處理，以使所述被動毫米波圖像的高灰度級擴展，壓縮低灰度級，進一步改善圖像的對比度。

（3）采用自適應(yīng)中值濾波算法對完成第二次迭代增強后的所述被動毫米波圖像進行第三次增強處理，實現(xiàn)清除椒鹽噪聲，處理空間中的沖激噪聲，并平滑非沖激噪聲。

2 人體區(qū)域檢測

該研究為了使人體區(qū)域分割結(jié)果更加精確減小誤分割率，在進行人體區(qū)域分割前，先對被動毫米波圖像中是否存在人體目標進行粗判斷，若無人體目標，則結(jié)束人體隱匿危險物品的檢測，否則采用最大類間方差法OTSU[7]進行人體區(qū)域分割，并對分割后的結(jié)果進行形態(tài)學閉運算得到人體區(qū)域。OTSU算法被認為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響。人體目標是否存在的主要是根據(jù)整幅圖像的直方圖分布情況進行判別的，若一幅被動毫米波圖像中存在人體目標，則人體與背景的灰度相差較大，并且人體和背景的占整幅圖像的比例都比較大，圖像的灰度直方圖呈明顯的雙峰特性。具體判斷步驟如下。

（1）統(tǒng)計整幅圖像的灰度直方圖分布；

（2）確定像素點數(shù)目最多的灰度值；

（3）以灰度值為中心，并以長度閾值向左右擴展，計算長度閾值范圍內(nèi)的像素點的個數(shù)；

（4）計算所占整個圖像像素總數(shù)的比例，若所占比例小于門限值，則認為圖像中存在人體區(qū)域，進行人體區(qū)域分割；否則就不存在人體隱匿危險物品，結(jié)束危險物品的檢測。endprint

3 隱匿物品檢測

該研究采用兩次迭代分割的方法對人體區(qū)域內(nèi)的隱匿物品進行檢測，并對檢測到的隱匿物品區(qū)域進行標記。被動毫米波圖像中，檢測到的人體隱匿攜帶的危險物品種類更復雜，包含金屬、塑料、液體、炸藥等，表現(xiàn)在圖像中，或存在比人體區(qū)域背景灰度值偏高的隱匿物品，或存在比人體區(qū)域背景灰度值偏低的隱匿物品，或同時存在比人體區(qū)域背景灰度值偏高和偏低的隱匿物品。因此采用了兩次迭代分割檢測隱匿物品，該方法比現(xiàn)有的自動雙閾值分割效果更優(yōu)，不僅能檢測出比人體區(qū)域背景灰度值偏高的隱匿物品，也能檢測出比人體區(qū)域背景灰度值偏低的隱匿物品。具體隱匿物品檢測步驟如下。

（1）第一次迭代分割，采用最大類間方差法在人體區(qū)域圖像的灰度直方圖中計算隱匿物品分割閾值，根據(jù)將人體區(qū)域圖像分割為隱匿物品區(qū)域和非隱匿物品區(qū)域，隱匿物品區(qū)域設(shè)置為255，非隱匿物品區(qū)域設(shè)置為0。設(shè)隱匿物品標記矩陣為，直方圖最高峰值點所對應(yīng)的灰度值為，如果，則定義如下：

否則，則定義如下：

（2）第二次迭代分割，分割前對人體區(qū)域所對應(yīng)的圖像進行微處理，處理后的人體區(qū)域圖像設(shè)為，則定義如下：

采用最大類間方差法在人體區(qū)域圖像的灰度直方圖中計算隱匿物品分割閾值，根據(jù)將人體區(qū)域圖像分割為隱匿物品區(qū)域和非隱匿物品區(qū)域。設(shè)直方圖最高峰值點所對應(yīng)的灰度值為，如果，則重置為：

否則，則重置為：

（3）對分割得到的隱匿物品標記矩陣進行形態(tài)學閉運算操作（先膨脹后腐蝕），填充目標物體內(nèi)的細小空洞，保證目標物體的完整性。

（4）對隱匿物品進行過濾篩選，采用區(qū)域生長法對中的255像素點進行連通區(qū)域標記，每個連通區(qū)域即為一個候選的隱匿物品，計算每個連通區(qū)域的面積（區(qū)域包含的像素數(shù)），若該連通區(qū)域的面積小于預定的面積閾值，則將該連通區(qū)域剔除，并將該區(qū)域所對應(yīng)的中的像素值設(shè)為0。

（5）對人體區(qū)域內(nèi)的隱匿物品區(qū)域進行標記。

4 實驗結(jié)果與分析

為了驗證算法的有效性，我們采用了實驗室內(nèi)實時采集的被動毫米波視頻監(jiān)控數(shù)據(jù)做實驗，對被動毫米波圖像中的人體隱匿物品檢測進行試驗。我們設(shè)備采集到的被動毫米波圖像數(shù)據(jù)的原始分辨率為70*180像素。實驗設(shè)備為主頻2.93 GHz的Intel雙核處理器，2G內(nèi)存的微處理器。算法基于C語言實現(xiàn)的。

本實驗依據(jù)該文介紹的相關(guān)算法，相關(guān)參數(shù)，，，具體實驗效果如圖1、2、3所示。圖1為場景1檢測過程圖，場景1在該人的胸口放置了一塊鐵皮塊，圖1（a）是被動毫米波采集設(shè)備采集到的原始圖像，圖1（b）是經(jīng)過增強處理后的結(jié)果圖，圖1（c）是迭代分割的結(jié)果圖。

圖2為場景2檢測過程圖，場景2在該人的脖頸下放置了一塊錫箔紙，圖2（a）是被動毫米波采集設(shè)備采集到的原始圖像，圖2（b）是經(jīng)過增強處理后的結(jié)果圖，圖2（c）是迭代分割的結(jié)果圖。

圖3為場景3檢測過程圖，場景3在該人的褲袋里放了一部手機，圖3（a）是被動毫米波采集設(shè)備采集到的原始圖像，圖3（b）是經(jīng)過增強處理后的結(jié)果圖，圖3（c）是迭代分割的結(jié)果圖。

5 結(jié)語

該文提出了一種被動毫米波圖像中人體隱匿物品的實時檢測方法，首先，對原始被動毫米波圖像進行預處理，通過插值重建后，采用三次迭代增強方法進行圖像增強，獲取處理后的被動毫米波圖像，以使被動毫米波圖像目標與背景進行明顯區(qū)分；然后，通過對人體是否存在進行預判斷，若存在則進行人體目標檢測，獲取人體區(qū)域；最后，采用兩次迭代分割的方法對人體區(qū)域內(nèi)的隱匿物品進行檢測，并對檢測到的隱匿物品區(qū)域進行標記。實驗結(jié)果表明，該方法能有效地檢測出被動毫米波圖像中的人體隱匿物品，具有較高的準確性。該文的方法能夠有效的適用于真實的被動毫米波圖像采集系統(tǒng)中，解決了被動毫米波采集系統(tǒng)中人體隱匿物品的自動檢測問題，具有較高的準確性和實用性。

參考文獻

[1] 王楠楠，邱景輝，鄧維波.隱匿物品探測毫米波成像系統(tǒng)發(fā)展現(xiàn)狀[J].紅外技術(shù)，2009，31（3）：129-135.

[2] 趙英海，陳曄.一種微波圖像中人體隱藏危險物體自動檢測方法[P].中國專利：CN102542570A，2012.

[3] 趙英海，陳曄.一種人體隱藏危險物體自動檢測微波安檢系統(tǒng)[P].中國專利：CN102565794A，2012.

[4] 徐軍.紅外圖像中弱小目標檢測技術(shù)研究[D].西安電子科技大學，2003.

[5] 馮艷平，趙元黎，宋燕燕，等.基于閾值分割的THz圖像刀具識別[J].微計算機信息，2009（21）：270-271.

[6] 岡薩雷斯.數(shù)字圖像處理[M].電子工業(yè)出版社，2003.

[7] N.Ostu.A threshold selection method from gray level histograms[J].IEEE Trans on SMC，1979，9（1）：62-69.endprint