李國強(qiáng)+劉北佳

摘要：應(yīng)用于人體安檢領(lǐng)域的無源毫米波成像系統(tǒng)在實(shí)際環(huán)境應(yīng)用中存在眾多不可預(yù)知的噪聲干擾，造成目標(biāo)被淹沒，因此目標(biāo)識(shí)別是一關(guān)鍵環(huán)節(jié)。本文提出了人體輪廓提取和LoG斑點(diǎn)檢測(cè)的聯(lián)合算法實(shí)現(xiàn)了檢測(cè)目標(biāo)的定位，并通過最大穩(wěn)定極值區(qū)域算法確定目標(biāo)的輪廓。實(shí)驗(yàn)仿真結(jié)果表明，此算法能準(zhǔn)確地對(duì)毫米波成像目標(biāo)進(jìn)行有效識(shí)別。

關(guān)鍵詞：無源毫米波成像；多尺度LoG算子；人體輪廓提??；MSER算法

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）05-0102-02

無源毫米波（PMMW）目標(biāo)檢測(cè)技術(shù)可以有效檢測(cè)到與人體能量有差異的隱秘物體，在公共場(chǎng)所隱秘物體檢測(cè)領(lǐng)域有著非常廣闊的應(yīng)用前景。然而，由于實(shí)際環(huán)境帶來的噪聲干擾和PMMW本身輻射信號(hào)較弱的特點(diǎn)，使得傳統(tǒng)的目標(biāo)識(shí)別方法陷入了困境。相比傳統(tǒng)算法，本文提出了一種在去除人體輪廓圖像之外的噪聲干擾的基礎(chǔ)上，應(yīng)用多尺度LoG斑點(diǎn)檢測(cè)算法確定目標(biāo)物體的位置，再結(jié)合最大穩(wěn)定極值區(qū)域（MSER）算法確定目標(biāo)物體輪廓的新方法。實(shí)驗(yàn)證明，本文提出的方法能夠有效識(shí)別出隱秘在人體內(nèi)部的目標(biāo)物體。

1 人體外輪廓提取和背景圖像去噪

對(duì)人體外輪廓提取和背景圖像去噪的步驟為：（1）對(duì)PMMW灰度圖像進(jìn)行中值濾波；（2）利用最大類間方差法（OTSU）對(duì)灰度圖像進(jìn)行二值化；（3）對(duì)二值圖像進(jìn)行閉運(yùn)算，閉運(yùn)算采用的算子尺度為，見圖1；（4）確定圖像中面積最大的閉合聯(lián)通區(qū)域的邊界后，填補(bǔ)該區(qū)域圖像中的孔洞；（5）將面積最大的閉合聯(lián)通區(qū)域確定為人體輪廓區(qū)域，并將人體輪廓區(qū)域之外的圖像像素灰度值設(shè)置為零。

2 應(yīng)用LoG斑點(diǎn)檢測(cè)算法檢測(cè)目標(biāo)物體

在計(jì)算LoG核函數(shù)的離散近似時(shí)，由于對(duì)距離之外的圖像像素起不到作用，所以令LoG算子的尺寸為。

由公式（3）可知，只有當(dāng)圖像中的特征區(qū)域的半徑為時(shí)，LoG算子的響應(yīng)值才能達(dá)到最大。在尺度一定時(shí)，只能檢測(cè)對(duì)應(yīng)半徑的特征區(qū)域（斑點(diǎn)），所以需要對(duì)圖像進(jìn)行多尺度動(dòng)態(tài)分析，計(jì)算圖像在不同LoG算子尺度下的離散高斯拉普拉斯響應(yīng)值。一個(gè)檢測(cè)點(diǎn)的高斯拉普拉斯響應(yīng)值都大于其它26個(gè)立方空間領(lǐng)域的值，就認(rèn)為該點(diǎn)是被檢測(cè)到的圖像特征點(diǎn)，見圖2。特征點(diǎn)對(duì)應(yīng)的特征區(qū)域就是以特征點(diǎn)為圓心，半徑為的區(qū)域。

LoG斑點(diǎn)檢測(cè)目標(biāo)物體特征區(qū)域的步驟為：（1）選取尺度空間因子，計(jì)算圖像在不同LoG算子尺度下的離散高斯拉普拉斯響應(yīng)值，按由小到大連續(xù)取值，空間上排列為14層圖像；（2）在尺度空間上檢測(cè)特征點(diǎn)并確定特征區(qū)域；（3）去除圓心在人體輪廓邊緣外側(cè)的特征區(qū)域，圓心在人體輪廓內(nèi)部的特征區(qū)域?yàn)樽R(shí)別出的目標(biāo)物體所在區(qū)域。

3 結(jié)合MSER算法定位目標(biāo)物體輪廓

定位PMMW圖像中的目標(biāo)物體輪廓的步驟為：（1）對(duì)PMMW灰度圖像進(jìn)行中值濾波；（2）利用最大穩(wěn)定極值區(qū)域（MSER）算法確定灰度圖像中的最大穩(wěn)定極值區(qū)域；（3）在由LoG斑點(diǎn)檢測(cè)算法定位的目標(biāo)區(qū)域內(nèi)部找出完整的最大穩(wěn)定極值區(qū)域，內(nèi)部完整的最大穩(wěn)定極值區(qū)域即為識(shí)別出的目標(biāo)物體所在區(qū)域。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文所提出的算法的有效性，選取了兩幅PMMW灰度圖像進(jìn)行實(shí)驗(yàn)，一幅目標(biāo)物體形狀規(guī)則，另一幅目標(biāo)物體形狀不規(guī)則，圖像大小為。首先，對(duì)兩組圖像進(jìn)行人體外輪廓提取和背景圖像去噪，見圖3和圖4，其中，（a）為數(shù)碼相機(jī)照片；（b）為PMMW灰度圖像；（c）為人體輪廓聯(lián)通區(qū)域圖；（d）為去除人體輪廓之外背景噪聲的PMMW灰度圖像。

圖5和圖6為應(yīng)用LoG斑點(diǎn)檢測(cè)算法于提取的圖像中：（a）去除人體輪廓之外背景噪聲的PMMW灰度圖像；（b）多尺度LoG算子斑點(diǎn)檢測(cè)結(jié)果圖；（c）為去除圓心在人體輪廓邊緣外側(cè)特征區(qū)域的結(jié)果圖。

利用MSER算法獲取穩(wěn)定極值區(qū)域，見圖7。圖7中，（a）為中值濾波后的PMMW灰度圖像；（b）為由MSER算法得到的穩(wěn)定極值區(qū)域圖。在Log斑點(diǎn)檢測(cè)算法定位的目標(biāo)區(qū)域內(nèi)部找出完整的最大穩(wěn)定極值區(qū)域，見圖8，其中，（a）為MSER算法檢測(cè)的規(guī)則形狀目標(biāo)物體輪廓圖像；（b）為MSER算法檢測(cè)的不規(guī)則形狀目標(biāo)物體輪廓圖像。

實(shí)驗(yàn)結(jié)果表明，應(yīng)用LoG斑點(diǎn)檢測(cè)算法可以準(zhǔn)確地定位出人體攜帶的目標(biāo)物體所在區(qū)域，并且進(jìn)一步應(yīng)用MSER算法可以有效獲取到目標(biāo)物體輪廓。

5 結(jié)語

本文提出了一種基于多尺度LoG算子的PMMW目標(biāo)檢測(cè)算法。該算法結(jié)合PMMW圖像的特點(diǎn)，基于人體輪廓的特征提取，可以有效去除圖像背景中的噪聲干擾，在去除背景圖像的基礎(chǔ)上，對(duì)圖像采用多尺度LoG算子特征點(diǎn)檢測(cè)，有效地實(shí)現(xiàn)了對(duì)目標(biāo)物體的識(shí)別。對(duì)噪聲較高的PMMW圖像進(jìn)行了實(shí)驗(yàn)，結(jié)果表明本文所提出算法具有較高的魯棒性，可以穩(wěn)定、準(zhǔn)確地識(shí)別出目標(biāo)物體。

參考文獻(xiàn)

[1]Sarkis M.Adaptive reconstruction of millimeter wave radiometric images[J].IEEE Transactions on Image Processing，2012，21（9）：4141-4151.

[2]史媛芳，江治國.幾種斑點(diǎn)檢測(cè)算法及其性能比較[J].科技信息，2012，35：571-572.

[3]王蓉，楊寧，李錦濤.單像素人體輪廓提取方法研究[J].科學(xué)技術(shù)與工程.2014，14（24）：252-255.endprint