[发明专利]太赫兹图像中目标物体的检测分割方法及计算机存储介质

说明书

本发明公开了一种太赫兹图像中目标物体的检测分割方法及计算机存储介质，利用条件生成对抗网络将检测和分割两个任务有机地融合在一起，对于包含武器的样本生成其分割掩膜，而对于不包含武器的样本生成一张所有像素的值为零的图片，设置合适的损失函数和高效地网络结构，在训练集较小的并且图像信噪比较低的情况下，训练出的模型能够检测输入的太赫兹图像是否包含目标物体，并且将目标物体从图像中分割出来。本发明能够能够在训练样本数量很少而且图片的信噪比很低的情况下训练出一个精确的检测和分割模型，并且该模型具有很快的处理速度和很高的时效性，可以应用在实时安检系统中，从而降低人工安检的劳动强度，提高效率。

技术领域

本发明涉及一种目标物体的检测分割方法及计算机存储介质，特别是涉及一种太赫兹图像中目标物体的检测分割方法及计算机存储介质。

背景技术

在安检中，检测隐藏在衣服一下的物体是一个关键的任务。然而现行的手工安检手段十分低效，而且有较高的漏检率。太赫兹成像技术提供了一种非接触式的方案。太赫兹是一种波长位于0.1×10¹²-10×10¹²Hz之间的电磁波，它通过测量人体不同部分的辐射热量来获得隐藏在衣物下物体的图像。而且相比于X-射线，这种电磁波对人体无害。

在标记数据有限的情况下，我们不仅需要判断出图像中是否包含隐藏的物体，还需要将检测到的目标准确地分割出来。然而由于太赫兹成像内在的物理因素，图像的对比度和信噪比往往很低。在像素数值上隐藏的物体和人体部分的差异并不明显，而且物体边缘几乎和人体混在一起，无法分辨。同时图片还有较多的背景噪声。因此，在这样糟糕的条件下，导致标准的目标分割和显著性检测的算法都没有较好的解决难题。早期的工作聚焦于统计模型，Shen(Shen,X.,Dietlein,C.,Grossman,E.N.,Popovic,Z.,Meyer,F.G.:Detection and segmentation of concealed objects in terahertz images.IEEETransactions on Image Processing 17(2008)2465-2475)提出通过混合高斯模型来对辐射温度进行建模的多层次阈值的分割算法。首先使用各项异性扩散算法来去除噪声，然后去追踪随着阈值的变化而改变的边界，从而完成分割任务。LEE(Lee,D.,Yeom,S.,Son,J.,Kim,S.:Automatic image segmentation for concealed object detection using theexpectation-maximization algorithm.Optics Express 18(2010)10659-10667)同样使用混合高斯模型。通过两次的期望最大化算法求取贝叶斯边界来分割人体和人体包含的目标。类似的，Yeom(Lee,D.S.,Son,J.Y.,Jung,M.K.,Jung,S.W.,Lee,S.J.,Yeom,S.,Jang,Y.S.:Real-time outdoor concealed-object detection with passive millimeterwave imaging.Optics Express 19(2011)2530-2536)使用基于混合高斯模型的多尺度分割算法，同时为实现实时性，在期望最大化算法之前使用矢量量化的技术。然而这些传统算法都不具备检测的能力，即都是在当前图片包含物体的前提下进行分割操作，同时在这样差的成像条件下，没有好的分割结果。