[发明专利]基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法

权利要求书

1.基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法，其特征在于，包括：

(1)通过毫米波雷达扫描仪得到一个人的正背面原始图像序列，对每张原始图像进行分割，得到人体轮廓的二值图，利用此二值图计算出人体身高，并去除原始图像中成像背景区域的异常点；再按照人体部位比例，将去除异常点后的人体图像划分为背部、臀部、左大腿、右大腿、左小腿和右小腿六个子区域；

(2)采用基于块的混合高斯低秩矩阵分解方法对每个子区域图像进行分解，得到低秩部分和稀疏部分，其实现如下：

(2a)假设各子区域的图像序列用张量表示为其中h，w，n分别表示图像的高、宽和图像数，将图像中的隐匿物人体部位和成像背景区域的噪声表示为

(2b)用基于块的混合高斯模型对隐匿物建模：

定义一个三维张量滑块后排列为矩阵的映射关系f：

其中，p代表滑块大小，n_p是总滑块数，映射关系f表示将每个滑块拉成向量，排列为矩阵的一列；

假设矩阵的第i列为则：

式中，K表示混合高斯模型中的高斯分布个数，π_k表示混合高斯模型中第k个高斯分布的权重，且表示服从均值为0、方差为的高斯分布；

(2c)用低秩矩阵分解方法对人体部位分解：

根据低秩矩阵分解方法将分解为：

其中，表示将张量映射为矩阵，m和d分别表示矩阵的行数和列数；是基矩阵，是系数矩阵，r称为秩，rmin(m,d)；

(2d)对成像背景区域的噪声建模：

根据阈值分割方法将各子区域图像二值化，分为成像背景区域和成像目标区域，使得成像背景区域内的像素值为1，成像目标区域包括人体区域和其所携带异物区域的像素值为0，用表示，其中h，w，n分别表示图像的高、宽和图像数；

根据二值化后图中成像背景区域的像素值为1，其余区域值为0，得到成像背景区域的噪声：其中o表示点乘；

(2e)根据极大似然估计的方法得到模型求解式：

其中，表示将中的1变成0，0变成1，Θ表示待求解参数：基矩阵U、系数矩阵V、每个高斯分布的权重π_k和方差Σ_k；

(2f)求解基矩阵U、系数矩阵V，及每个高斯分布的权重π_k和方差Σ_k：

(2f1)通过期望最大化算法求解混合高斯模型参数π_k和Σ_k：

其中表示属于第k个高斯的滑块数，r_nk表示第n个滑块属于第k个高斯分布的期望，上角标T表示矩阵转置操作；

(2f2)用加权L2范数低秩矩阵分解方法迭代求解U，V：

其中，表示最小化参数为V的Frobenius矩阵范数的平方，W的每个元素表示图像中每个像素点被重复滑过的次数，L、H分别表示和的矩阵形式，t表示第t次迭代；

(2g)计算低秩部分和稀疏部分：

根据计算低秩部分，再将原始图像与低秩部分做差，计算出稀疏部分；

(3)利用形态学方法对各子区域的稀疏部分，去除连通域面积小于15个像素点的噪点，得到各部位携带的隐匿物检测结果。

2.根据权利要求1所述的方法，其中(1)中对原始毫米波人体图像进行分割，是通过基于阈值的方法，先将原始图像都除以255，归一化到0-1，再选择阈值0.15，将归一化后的图与该阈值比较：大于该阈值的像素点置为1，小于该阈值的像素点置为0，得到人体轮廓的二值图。

3.根据权利要求1所述的方法，其中(1)中利用二值图计算出人体身高，是在二值图中轴线左右各5个像素点间，从上到下寻找像素值不为0的点，第一个不为0的像素点的纵坐标即为人体图像的高度。

4.根据权利要求1所述的方法，其中(1)中利用二值图去除原始图像中成像背景区域的异常点，是通过将二值图与原始图像对应相乘，使得原始图中成像背景区域的像素值为0，实现原始图像中成像背景区域的异常点去除。