[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

说明书

本发明公开了一种基于块混合高斯低秩矩阵分解的毫米波人体图像中隐匿物检测的方法，主要解决现有技术由于隐匿物散射回波弱造成成像质量低，及对隐匿物灰度值与人体相似时检测准确率低的问题。其实现方案为：1.去除原始毫米波人体图像中成像区域背景中的异常点，并按人体部位比例将人体图像划分为六部分；2.通过基于块的混合高斯低秩矩阵分解算法对人体各区域进行分解，得到低秩部分和稀疏部分；3.对稀疏部分利用形态学法进行二值化，去除小噪点，得到最终检测结果图。本发明在无需大量训练样本的情况下，提高了对毫米波人体图像中复杂多样的弱小目标检测率，检测到的隐匿物更完整，可用于检测机场、车站公共场所中人体携带的隐匿物。

技术领域

本发明属于图像处理技术领域，更进一步涉及一种人体携带隐匿物的检测的方法，可用于检测机场、车站等公共场所中人体携带隐匿物。

背景技术

近年来，国内外都在利用毫米波技术检测机场、车站等公共场所中人体携带隐匿物，如水瓶、打火机、手枪、手电筒、雷管、刀子、炸药、毒品等。由于传统的金属探测仪对非金属和小物体很难探测到，x-射线不仅对人体有伤害，且探测不到衣着宽松的人携带的异物。而毫米波雷达能够近距成像，不仅能穿透衣物，且对人体无辐射伤害，是目前危险物检测的流行成像技术。但是由于现有的毫米波扫描仪成像质量差，且人体形态各异，隐匿物种类大小材质各不相同，人体背景对目标的干扰很大，弱小目标的检测较为困难。

目前，针对目标检测的研究方法主要分为两类：传统方法和深度学习。其中，传统方法一般基于图像分类或图像分割的思想。深度学习主要是提取图像的深层语义特征，典型方法有Fast-RCNN、SSD、YOLO等。这两类方法的主要思想都是提取目标的浅层特征或深层语义特征，达到目标检测的效果。基于图像分类或分割思想的传统方法主要是提取特征和边缘信息，其极易受图像成像质量的影响。基于深度的学习方法需要大量的有标签的训练样本，且耗能大，受各种硬件设备条件限制。

目前针对毫米波图像隐匿物检测的研究方法中，主要是基于图像分割的思想，先对原始图像增强，增大目标与背景的差异，提取灰度特征进而分割出目标。例如：

华讯方舟科技有限公司在其申请的专利“一种基于毫米波图像的人体异物检测方法及系统技术方案”，专利申请号：201610855267，公开号：CN106371148A中提出了一种基于预设异物图像识别算法的异物检测方法。该方法提出的一种毫米波图像的人体异物检测方法包括：获取人体的毫米波灰度图像；根据预设异物成像特性提取所述毫米波灰度图像中的异物区域成像；根据预设异物图像识别算法对所述异物区域图像进行计算，获取所述异物区域图像中的异物图像；显示所述异物图像，作为异物检测结果。该方法虽然可以提高异物检测的准确性。但是，该方法的不足之处是，对于和人体背景灰度特性相似的目标，很难将异物区域准确提取出来，这就导致后面的异物识别步骤出现错误。

北京计算机技术及应用研究所在其申请的专利“一种被动毫米波图像中人体隐匿物品的检测方法及其系统”，专利申请号：CN 201410486052，公开号：CN105513035A中提出了一种基于图像增强分割的毫米波图像中人体隐匿物品检测方法。该方法包括：对采集到的原始被动毫米波图像，通过插值重建后，采用三次迭代增强方法进行图像增强，获取被动毫米波图像，以使被动毫米波图像目标与背景进行明显区分；基于增强后的图像，通过对人体是否存在的预判断，进行人体目标检测，获取人体区域；在人体区域内，采用两次迭代分割的方法，对隐匿物品进行检测，并对检测到的隐匿物品区域进行标记。该方法虽然可以自适应并有效分割出目标，进而得到检测结果。但在隐匿物品检测的时候需要采用迭代分割的方法，而每次分割的时候都需要计算人体和异物的分割阈值，该分割阈值直接影响后续的检测结果，在目标和背景灰度值不明显的区域，不易准确完整分割出异物。

发明内容

本发明的目的在于提出一种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，以解决现有技术由于隐匿物散射回波弱造成成像质量低，及对隐匿物灰度值与人体相似时，其检测准确率低的不足。