[发明专利]一种太赫兹人体安检图像显示增强方法及系统有效

专利信息
申请号: 202011011587.8 申请日: 2020-09-23
公开(公告)号: CN112150494B 公开(公告)日: 2022-10-25
发明(设计)人: 李诚;余开;柳桃荣;涂昊;刘泽鑫 申请(专利权)人: 博微太赫兹信息科技有限公司
主分类号: G06T7/13 分类号: G06T7/13;G06T7/194;G06T5/00;G06V40/10;G06V10/764;G06V10/774;G06V10/82;G06N3/08
代理公司: 合肥昊晟德专利代理事务所(普通合伙) 34153 代理人: 王林
地址: 230088 安徽*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 赫兹 人体 安检 图像 显示 增强 方法 系统
【权利要求书】:

1.一种太赫兹人体安检图像显示增强方法,其特征在于,包括以下步骤:

S1:标注太赫兹图像

在太赫兹图像中标注出前景区域和背景区域,得到分类标签图像,前景区域包括人体区域,背景区域包括人体待检查随身物品较暗区域、成像背景区域;

在所述步骤S1中,像素级分类标签存在0和1两类值,其中0表示背景,1表示前景;

S2:对分割标签图像进行平滑处理

利用高斯滤波函数对步骤S1中的分类标签图像进行平滑处理,得到模糊标签图像;

S3:绘制增强权重前景图像

利用边缘检测算子检测步骤S1中的分类标签图像,在黑色背景图像上绘制边缘,得到增强权重前景图像;

在所述步骤S3中,得到增强权重前景图像,在图像边缘区域内的值为1,其他图像区域内的值为0;

S4:训练得到增强显示预测模型

利用归一化的像素级标签,结合损失函数和边缘权重,训练预选取的像素预测深度学习模型,观察训练集和验证集损失,达到训练停止条件后,完成训练,得到并保存增强显示模型;

具体包括:模型输入图像宽高为h和w,像素数量为N,其中,N=hw;模型输入数据为x,即太赫兹图像原始像素,模型预测输出为yp,平滑标签数据为ygt,即模糊标签图像像素;边缘标签数据为yb,即边缘标签图像像素,统计图像边缘像素数量为s1,则单张图片中每个像素的训练权重为:

单个损失计算方法如下:

批次训练对单点像素加权smooth_l1损失进行求和取平均,进行反向传播,降低损失;训练时切分训练集和验证集,当学习率达到设定值以及验证集损失不再降低时,即可完成训练,保存并得到增强显示模型;

S5:进行增强显示

将太赫兹图像输入到步骤S4的增强显示模型中,得到像素预测结果,然后叠加输入的太赫兹图像,实现对太赫兹图像的增强显示;

在所述步骤S5中,像素叠加公式如下:

y=255*αyp+(1-α)x

其中,yp为增强显示模型预测的输出值,α为叠加比例系数,x为太赫兹图像原始像素,y为最终显示图像像素值。

2.根据权利要求1所述的一种太赫兹人体安检图像显示增强方法,其特征在于:所述太赫兹图像为灰度图像。

3.根据权利要求1所述的一种太赫兹人体安检图像显示增强方法,其特征在于:在所述步骤S2中,所述高斯滤波函数采用3x3核设计。

4.根据权利要求1所述的一种太赫兹人体安检图像显示增强方法,其特征在于:在所述步骤S2中,经过平滑后的分类标签图像像素值变为在[0,1]区间分布的浮点数。

5.一种太赫兹人体安检图像显示增强系统,其特征在于,利用如权利要求1~4任一项所述的显示增强方法对太赫兹人体安检图像显示增强工作,包括:

标注模块,用于在太赫兹图像中标注出前景区域和背景区域,得到分类标签图像;

平滑处理模块,用于利用高斯滤波函数对分类标签图像进行平滑处理,得到模糊标签图像;

绘制模块,用于利用边缘检测算子检测分类标签图像,在黑色背景图像上绘制边缘,得到增强权重前景图像;

模型训练模块,用于利用归一化的像素级标签,结合损失函数和边缘权重,训练预选取的像素预测深度学习模型,观察训练集和验证集损失,达到训练停止条件后,完成训练,保存并得到增强显示模型;

增强显示模块,用于将太赫兹图像输入到增强显示模型中,得到像素预测结果,然后叠加输入的太赫兹图像,实现对太赫兹图像的增强显示;

控制处理模块,用于向各模块发出指令,完成相关动作;

所述标注模块、平滑处理模块、绘制模块、模型训练模块、增强显示模块均与控制处理模块电连接。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于博微太赫兹信息科技有限公司,未经博微太赫兹信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011011587.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top