[发明专利]基于毫米波太赫兹Fisher向量特征的目标检测方法

权利要求书

1.基于毫米波太赫兹Fisher向量特征的目标检测方法，其特征在于：它包括以下步骤：

S1、获取待测目标的毫米波太赫兹成像的多个角度的线极化图像，对获取的多个角度的线极化图像进行组合，得到组合后的图像；

S2、对得到的组合后的图像进行分割，得到分割后的图像；

S3、根据得到的分割后的图像计算Fisher向量特征量，得到Fisher向量特征量；

S4、根据S2中得到的分割后的图像和S3中得到的Fisher向量特征量生成待测目标的特征图像，对特征图像进行阈值分割，得到待测目标的检测图像。

2.根据权利要求1中所述的基于毫米波太赫兹Fisher向量特征的目标检测方法，其特征在于：所述S1中获取待测目标的毫米波太赫兹成像的多个角度的线极化图像，对获取的多个角度的线极化图像进行组合，得到组合后的图像，具体过程为：

S11、获取待测目标的毫米波太赫兹成像的0°，+45°，+90°和+135°四个角度的线极化图像；

S12、根据获取的每个线极化图像得到对应的二维矩阵，得到四个二维矩阵；

S13、将得到的四个二维矩阵相加取均值得到均值图像。

3.根据权利要求2中所述的基于毫米波太赫兹Fisher向量特征的目标检测方法，其特征在于：所述S2中对得到的组合后的图像进行分割，得到分割后的图像，具体过程为：

S21、对S13中得到的均值图像进行中值滤波；

S22、利用双三次插值方法将中值滤波后的均值图像的长和宽变为原来的G倍，G＞1，得到双三次插值方法后的均值图像；

S23、对双三次插值方法后的均值图像进行分割，得到分割后的均值图像。

4.根据权利要求3中所述的基于毫米波太赫兹Fisher向量特征的目标检测方法，其特征在于：所述S23中对双三次插值方法后的均值图像进行分割，得到分割后的均值图像，具体过程为：

S231、设置双阈值对双三次插值方法后的均值图像进行粗分割，剔除不是待测目标像素的区域，得到粗分割后的均值图像；

S232、对得到的粗分割后的均值图像进行超像素分割，得到超像素图像。

5.根据权利要求4中所述的基于毫米波太赫兹Fisher向量特征的目标检测方法，其特征在于：所述S3中根据得到的分割后的图像计算Fisher向量特征量，得到Fisher向量特征量，具体过程为：

S31、将S22中得到的双三次插值方法后的均值图像输入混合高斯模型内进行聚类，得到聚类后的混合高斯模型：

其中，f_Λ(x)表示混合高斯模型的概率密度函数，x表示双三次插值方法后的均值图像的像素值；

Q表示混合高斯模型中高斯分量的数量，q＝1，2，...，Q；

ω_q表示混合系数，

表示混合高斯模型中第q个高斯分量，

σ_q表示第q个高斯分量的标准差；

μ_q表示第q个高斯分量的均值；

exp[·]表示e指数算符；

S32、根据S31中得到的聚类后的混合高斯模型和S232中得到的超像素图像计算Fisher向量，得到Fisher向量；

S33、根据得到的Fisher向量计算Fisher向量特征量，得到Fisher向量特征量。