1 上海理工大学 光电信息与计算机工程学院, 上海 200093
2 上海第二工业大学 文理学部, 上海 201209
3 擎翌(上海)智能科技有限公司, 上海 201306
自动检测毫米波图像中被检人员是否携带隐藏物, 是实现智能毫米波安检系统的重要技术之一。针对隐藏物在毫米波图像中的特征局部性和低辨识性问题, 提出一种动态自注意力的双线性卷积神经网络, 能够仅以图像级标签训练, 实现图像中隐藏物的存在检测。引入自注意力机制以引导网络对隐藏物区域进行特征提取, 增强网络刻画全局信息的能力; 双线性池化构建的二阶特征丰富了网络对隐藏物与非检测区域的细微差异表征。实验结果验证了所提出方法对隐藏物检测的有效性, 在各项评价指标上均高于其他基于卷积神经网络的方法, 准确率达到93.6%。
毫米波图像 隐藏物检测 卷积神经网络 自注意力机制 millimeter image concealed object detection convolutional neural network self-attention mechanism
1 中国科学院上海微系统与信息技术研究所太赫兹固态技术重点实验室, 上海 200050
2 中国科学院大学, 北京 100049
3 上海科技大学信息科学与技术学院, 上海 201210
采用反卷积与捷径连接,针对毫米波图像提出了一种高效、快速的卷积神经网络,在保留图像低阶细粒度特征的同时,检测速度由原框架的9 frame/s大幅提升至27 frame/s,并取消了Faster RCNN (Regions with Convolutional Neural Networks)中的RCNN部分。为了使网络更好地收敛,基于聚类思想设计了初始候选框的大小。使用在线困难样本挖掘(OHEM)优化了Faster RCNN的损失函数,解决了毫米波图像中正负样本失衡的问题,大幅提升了训练速度。所提算法在测试集上取得了87.6%的准确率和81.2%的检出率,F1分数相较于主流算法提升了5%左右。
图像处理 图像识别 卷积神经网络 反卷积 毫米波图像 目标检测 激光与光电子学进展
2019, 56(13): 131009
利用遗传算法与最大熵值法相结合的算法对毫米波辐射图像进行处理。通过结合遗传算法改善了最大熵值法运算速度慢的弱点, 实现了毫米波图像的双阈值分割。实验表明通过遗传算法改进的最大熵值法在提高求解最优阈值速度和对分辨率低的毫米波图像实现多目标的同时, 提取效果更加理想。
遗传算法 毫米波图像 双阈值分割 genetic algorithm millimeter wave (MMW) image dual-threshold segmentation
1 西安电子科技大学 综合业务网理论与关键技术国家重点实验室, 陕西 西安 710071
2 中国科学院上海微系统与信息技术研究所 中科院太赫兹固态技术重点实验室, 上海 200050
主动式毫米波成像(AMWI)技术是检测隐藏在衣服下的危险物体的有效方法.但AMWI获取的图像通常很模糊, 而且一些隐匿物体的尺寸较小, 因此隐匿物品的自动检测和定位仍然是一个具有挑战性的问题.姚家雄等
主动式毫米波图像 隐匿物品检测 卷积神经网络 上下文信息 active millimeter-wave image concealed object detection CNN contextual information
1 上海微系统与信息技术研究所 中科院太赫兹固态技术重点实验室, 上海 200050
2 中国科学院大学, 北京 100049
3 上海科技大学, 上海 201210
随着毫米波器件的成熟, 毫米波成像雷达已经应用于人体安检.但毫米波图像中违禁物体的定位仍然是一个艰巨的任务, 这极大地限制了毫米波成像雷达的应用.文章将卷积神经网络(Convolutional Neural Network, CNN)应用于毫米波图像, 自动定位毫米波图像中的违禁物体, 如枪、刀等.利用滑动窗口在输入图像上滑动, 并通过CNN得到各个子图块存在违禁物体的概率.图像块是相互交叠的, 将各子图块的概率值累积起来, 得到概率累积图.概率累计图反映了违禁物体的位置.由于CNN和概率累积图的应用, 在实验中, 该方法获得了很高的定位准确率, 验证了该方法的有效性.
毫米波图像 卷积神经网络 物体定位 概率累积图 millimeter-wave image convolution neural network(CNN) object localization probability accumulation map
福州大学数学与计算机科学学院, 福州 350108
红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向.红外探测系统在低能见度条件下穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像.为了更好地识别目标,提出一种新方法,首先采用多小波包与邻域平均相结合的去噪方法对IR/PMMW图像进行去噪处理;然后利用多小波包方法获取多张相似的IR/PMMW图像,再将它们进行主成分融合并进行精确的直方图规定化;最后,根据被动毫米波图像的特殊性,提出基于区域的图像质量评价方法.实验仿真结果表明,利用新方法处理图像,提高了图像的清晰度,更容易识别出目标信息.
被动毫米波图像 图像去噪 图像融合 多小波包 主成分分析 PMMW image image de-noising image fusion multi-wavelet packet principal component analysis
福州大学 数学与计算机科学学院, 福州 350108
红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向。红外探测系统在低能见度条件下的穿透能力不如被动毫米波, 而被动毫米波探测图像分辨率不如红外图像。为了更好地识别目标的轮廓信息, 提出一种新的基于小波包边缘检测的特征级主成分融合方法。新方法先用小波包边缘检测方法检测出包含水平边缘、垂直边缘和对角边缘的边缘图像, 然后对边缘图像进行小波包去噪, 再用主成分融合方法进行图像特征级的融合, 最后用阈值方法提取出融合后的边缘。实验仿真结果表明, 与传统的小波及小波包边缘检测方法相比, 新方法融合后的边缘图像更容易分辨出目标的轮廓信息。
小波包 被动毫米波图像 主成分分析 边缘特征 评价指标 wavelet packet PMMW image principal component analysis edge feature evaluation index
针对毫米波图像分辨率较低、噪声大、成像物体边缘提取困难等问题,提出了一种基于自适应图像二值化的毫米波图像边缘检测方法.该方法通过对图像直方图的分析,自动地确定两个峰值的位置,得出阈值,对图像进行二值化,再对二值化后的图像进行边缘检测.实验表明,这种方法能较好地检测出毫米波图像中人与物体的边缘信息,同时又去掉了大多数由噪声引起的伪边缘.该方法避免了大量的方差计算,计算量仅为大津法的50%左右,能够满足自适应性和实时性的要求.
毫米波图像 二值化 自适应 边缘检测
