文獻(xiàn)標(biāo)志碼：A
DOI: 10.16157/j.issn.0258-7998.223199
中文引用格式： 王鶴澎，睢明聰，張珂紳，等. 顯著性視覺的毫米波分區(qū)域檢測算法[J]. 電子技術(shù)應(yīng)用，2023，49(6)：74-79.
英文引用格式： Wang Hepeng，Sui Mingcong，Zhang Keshen，et al. Detection of millimeter wave objects with visual saliency[J]. Application of Electronic Technique，2023，49(6)：74-79.
0 引言
近年來，隨著人們對公共安全問題的日益重視，影像檢測輔助安檢系統(tǒng)的需求越來越大，毫米波成像系統(tǒng)具有可以穿透金屬、吸波材料等優(yōu)勢，可用于隱匿物品可視化且沒有健康危害，已被廣泛應(yīng)用于安全行業(yè)。與被動式成像方式不同的是，主動式成像受環(huán)境影響較小，獲得信息量大，可以獲得高分辨率圖像，有更豐富的細(xì)節(jié)信息，因此主動式毫米波成像是未來市場的主流。
毫米波圖像中隱匿物品的種類包含槍支、管制刀具等，如何自動檢測毫米波圖像中的隱匿物品是安檢系統(tǒng)的重要組成部分。由于成像環(huán)境和硬件條件限制，毫米波圖像的空間分辨率和對比度比較低，未知的隱匿物品位置、形狀和大小等都給檢測方法的設(shè)計(jì)帶來了巨大的挑戰(zhàn)。
現(xiàn)有的研究通常基于不同物品對毫米波反射強(qiáng)度的不同所呈現(xiàn)的灰度差異，以圖像分割方式檢測。Lee等人提出多通道圖像分割方法，通過配準(zhǔn)處理消除不同通道間圖像的幾何差異，再分割隱匿物品區(qū)域，對背景干擾的敏感度更低，但受噪聲影響較大；在之后Lee等人[7]采用多級期望最大化方法對圖像多級分割，該方法雖然可以分割出隱匿物品，但分割準(zhǔn)確性不高，會誤分割人體區(qū)域；Madhogaria等人提出邊緣檢測結(jié)合多幀融合方法，雖能通過聚類分析消除錯誤檢測，但人體不同部位的結(jié)構(gòu)特點(diǎn)會干擾檢測產(chǎn)生偽邊緣。
綜上所述，目標(biāo)物品檢測的重點(diǎn)在于找到場景中所有的對象將它們在背景中分離并標(biāo)記，即前景-背景分離。上述研究中均存在目標(biāo)和背景之間區(qū)分度較弱，難以準(zhǔn)確分割的問題。根據(jù)文獻(xiàn)[10]提出的視覺注意機(jī)制，想到利用顯著性分析模型提升圖像對比度。毫米波圖像中隱匿物品大小、位置等因素都是無法預(yù)測的，因此可以應(yīng)用顯著性模型模擬人類視覺特性優(yōu)先突出感興趣區(qū)域并生成顯著圖，顯著圖中標(biāo)注了各區(qū)域的重要程度，從而達(dá)到圖像增強(qiáng)的目的。
本文針對隱匿物品與人體灰度差異小、形狀多變的問題提出了分割判定、區(qū)域增強(qiáng)的思路：設(shè)計(jì)掩膜匹配算法提取人體區(qū)域；然后根據(jù)人體各部位所占比例分割圖像分別檢測；再根據(jù)圖像相似度判定圖像是否存在隱匿物品；最后對圖像顯著性增強(qiáng)，采用Kmeans聚類分割方法檢測出隱匿物品。
本文詳細(xì)內(nèi)容請下載：http://www.shi-ke.cn/resource/share/2000005352
作者信息：
王鶴澎，睢明聰，張珂紳，葉學(xué)義
（杭州電子科技大學(xué) 通信工程學(xué)院，浙江 杭州 310018）
