CN108491895A - 一种太赫兹透视成像识别系统 - Google Patents
一种太赫兹透视成像识别系统 Download PDFInfo
- Publication number
- CN108491895A CN108491895A CN201810489540.9A CN201810489540A CN108491895A CN 108491895 A CN108491895 A CN 108491895A CN 201810489540 A CN201810489540 A CN 201810489540A CN 108491895 A CN108491895 A CN 108491895A
- Authority
- CN
- China
- Prior art keywords
- image
- terahertz
- unit
- described image
- processing unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 38
- 238000003909 pattern recognition Methods 0.000 claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000003708 edge detection Methods 0.000 claims abstract description 16
- 238000011179 visual inspection Methods 0.000 claims abstract description 14
- 230000004069 differentiation Effects 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 239000007788 liquid Substances 0.000 claims description 10
- 239000003989 dielectric material Substances 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000007689 inspection Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000155 melt Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000003923 mental ability Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种太赫兹透视成像识别系统，包括：太赫兹相机，拍摄获取待测场景的图像；图像处理单元，对该获取到的图像进行去噪、滤波、融合、边缘检测和分割或标识的处理；图像分析单元，对经图像处理单元处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域；模式识别单元，对该筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本；结果判别单元，代替人工进行视觉检查，对模式识别单元匹配出符合物体形状特征值模式样本进行结果判别，判别出物体形状轮廓；从而实现通过图像识别处理技术来判别出物体形状轮廓，代替人工进行视检，提高视觉检查的效率、精度、质量和自动化程度。
Description
技术领域
本发明涉及太赫兹技术领域，尤其涉及一种太赫兹透视成像识别系统。
背景技术
太赫兹波通常是指频率范围在0.1THz到10THz区间的电磁波，介于微波与红外线之间。太赫兹波对很多介电物质和非极性液体有很好的穿透性，能够深入到许多有机材料内部进行透视探测而不伤害材料；其光子能量很低，在1meV两级，仅为可见光的千分之一，X射线的百万分之一，对生物体很安全，这使太赫兹成像非常适合用来生物检测及安全检测。
图像分析(image analysis)和图像处理(image processing)关系密切，两者有一定程度的交叉，却又有所不同。图像处理侧重于图像信号处理方面，如：图像对比度的调节、图像编码、去噪以及各种滤波的处理；图像分析更侧重点在于对图像内容的处理，即使用各种技术图像处理技术对图像内容进行分析、解释和识别。
图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象技术。其目的是为了让计算机代替人类去处理大量的信息。
模式识别是指对表示事物或现象的不同形式的信息做分析和处理从而得到一个对事物或现象做出描述、辨认和分类等的过程。模式识别原本是人类的一项基本智能，但随着计算机的发展和人工智能的兴起，人类本身的模式识别已经满足不了生活的需要，于是人类就希望用计算机来代替或扩展人类的部分脑力劳动，这样计算机的模式识别就产生了。简单地说，模式识别就是对数据进行分类，它是一门与数学紧密结合的科学，其中所用的思想大部分是概率与统计。模式识别主要分为三种：统计模式识别、句法模式识别、模糊模式识别。
太赫兹透视成像在检测领域上虽然在一定程度上提高了人工视觉检查的准确度，但是在效率上、精度和自动化程度上并没有太大的改善；另外，人工视检会因长时间工作导致的疲劳和个体之间本身存在的差异造成检测误差甚至是错误。
发明内容
本发明提供一种太赫兹透视成像识别系统，用以解决现有技术的人工视觉检查在效率上、精度和自动化程度上并没有太大改善的技术问题。
为解决上述技术问题，本发明提供一种太赫兹透视成像识别系统，包括：太赫兹相机、图像处理单元、图像分析单元、模式识别单元、结果判别单元；
所述太赫兹相机，与所述图像处理单元相连接，用于拍摄获取待测场景的图像；
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分割或标识的处理；
所述图像分析单元，与所述图像处理单元、所述模式识别单元分别相连接，用于对经所述图像处理单元对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域；
所述模式识别单元，与所述图像分析单元、所述结果判别单元分别相连接，用于对经所述图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本；
所述结果判别单元，与所述模式识别单元相连接，用于代替人工进行视觉检查，对所述模式识别单元匹配出符合物体形状特征值模式样本进行结果判别，判别出物体形状轮廓信息。
其中，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行滤波处理，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的。
其中，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于通过快速傅里叶变换FFT，让图像画质增强并不减少噪点数目，以及根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的。
其中，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行融合处理，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于通过高斯低通滤波器处理图像，进一步除去和消弱噪声影响并模糊边缘轮廓，让孤立的图像轮廓能够融合起来。
其中，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行边缘检测，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对图像进行中值滤波减少随机噪声，让图像显示更为清晰；对图像进行锐化处理，让图像中物体的形状轮廓凸显出来；利用原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来。
其中，所述图像处理单元，用于对图像进行锐化处理，让图像中物体的形状轮廓凸显出来，包括：
所述图像处理单元，用于通过二阶微分的图像增强拉普拉斯算子对图像进行锐化处理，让图像中物体的形状轮廓凸显出来。
其中，所述图像处理单元，用于利用原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来，包括：
所述图像处理单元，用于通过计算一阶导数得到原始数据的亮度梯度信息，利用所述原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来。
其中，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行分割或标识的处理，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于根据图像边沿检测的信息，对图像进行分割或标识处理。
其中，所述图像分析单元，与所述图像处理单元、所述模式识别单元分别相连接，用于对经所述图像处理单元对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域，包括：
所述图像分析单元，与所述图像处理单元、所述模式识别单元分别相连接，用于对经所述图像处理单元对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，进行图像特征、图像区域的抽取和选择，筛选出符合识别要求的图像特征值、图像区域。
其中，所述模式识别单元，与所述图像分析单元、所述结果判别单元分别相连接，用于对经所述图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本，包括：
所述模式识别单元，与所述图像分析单元、所述结果判别单元分别相连接，用于在数据库中存储的特征值进行特征比对，对经所述图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本。
本发明提供的太赫兹透视成像识别系统，包括：太赫兹相机、图像处理单元、图像分析单元、模式识别单元、结果判别单元；太赫兹相机，与图像处理单元相连接，用于拍摄获取待测场景的图像；图像处理单元，与太赫兹相机、图像分析单元分别相连接，用于对太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分割或标识的处理；图像分析单元，与图像处理单元、模式识别单元分别相连接，用于对经图像处理单元对太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域；模式识别单元，与图像分析单元、结果判别单元分别相连接，用于对经图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本；结果判别单元，与模式识别单元相连接，用于代替人工进行视觉检查，对模式识别单元匹配出符合物体形状特征值模式样本进行结果判别，判别出物体形状轮廓信息；从而达到实现通过图像识别处理技术来判别出物体形状轮廓信息，代替人工进行视觉检查，提高视觉检查的效率、精度、质量和自动化程度等，且机器可以长时间地甚至是永久性地、不知疲倦地、稳定地工作下去。
附图说明
图1为本发明太赫兹透视成像识别系统的结构示意图。
具体实施方式
下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明提供一种太赫兹透视成像识别系统。
请参见图1，图1为本发明太赫兹透视成像识别系统的结构示意图，本发明太赫兹透视成像识别系统，包括：太赫兹相机101、图像处理单元102、图像分析单元103、模式识别单元104、结果判别单元105。
太赫兹相机101，与图像处理单元102相连接，用于拍摄获取待测场景的图像。
图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于对太赫兹相机101拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分割或标识的处理。
图像分析单元103，与图像处理单元102、模式识别单元104分别相连接，用于对经图像处理单元102对太赫兹相机101拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域。
模式识别单元104，与图像分析单元103、结果判别单元105分别相连接，用于对经图像分析单元103筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本。
结果判别单元105，与模式识别单元104相连接，用于代替人工进行视觉检查，对模式识别单元104匹配出符合物体形状特征值模式样本进行结果判别，判别出物体形状轮廓信息。
其中，图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于对太赫兹相机101拍摄获取到的待测场景的图像进行滤波处理，包括：
图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的。
其中，图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的，包括：
图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于通过快速傅里叶变换FFT，让图像画质增强并不减少噪点数目，以及根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的。
其中，图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于对太赫兹相机101拍摄获取到的待测场景的图像进行融合处理，包括：
图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于通过高斯低通滤波器处理图像，进一步除去和消弱噪声影响并模糊边缘轮廓，让孤立的图像轮廓能够融合起来。
其中，图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于对太赫兹相机101拍摄获取到的待测场景的图像进行边缘检测，包括：
图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于对图像进行中值滤波减少随机噪声，让图像显示更为清晰；对图像进行锐化处理，让图像中物体的形状轮廓凸显出来；利用原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来。
其中，图像处理单元102，用于对图像进行锐化处理，让图像中物体的形状轮廓凸显出来，包括：
图像处理单元102，用于通过二阶微分的图像增强拉普拉斯算子对图像进行锐化处理，让图像中物体的形状轮廓凸显出来。
其中，图像处理单元102，用于利用原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来，包括：
图像处理单元102，用于通过计算一阶导数得到原始数据的亮度梯度信息，利用该原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来。
其中，图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于对太赫兹相机101拍摄获取到的待测场景的图像进行分割或标识的处理，包括：
图像处理单元102，与太赫兹相机101、图像分析单元103分别相连接，用于根据图像边沿检测的信息，对图像进行分割或标识处理。
其中，图像分析单元103，与图像处理单元102、模式识别单元104分别相连接，用于对经图像处理单元102对太赫兹相机101拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域，包括：
图像分析单元103，与图像处理单元102、模式识别单元104分别相连接，用于对经图像处理单元102对太赫兹相机101拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，进行图像特征、图像区域的抽取和选择，筛选出符合识别要求的图像特征值、图像区域。
其中，模式识别单元104，与图像分析单元103、结果判别单元105分别相连接，用于对经图像分析单元103筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本，包括：
模式识别单元104，与图像分析单元103、结果判别单元105分别相连接，用于在数据库中存储的特征值进行特征比对，对经图像分析单元103筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本。
本发明提供的太赫兹透视成像识别系统，包括：太赫兹相机、图像处理单元、图像分析单元、模式识别单元、结果判别单元；太赫兹相机，与图像处理单元相连接，用于拍摄获取待测场景的图像；图像处理单元，与太赫兹相机、图像分析单元分别相连接，用于对太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分割或标识的处理；图像分析单元，与图像处理单元、模式识别单元分别相连接，用于对经图像处理单元对太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域；模式识别单元，与图像分析单元、结果判别单元分别相连接，用于对经图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本；结果判别单元，与模式识别单元相连接，用于代替人工进行视觉检查，对模式识别单元匹配出符合物体形状特征值模式样本进行结果判别，判别出物体形状轮廓信息；从而达到实现通过图像识别处理技术来判别出物体形状轮廓信息，代替人工进行视觉检查，提高视觉检查的效率、精度、质量和自动化程度等，且机器可以长时间地甚至是永久性地、不知疲倦地、稳定地工作下去。
本发明提供的太赫兹透视成像识别系统，涉及将太赫兹透视成像检测与计算机图像处理、图像识别、模式识别等相结合技术，实现让计算机能够代替人工自主识别出物体内部的轮廓形状信息的方案。
本发明提供的太赫兹透视成像识别系统，提高了视觉检查的效率、精度、质量和自动化程度；避免了人工视检中个人之间的差异和因长时间工产生的误差产生误和错误；能够持久且稳定的工作，降低了人力成本。
本发明提供的太赫兹透视成像识别系统，使用太赫兹使用太赫兹透视成像检测与计算机图像识别计算相结合，代替人工进行视觉检查；包括但不限于应用在视觉检查技术领域。
在本发明所提供的几个实施方式中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种太赫兹透视成像识别系统，其特征在于，包括：太赫兹相机、图像处理单元、图像分析单元、模式识别单元、结果判别单元；
所述太赫兹相机，与所述图像处理单元相连接，用于拍摄获取待测场景的图像；
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分割或标识的处理；
所述图像分析单元，与所述图像处理单元、所述模式识别单元分别相连接，用于对经所述图像处理单元对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域；
所述模式识别单元，与所述图像分析单元、所述结果判别单元分别相连接，用于对经所述图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本；
所述结果判别单元，与所述模式识别单元相连接，用于代替人工进行视觉检查，对所述模式识别单元匹配出符合物体形状特征值模式样本进行结果判别，判别出物体形状轮廓信息。
2.如权利要求1所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行滤波处理，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的。
3.如权利要求2所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于通过快速傅里叶变换FFT，让图像画质增强并不减少噪点数目，以及根据太赫兹成像特性包括介电物质和非极性液体的穿透性，所反射的太赫兹信号强度相对较弱，通过滤除低于一定阈值信号强度的像素点，达到凸显出物体内部结构信息的目的。
4.如权利要求1所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行融合处理，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于通过高斯低通滤波器处理图像，进一步除去和消弱噪声影响并模糊边缘轮廓，让孤立的图像轮廓能够融合起来。
5.如权利要求1所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行边缘检测，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对图像进行中值滤波减少随机噪声，让图像显示更为清晰；对图像进行锐化处理，让图像中物体的形状轮廓凸显出来；利用原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来。
6.如权利要求5所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，用于对图像进行锐化处理，让图像中物体的形状轮廓凸显出来，包括：
所述图像处理单元，用于通过二阶微分的图像增强拉普拉斯算子对图像进行锐化处理，让图像中物体的形状轮廓凸显出来。
7.如权利要求5所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，用于利用原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来，包括：
所述图像处理单元，用于通过计算一阶导数得到原始数据的亮度梯度信息，利用所述原始数据的亮度梯度信息，将物体形状轮廓信息从图像中分离开来。
8.如权利要求1所述的太赫兹透视成像识别系统，其特征在于，所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于对所述太赫兹相机拍摄获取到的待测场景的图像进行分割或标识的处理，包括：
所述图像处理单元，与所述太赫兹相机、所述图像分析单元分别相连接，用于根据图像边沿检测的信息，对图像进行分割或标识处理。
9.如权利要求1所述的太赫兹透视成像识别系统，其特征在于，所述图像分析单元，与所述图像处理单元、所述模式识别单元分别相连接，用于对经所述图像处理单元对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，筛选出符合识别要求的图像特征值、图像区域，包括：
所述图像分析单元，与所述图像处理单元、所述模式识别单元分别相连接，用于对经所述图像处理单元对所述太赫兹相机拍摄获取到的待测场景的图像进行去噪、滤波、融合、边缘检测和分区的处理后的图像进行分析，进行图像特征、图像区域的抽取和选择，筛选出符合识别要求的图像特征值、图像区域。
10.如权利要求1所述的太赫兹透视成像识别系统，其特征在于，所述模式识别单元，与所述图像分析单元、所述结果判别单元分别相连接，用于对经所述图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本，包括：
所述模式识别单元，与所述图像分析单元、所述结果判别单元分别相连接，用于在数据库中存储的特征值进行特征比对，对经所述图像分析单元筛选出的符合识别要求的图像区域进行物体形状特征值模式匹配，匹配出符合物体形状特征值模式样本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810489540.9A CN108491895A (zh) | 2018-05-21 | 2018-05-21 | 一种太赫兹透视成像识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810489540.9A CN108491895A (zh) | 2018-05-21 | 2018-05-21 | 一种太赫兹透视成像识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108491895A true CN108491895A (zh) | 2018-09-04 |
Family
ID=63353466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810489540.9A Pending CN108491895A (zh) | 2018-05-21 | 2018-05-21 | 一种太赫兹透视成像识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108491895A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030937A (zh) * | 2021-02-07 | 2021-06-25 | 中南大学 | 一种基于太赫兹高速回波效应的流体流速测量方法 |
| CN117930375A (zh) * | 2024-03-22 | 2024-04-26 | 国擎(山东)信息科技有限公司 | 多维度检测技术融合的通道式太赫兹人体安检系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102759753A (zh) * | 2011-04-29 | 2012-10-31 | 同方威视技术股份有限公司 | 隐藏危险品检测方法及设备 |
| CN105758865A (zh) * | 2016-04-26 | 2016-07-13 | 河南工业大学 | 基于太赫兹波检测粮食包装物中异物的方法及检测系统 |
| CN107092040A (zh) * | 2017-06-01 | 2017-08-25 | 上海理工大学 | 太赫兹成像安检设备以及图像处理和识别方法 |
-
2018
- 2018-05-21 CN CN201810489540.9A patent/CN108491895A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102759753A (zh) * | 2011-04-29 | 2012-10-31 | 同方威视技术股份有限公司 | 隐藏危险品检测方法及设备 |
| CN105758865A (zh) * | 2016-04-26 | 2016-07-13 | 河南工业大学 | 基于太赫兹波检测粮食包装物中异物的方法及检测系统 |
| CN107092040A (zh) * | 2017-06-01 | 2017-08-25 | 上海理工大学 | 太赫兹成像安检设备以及图像处理和识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 冯艳平: "人体隐蔽携带刀具、枪支危险物的THz图像识别", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030937A (zh) * | 2021-02-07 | 2021-06-25 | 中南大学 | 一种基于太赫兹高速回波效应的流体流速测量方法 |
| CN113030937B (zh) * | 2021-02-07 | 2021-12-28 | 中南大学 | 一种基于太赫兹高速回波效应的流体流速测量方法 |
| CN117930375A (zh) * | 2024-03-22 | 2024-04-26 | 国擎(山东)信息科技有限公司 | 多维度检测技术融合的通道式太赫兹人体安检系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hore et al. | Finding contours of hippocampus brain cell using microscopic image analysis | |
| Dubey et al. | Apple disease classification using color, texture and shape features from images | |
| Kong et al. | A generalized Laplacian of Gaussian filter for blob detection and its applications | |
| El‐Hag et al. | Classification of retinal images based on convolutional neural network | |
| Vazquez-Reina et al. | Segmentation fusion for connectomics | |
| Masias et al. | A review of source detection approaches in astronomical images | |
| Safdar et al. | Intelligent microscopic approach for identification and recognition of citrus deformities | |
| Ghazal et al. | Automated framework for accurate segmentation of leaf images for plant health assessment | |
| Ali et al. | Early breast cancer detection using mammogram images: a review of image processing techniques | |
| Li et al. | A combined spatial-spectral method for automated white blood cells segmentation | |
| CN104680185B (zh) | 基于边界点重分类的高光谱图像分类方法 | |
| CN108491895A (zh) | 一种太赫兹透视成像识别系统 | |
| Tavakoli et al. | Unsupervised automated retinal vessel segmentation based on Radon line detector and morphological reconstruction | |
| Archana et al. | Deep learning models for digital image processing: a review | |
| Nobile et al. | Unsupervised neural networks as a support tool for pathology diagnosis in MALDI-MSI experiments: A case study on thyroid biopsies | |
| Koprowski | Processing of Hyperspectral Medical Images | |
| Oprisescu et al. | Automatic pap smear nuclei detection using mean-shift and region growing | |
| Desai et al. | Detection and classification of fruit disease: a review | |
| Jinglei et al. | Distance-based separability criterion of ROI in classification of farmland hyper-spectral images | |
| EP4113433A1 (en) | Classification and improvement of quality of vascular images | |
| Pavithra et al. | White blood cell analysis using watershed and circular hough transform technique | |
| Sukhia et al. | Overlapping white blood cells detection based on watershed transform and circle fitting | |
| Dey et al. | Automated detection of early oral cancer trends in habitual smokers | |
| Ghosh et al. | Content based retrieval of malaria positive images from a clinical database via recognition in RGB colour space | |
| Al-Otaibi et al. | Statistical image analysis based automated leaves classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |