CN108898132B - 一种基于形状上下文描述的太赫兹图像危险品识别方法 - Google Patents

Abstract

本发明公开了一种基于形状上下文描述的太赫兹图像危险品识别方法，包括如下步骤：S1：从太赫兹成像系统中获得被检对象的太赫兹图像，将太赫兹图像进行预处理，获得去噪后的太赫兹图像；S2：对去噪后的太赫兹图像分别采用分块查找和二分法查找的方法获得被检对象太赫兹图像中危险品的隐藏区域和轮廓边缘信息；S3：利用形状上下文特征描述算子提取危险品轮廓的特征向量，与数据库里的特征向量进行匹配、比较，最后确定危险品的名称和种类。与现有的太赫兹成像技术和图像处理方法相比，本发明实现安检自动化，提高安检效率，且快速地识别危险品信息，满足现代安检的实时性要求。

Description

一种基于形状上下文描述的太赫兹图像危险品识别方法

技术领域

本发明涉及计算机视觉领域，更具体地，设计了一种针对太赫兹图像的危险品识别方法。

背景技术

同行业内已有一些对太赫兹图像进行处理的方法，现有的针对太赫兹图像处理较大程度上集中在太赫兹图像去噪等能提高太赫兹图像质量的方面。但是随着如今工艺水平不断进步，太赫兹成像系统所采用的的光学元器件更加先进，太赫兹成像技术日趋成熟。因此，将太赫兹成像技术与公交车站、机场等现实应用场景结合起来，实现智能化安检是太赫兹成像技术未来的发展趋势之一。然而，目前的研究中涉及太赫兹图像中的危险识别方法研究相对较少。在实际中，太赫兹图像不像光学图像有各种各样的比较明显的特征，比如颜色特征、形状特征等，这是因为光学图像的成像原理与太赫兹图像的成像原理有着很大的差异。如何针对信息量相对不那么丰富的太赫兹图像，设置一个算法提取太赫兹图像中的危险品的特征，进而识别出太赫兹图像中的危险品是设计本技术方案的初衷。

目前，太赫兹成像技术越来越成熟，太赫兹图像的分辨率越来越高，但是在实际生活中太赫兹安检技术还是处于半自动化状态，虽然能够满足机场、海关、口岸等公共场所的基本安检需要，但是仍然可以通过图像识别技术进一步提高自动化程度，进一步提高安检效率。比如，祁春超博士领衔的研发团队研发的主动式毫米波安检仪产品TAI-40-HP，设备的功率密度仅为0.13μW/cm2，进行一次人体扫描的工作时间仅为2.8s，能实现对人体360度全方位扫描成像，最高分辨率为4.5mm，但是该系统还未能完全实现自动化安检。这充分说明太赫兹成像技术已经日趋成熟，太赫兹图像质量能够满足实际需要，可以通过图像识别技术进一步提高安检效率的。如何从太赫兹图像中寻找危险品的特征，实现安检自动化显得越来越重要。为实现安检自动化，使用通用的计算机视觉领域的图像处理技术，从太赫兹图像中提取危险品的特征信息，从而实现安检自动化。

现有的太赫兹图像图像处理和识别方法采用通用的图像处理和识别方法，但与光学拍照设备所生成的光学图像具有丰富的颜色、纹理特征不一样，太赫兹图像往往没有丰富的信息，图像中能够被充分利用充当特征的信息往往只有灰度信息和轮廓信息，目前针对轮廓和灰度特征进行分析的方法比较常用。另外，在太赫兹图像处理和识别的相关研究方面，已公开成果“太赫兹成像安检设备以及图像处理和识别方法”(蒋林华，严志讯，林晓，邬春学，杨贵松，朱亦鸣，CN201710404636.6)，其使用的轮廓提取方法为主动形状模型法，使用统计学方法计算轮廓图像中不同位置的灰度值和纹理信息来判断危险品的隐藏区域，计算过程相对繁琐，时间复杂度较高；已公开成果“一种基于毫米波图像的人体异物检测方法及系统”(陈寒江，李志权，祁春超，赵术开， CN201610855267.8)通过滑动窗口搜索危险品区域，然后利用聚类算法计算疑似危险品的RGB特征，然后根据RGB特征匹配确定危险品的名称和种类，这种方法所得的危险品的匹配识别准确率难以满足实际需要。

发明内容

本发明提出了一种使用形状上下文特征描述算法识别危险品的轮廓特征，通过使用分块查找和二分查找的方法分别快速定位危险品的隐藏区域和轮廓，能够在较短的时间内获得太赫兹图像中的危险品特征信息，通过与数据库中的特征向量进行比对，获得较高的识别准确率。

本发明所采用的技术方案：一种基于形状上下文描述的太赫兹图像危险品识别方法，包括如下步骤：

S1：从太赫兹成像系统中获得被检对象的太赫兹图像，将太赫兹图像进行预处理，获得去噪后的太赫兹图像；

S2：对去噪后的太赫兹图像分别采用分块查找和二分法查找的方法获得被检对象太赫兹图像中危险品的隐藏区域和轮廓边缘信息；

S3：利用形状上下文特征描述算子提取危险品轮廓的特征向量，与数据库里的特征向量进行匹配、比较，最后确定危险品的名称和种类。

步骤S1中，具体为将图像采用Gamma校正的方式进行预处理增强图像的对比度和亮度。

步骤S1中，具体为采用Gamma校正通过非线性函数调节图像中的像素灰度值，达到对比度增强的效果，实现了去噪的过程。

步骤S2中，具体为选择适合于并行计算的分块查找法快速剔除预处理图像的背景信息，快速定位图像中的危险品隐藏位置。

步骤S1包括如下步骤：

S1.1:输入人体太赫兹图像；

S1.2:统计太赫兹图像中灰度值在[α,β]之间的像素点的总数；

S1.3:计算灰度值在[α,β]之间的像素点总数占全部像素点百分比x；

S1.4:γ＝1-x；

S1.5:将所述太赫兹图像通过公式(1)进行Gamma校正，获得去噪处理后的太赫兹图像,所述公式(1)具体为：

g(x,y)＝f(x,y)*γ (1)

其中，x,y为太赫兹图像输入像素点的坐标,f(x,y)为坐标是(x,y)的像素点的灰度值，γ为灰度校正系数，g(x,y)为坐标是(x,y)的输出图像的像素点灰度值。

步骤S2中分块查找法获得被检对象太赫兹图像中危险品的隐藏区域，具体为将降噪后的太赫兹图像分块，利用直方图统计每一小块太赫兹图像中的灰度分布情况，因为太赫兹波能够对人体具有较好的穿透性和对金属物品具有较强的反射性，所以通过统计每一小块的太赫兹图像的灰度分布直方图能够判断当前这一小块的太赫兹图像是否存在危险品。

步骤S2中对去噪后的太赫兹图像采用二分法查找的方法获得被检对象太赫兹图像中危险品的轮廓边缘信息，具体为在检测到的危险品区域上取一点 f(x_m,y_m)，如果存在一点f(x_k,y_m),使得f(x_m,y_m)-f(x_k,y_m)＝0,即认为像素点f(x_k,y_k) 是危险品的边缘，因此，可以建立公式(2)所示方程，所述公式(2)方程具体为：

y＝f(x_m,y_m)-f(x_k,y_m),x_m,x_k∈[x_l,x_h] (2)

建立了上述方程后，计算y的值，判断当前像素点f(x_k,y_m)是否在背景区域内；如果在背景区域内，则y＞0；如果不在背景区域内，满足y＜0；如果y＞0且 x_k＜x_m,令x_k＝(x_k+x_m)/2；如果y＞0且x_k＜x_m，令x_k＝(x_k+x_m)/2；如果y＜0且 x_k＜x_m,令x_k＝(x_k+x_m)/2；如果y＜0且x_k＞x_m,令x_k＝(x_k+x_h)/2；通过不断改变x_k的值，直至找到当前行的边缘点；找到了当前行的边缘点后，通过改变y_m的值寻找下一行的边缘点，直至找到图像中所有的边缘点。

步骤S3中利用形状上下文特征描述算子提取危险品轮廓的特征向量，具体为将步骤S2所得危险品图像获得的轮廓边缘，对轮廓边缘进行采样得到一组离散的点集Q＝{q₁,q₂,q₃,q₄,L,q_n}；然后使用公式(3)计算其形状上下文，所述公式 (3)具体如下：

h_i(k)＝#{p≠q_i:(p-q_i)∈bin(k)} (3)

其中，k＝{1,2,3,L,k},k＝M*N；M是以点q_i为参考点，R为半径的区域沿圆周方向的M等分，N是以点q_i为参考点，R为半径的局域内按对数距离建立的同心圆的数目；

使用公式(4)计算代价矩阵和数据库中的危险品图像进行比对，所述公式 (4)具体如下：

使用公式(5)找到当前太赫兹危险品图像和数据库中的危险品图像的对应关系π(i),使得∑C_i,π(i)最小，所述公式(5)具体如下：

与现有技术相比，本发明的有益效果是：本发明提出一种基于形状上下文描述的太赫兹图像危险品识别方法，对被检对象太赫兹图像进行降噪预处理后，根据太赫兹图像的灰度分布和轮廓的特点，依次识别出太赫兹图像中隐藏危险品和区域以及提取出危险品的轮廓信息，针对轮廓信息采用算法提取出轮廓的特征向量，并与数据库里面的特征进行比对，从而识别出危险品；本发明能够在较短的时间内获得太赫兹图像中的危险品特征信息，获得较高的识别准确率。

附图说明

图1是本发明的实施过程流程图；

图2是本发明的典型太赫兹图像示意图；

图3是本发明的降噪太赫兹图像示意图；

图4是本发明的危险品隐藏区域直方图；

图5是本发明的危险品非隐藏区域直方图。

具体实施方式

下面结合具体实施例进一步说明本发明的技术方案。

一种基于形状上下文描述的太赫兹图像危险品识别方法，包括如下步骤：

S1：从太赫兹成像系统中获得被检对象的太赫兹图像，将太赫兹图像进行预处理，获得去噪后的太赫兹图像；

S2：对去噪后的太赫兹图像分别采用分块查找和二分法查找的方法获得被检对象太赫兹图像中危险品的隐藏区域和轮廓边缘信息；

S3：利用形状上下文特征描述算子提取危险品轮廓的特征向量，与数据库里的特征向量进行匹配、比较，最后确定危险品的名称和种类。

步骤S1中，具体为将图像采用Gamma校正的方式进行预处理增强图像的对比度和亮度。

步骤S1中，具体为采用Gamma校正通过非线性函数调节图像中的像素灰度值，达到对比度增强的效果，实现了去噪的过程。

步骤S2中，具体为选择适合于并行计算的分块查找法快速剔除预处理图像的背景信息，快速定位图像中的危险品隐藏位置。

步骤S1包括如下步骤：

S1.1:输入人体太赫兹图像；

S1.2:统计太赫兹图像中灰度值在[α,β]之间的像素点的总数；

S1.3:计算灰度值在[α,β]之间的像素点总数占全部像素点百分比x；

S1.4:γ＝1-x；

S1.5:将所述太赫兹图像通过公式(1)进行Gamma校正，获得去噪处理后的太赫兹图像,所述公式(1)具体为：

g(x,y)＝f(x,y)*γ (1)

其中，x,y为太赫兹图像输入像素点的坐标,f(x,y)为坐标是(x,y)的像素点的灰度值，γ为灰度校正系数，g(x,y)为坐标是(x,y)的输出图像的像素点灰度值。

步骤S2中分块查找法获得被检对象太赫兹图像中危险品的隐藏区域，具体为将降噪后的太赫兹图像分块，利用直方图统计每一小块太赫兹图像中的灰度分布情况，因为太赫兹波能够对人体具有较好的穿透性和对金属物品具有较强的反射性，所以通过统计每一小块的太赫兹图像的灰度分布直方图能够判断当前这一小块的太赫兹图像是否存在危险品。

步骤S2中对去噪后的太赫兹图像采用二分法查找的方法获得被检对象太赫兹图像中危险品的轮廓边缘信息，具体为在检测到的危险品区域上取一点 f(x_m,y_m)，如果存在一点f(x_k,y_m),使得f(x_m,y_m)-f(x_k,y_m)＝0,即认为像素点f(x_k,y_k) 是危险品的边缘，因此，可以建立公式(2)所示方程，所述公式(2)方程具体为：

y＝f(x_m,y_m)-f(x_k,y_m),x_m,x_k∈[x_l,x_h] (2)

建立了上述方程后，计算y的值，判断当前像素点f(x_k,y_m)是否在背景区域内；如果在背景区域内，则y＞0；如果不在背景区域内，满足y＜0；如果y＞0且 x_k＜x_m,令x_k＝(x_k+x_m)/2；如果y＞0且x_k＜x_m，令x_k＝(x_k+x_m)/2；如果y＜0且 x_k＜x_m,令x_k＝(x_k+x_m)/2；如果y＜0且x_k＞x_m,令x_k＝(x_k+x_h)/2；通过不断改变x_k的值，直至找到当前行的边缘点；找到了当前行的边缘点后，通过改变y_m的值寻找下一行的边缘点，直至找到图像中所有的边缘点。

步骤S3中利用形状上下文特征描述算子提取危险品轮廓的特征向量，具体为将步骤S2所得危险品图像获得的轮廓边缘，对轮廓边缘进行采样得到一组离散的点集Q＝{q₁,q₂,q₃,q₄,L,q_n}；然后使用公式(3)计算其形状上下文，所述公式 (3)具体如下：

h_i(k)＝#{p≠q_i:(p-q_i)∈bin(k)} (3)

其中，k＝{1,2,3,L,k},k＝M*N；M是以点q_i为参考点，R为半径的区域沿圆周方向的M等分，N是以点q_i为参考点，R为半径的局域内按对数距离建立的同心圆的数目；

使用公式(4)计算代价矩阵和数据库中的危险品图像进行比对，所述公式 (4)具体如下：

使用公式(5)找到当前太赫兹危险品图像和数据库中的危险品图像的对应关系π(i),使得∑C_i,π(i)最小，所述公式(5)具体如下：

实施例

本实施例对形状上下文描述的太赫兹图像危险品识别方法的具体实现过程进行详细的说明。

结合图1给出了实施例的执行流程。本发明流程共包括如下步骤：步骤 S1：从太赫兹成像系统中获取数字信号，将所得数字信号调用针对本发明所采用的的成像设备研发的成像算法得到被检对象的太赫兹图像，如图2所示。

步骤S2：使用Gamma校正方法对图2中的太赫兹图像进行Gamma校正，去除因为太赫兹成像设备功率抖动等原因产生的斑点、重影等，效果如图3所示。其中，针对本发明所采用的的太赫兹成像设备，本实施例Gamma校正过程中α＝100，β＝200，计算得到x＝0.724,γ＝0.276,按照公式(1)将太赫兹图像中所有像素采用Gamma校正计算一遍，可得到图3效果。然后，采用分块查找的方法探测危险品的隐藏区域。本实施例中太赫兹图像的分辨率为205*512，本发明把太赫兹图像划分为320个小块，这样得到的直方图比较准确反映危险品隐藏区域的信息；接着统计直方图中灰度值区间位于[0,120]的比例，其中比例阈值设定为75％，比例大于75％即可认为该区域可能存在危险品，接着在附近区域扩大或缩小窗口不断搜索，最终确定危险品隐藏区域。再次，采用二分查找法快速获得危险品边缘轮廓。在本实施例中，在危险品图像上任取一个点，利用二分法在水平方向上查找边缘点。判断边缘点的方法是根据公式(2)，根据所求结果不断二分调整，最后能得到所有边缘点。

步骤S3：采用形状上下文描述符提取轮廓的特征。在本实施例中，危险品的形状轮廓上采集46个采样点，依次对这些采样点建立与其他采样点的向量关系，即包括距离与方向的关系。接着对每个采样点建立极坐标系，在距离和方向上进行区域划分，形成若干个容器，统计落入每个容器的采样点数目，统计方法使用公式(3)，从而得到形状上下文直方图。提取出形状直方图后，使用公式(4)和公式(5)与数据库中存储的形状上下文特征进行距离计算，得到相似度，从而确定危险品的名称和种类。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims (7)

1.一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：包括如下步骤：

S1：从太赫兹成像系统中获得被检对象的太赫兹图像，将太赫兹图像进行预处理，获得去噪后的太赫兹图像；

S2：对去噪后的太赫兹图像分别采用分块查找和二分法查找的方法获得被检对象太赫兹图像中危险品的隐藏区域和轮廓边缘信息；

S3：利用形状上下文特征描述算子提取危险品轮廓的特征向量，与数据库里的特征向量进行匹配、比较，最后确定危险品的名称和种类；

步骤S1包括如下步骤：

S1.1:输入人体太赫兹图像；

S1.2:统计太赫兹图像中灰度值在[α,β]之间的像素点的总数；

S1.3:计算灰度值在[α,β]之间的像素点总数占全部像素点百分比x；

S1.4:γ＝1-x；

S1.5:将所述太赫兹图像通过公式(1)进行Gamma校正，获得去噪处理后的太赫兹图像,所述公式(1)具体为：

g(x,y)＝f(x,y)*γ (1)

其中，x,y为太赫兹图像输入像素点的坐标,f(x,y)为坐标是(x,y)的像素点的灰度值，γ为灰度校正系数，g(x,y)为坐标是(x,y)的输出图像的像素点灰度值。

2.根据权利要求1所述的一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：步骤S1中，具体为将图像采用Gamma校正的方式进行预处理增强图像的对比度和亮度。

3.根据权利要求1所述的一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：步骤S1中，具体为采用Gamma校正通过非线性函数调节图像中的像素灰度值，达到对比度增强的效果，实现了去噪的过程。

4.根据权利要求1所述的一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：步骤S2中，具体为选择适合于并行计算的分块查找法快速剔除预处理图像的背景信息，快速定位图像中的危险品隐藏位置。

5.根据权利要求1所述的一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：步骤S2中分块查找法获得被检对象太赫兹图像中危险品的隐藏区域，具体为将降噪后的太赫兹图像分块，利用直方图统计每一小块太赫兹图像中的灰度分布情况，因为太赫兹波能够对人体具有较好的穿透性和对金属物品具有较强的反射性，所以通过统计每一小块的太赫兹图像的灰度分布直方图能够判断当前这一小块的太赫兹图像是否存在危险品。

6.根据权利要求1所述的一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：步骤S2中对去噪后的太赫兹图像采用二分法查找的方法获得被检对象太赫兹图像中危险品的轮廓边缘信息，具体为在检测到的危险品区域上取一点f(x_m,y_m)，如果存在一点f(x_k,y_m),使得f(x_m,y_m)-f(x_k,y_m)＝0,即认为像素点f(x_k,y_k)是危险品的边缘，因此，可以建立公式(2)所示方程，所述公式(2)方程具体为：

y＝f(x_m,y_m)-f(x_k,y_m),x_k∈[x₁,x_h] (2)

建立了上述方程后，计算y的值，判断当前像素点f(x_k,y_m),是否在背景区域内；如果在背景区域内，则y＞0；如果不在背景区域内，满足y＜0；如果y＞0且x_k＜x_m,令x_k＝(x_k+x_m)/2；如果y＞0且x_k＜x_m，令x_k＝(x_k+x_m)/2；如果y＜0且x_k＜x_m,令x_k＝(x_k+x_m)/2；如果y＜0且x_k＞x_m,令x_k＝(x_k+x_h)/2；通过不断改变x_k的值，直至找到当前行的边缘点；找到了当前行的边缘点后，通过改变y_m值寻找下一行的边缘点，直至找到图像中所有的边缘点。

7.根据权利要求1所述的一种基于形状上下文描述的太赫兹图像危险品识别方法，其特征在于：步骤S3中利用形状上下文特征描述算子提取危险品轮廓的特征向量，具体为将步骤S2所得危险品图像获得的轮廓边缘，对轮廓边缘进行采样得到一组离散的点集Q＝{q₁,q₂,q₃,q₄,…,q_n}；然后使用公式(3)计算其形状上下文，所述公式(3)具体如下：

h_i(k)＝#{p≠q_i：(p-q_i)∈bin(k)} (3)

其中，k＝{1,2,3,…,k},k＝M*N；M是以点q_i为参考点，R为半径的区域沿圆周方向的M等分，N是以点q_i为参考点，R为半径的局域内按对数距离建立的同心圆的数目；

使用公式(4)计算代价矩阵和数据库中的危险品图像进行比对，所述公式(4)具体如下：

使用公式(5)找到当前太赫兹危险品图像和数据库中的危险品图像的对应关系π(i)，使得∑C_i，π(i)最小，所述公式(5)具体如下：

minH(π)＝∑_iC(p_i，q_π(i)) (5)。

Images