CN113657497B - 一种低信噪比图像增强处理与人体图像分割融合实现方法 - Google Patents
一种低信噪比图像增强处理与人体图像分割融合实现方法 Download PDFInfo
- Publication number
- CN113657497B CN113657497B CN202110943182.6A CN202110943182A CN113657497B CN 113657497 B CN113657497 B CN 113657497B CN 202110943182 A CN202110943182 A CN 202110943182A CN 113657497 B CN113657497 B CN 113657497B
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- processing
- contrast
- enhancement processing
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003709 image segmentation Methods 0.000 title claims abstract description 18
- 230000004927 fusion Effects 0.000 title claims abstract description 13
- 238000007689 inspection Methods 0.000 claims abstract description 25
- 238000013135 deep learning Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract 2
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000037237 body shape Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种低信噪比图像增强处理与人体分割融合实现方法,其提高毫米波人体安检设备的适用性。其包括如下步骤:步骤1、将通过毫米波安检设备所拍摄到的安检人体图像通过数据解码后输入原始图像进入图像处理系统;步骤2、将原始图像送进入到两个通道分别进行图像处理,第一个通道将原始图像进行图像增强处理,其通过图像滤波、形态学处理、伽马变化和局部处理,增强图像的对比度和均匀性;第二个通道将原始图像进行对比度调节、提高隐匿物与非隐匿物的对比度,之后运用系统经过深度学习进行自适应图像分割将人体图像外的干扰因素去除;步骤3、将两路通道分别处理获得的图像进行叠加融合,形成清晰的可用于安检作业的图像输出。
Description
技术领域
本发明涉及毫米波安检领域的技术领域,具体为一种低信噪比图像增强处理与人体图像分割融合实现方法。
背景技术
毫米波安检技术是近年来兴起的一种人体安检技术,利用毫米波对人体进行非接触式安检。毫米波成像质量会较大受到环境、温度、场景变化的影响,如在高温、低温或开放式环境下图像中人体与背景将不具备较好的区分度,影响到后续的图像增强处理,一定程度上降低了毫米波安检设备的适用性。
发明内容
针对上述问题,本发明提供了一种低信噪比图像增强处理与人体图像分割融合实现方法,其可以有效应对环境、温度、场景外部因素的变化,提高毫米波人体安检设备的适用性。
一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于,其包括如下步骤:
步骤1、将通过毫米波安检设备所拍摄到的安检人体图像通过数据解码后输入原始图像进入图像处理系统;
步骤2、将原始图像输送进入到两个通道分别进行图像处理,第一个通道将原始图像进行图像增强处理,其通过图像滤波、形态学处理、伽马变化和局部处理,增强图像的对比度和均匀性;第二个通道将原始图像进行对比度调节,提高隐匿物与非隐匿物的对比度,之后运用系统经过深度学习进行自适应图像分割将人体图像外的干扰因素去除;
步骤3、将两路通道分别处理获得的图像进行叠加融合,形成清晰的可用于安检作业的图像输出。
其进一步特征在于:
步骤2中的第二通道中深度学习部分所对应的各种人体形态和形状的数据库预先封装于安检系统内部,数据库内的各种数据可满足现实场景的各种应需求;
第一通道作业时,由于毫米波设备会对视场范围内的所有物体进行成像,而人体辐射的毫米波信号非常微弱,导致图像信噪比十分有限,故需要运用图像增强处理技术,其最终处理后的图像所对应的参数值如下,图像滤波ksize∈(5,7)、形态学处理ksize∈(3,7)、伽马变换gamma∈(0.5,1.2),其增强了图像的对比度与均匀性;
第二通道作业时,将原始图像进行对比度调节至sigma∈(110,130),从而提高隐匿物与非隐匿物的对比度;
第二通道作业时,对比度调节结束后,系统运用深度学习进行自适应处理的图像分割技术,排除高低温或是人体行进过程中的倒影、背景因素造成系统性能退化的影响,将人体图像外的干扰图像去除保留对应人体图像;
步骤3通过叠加融合后的图像方便检测人体图像区域内的隐匿物与非隐匿物,从而判断安检是否通过。
采用上述技术方案后,将通过毫米波安检设备所拍摄到的安检人体图像的模糊状态通过步骤2和步骤3的融合后生成相对清晰的可用于分辨的图像,其可以有效应对环境、温度、场景外部因素的变化,提高毫米波人体安检设备的适用性。
附图说明
图1为本发明方法所对应的步骤操作流程图;
图2为本发明的图像数据处理前后对比图。
具体实施方式
一种低信噪比图像增强处理与人体图像分割融合实现方法、见图1,其包括如下步骤:
步骤1、将通过毫米波安检设备所拍摄到的安检人体图像通过数据解码后输入原始图像(图2左侧)进入图像处理系统;
步骤2、将原始图像输送进入到两个通道分别进行图像处理,第一个通道将原始图像进行图像增强处理,其通过图像滤波、形态学处理、伽马变化和局部处理,增强图像的对比度和均匀性;第二个通道将原始图像进行对比度调节,提高隐匿物与非隐匿物的对比度,之后运用系统经过深度学习进行自适应图像分割将人体图像外的干扰因素去除;
步骤3、将两路通道分别处理获得的图像进行叠加融合,形成清晰的可用于安检作业的图像输出(图2右侧)。
具体实施时,步骤2中的第二通道中深度学习部分所对应的各种人体形态和形状的数据库预先封装于安检系统内部,数据库内的各种数据可满足现实场景的各种应需求;
第一通道作业时,由于毫米波设备会对视场范围内的所有物体进行成像,而人体辐射的毫米波信号非常微弱,导致图像信噪比十分有限,故需要运用图像增强处理技术,其最终处理后的图像所对应的参数值如下:图像滤波ksize∈(5,7)、形态学处理ksize∈(3,7)、伽马变换gamma∈(0.5,1.2),其增强了图像的对比度与均匀性;
第二通道作业时,毫米波图像相对于可见光图像较为模糊,物体细节纹理不清晰,但却可以显现携带的隐匿物,将原始图像进行对比度调节至sigma∈(110,130),从而提高隐匿物与非隐匿物的对比度;保留物体细节信息,对于判别隐匿物种类有较大帮助;
第二通道作业时,对比度调节结束后,系统运用深度学习进行自适应处理的图像分割技术,排除高低温或是人体行进过程中的倒影、背景因素造成系统性能退化的影响,将人体图像外的干扰因素去除保留对应人体图像;
步骤3通过叠加融合后的图像方便检测人体图像区域内的隐匿物与非隐匿物,从而判断安检是否通过。
其工作原理如下:将通过毫米波安检设备所拍摄到的安检人体图像的模糊状态通过步骤2和步骤3的融合后生成相对清晰的可用于分辨的图像,其可以有效应对环境、温度、场景外部因素的变化,提高毫米波人体安检设备的适用性。
其有益效果如下:对于较高、较低温度或是开放式场景应用下,已有的人体安检系统性能会有所下降的情况,通过上述处理方法确保图像输出的可靠性和准确性;其仅涉及到软件层面的改动,具体说就是算法接口有改变,与控制环境或是硬件改造相比来说开发替换成本较低;其在方法所对应的软件运行过程中,几乎感觉不到计算处理时间上有所变化,保持原有系统的实时性。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于,其包括如下步骤:
步骤1、将通过毫米波安检设备所拍摄到的安检人体图像通过数据解码后输入原始图像进入图像处理系统;
步骤2、将原始图像输送进入到两个通道分别进行图像处理,第一个通道将原始图像进行图像增强处理,其通过图像滤波、形态学处理、伽马变化和局部处理,增强图像的对比度和均匀性;第二个通道将原始图像进行对比度调节、提高隐匿物与非隐匿物的对比度,之后图像处理系统经过深度学习进行自适应图像分割从而将人体图像外的干扰因素去除;
步骤3、将两路通道分别处理获得的图像进行叠加融合,形成清晰的可用于安检作业的图像输出。
2.如权利要求1所述的一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于:步骤2中的第二通道中深度学习部分所对应的各种人体形态和形状的数据库预先封装于安检系统内部,数据库内的各种数据可满足现实场景的各种应需求。
3.如权利要求1所述的一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于,第一通道作业时,运用图像增强处理技术,其最终处理后的图像所对应的参数值如下:图像滤波ksize∈(5,7)、形态学处理ksize∈(3,7)、伽马变换gamma∈(0.5,1.2),其增强了图像的对比度与均匀性。
4.如权利要求1所述的一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于:第二通道作业时,将原始图像进行对比度调节至sigma∈(110,130),从而提高隐匿物与非隐匿物的对比度。
5.如权利要求1所述的一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于:第二通道作业时,对比度调节结束后,系统运用深度学习进行自适应处理的图像分割技术,排除高低温或是人体行进过程中的倒影、背景因素造成系统性能退化的影响,将人体图像外的干扰图像去除保留对应人体图像。
6.如权利要求1所述的一种低信噪比图像增强处理与人体图像分割融合实现方法,其特征在于:步骤3通过叠加融合后的图像方便检测人体图像区域内的隐匿物与非隐匿物,从而判断安检是否通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110943182.6A CN113657497B (zh) | 2021-08-17 | 2021-08-17 | 一种低信噪比图像增强处理与人体图像分割融合实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110943182.6A CN113657497B (zh) | 2021-08-17 | 2021-08-17 | 一种低信噪比图像增强处理与人体图像分割融合实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113657497A CN113657497A (zh) | 2021-11-16 |
CN113657497B true CN113657497B (zh) | 2024-03-08 |
Family
ID=78479981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110943182.6A Active CN113657497B (zh) | 2021-08-17 | 2021-08-17 | 一种低信噪比图像增强处理与人体图像分割融合实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657497B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629315A (zh) * | 2012-02-29 | 2012-08-08 | 北京无线电计量测试研究所 | 一种隐匿物品的自动检测和识别装置 |
CN105513035A (zh) * | 2014-09-22 | 2016-04-20 | 北京计算机技术及应用研究所 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
CN107316279A (zh) * | 2017-05-23 | 2017-11-03 | 天津大学 | 基于色调映射和正则化模型的弱光图像增强方法 |
CN110148095A (zh) * | 2019-05-14 | 2019-08-20 | 北京科技大学 | 一种水下图像增强方法及增强装置 |
CN112346141A (zh) * | 2020-11-05 | 2021-02-09 | 上海亨临光电科技有限公司 | 一种太赫兹图像与可见光图像映射融合方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11280676B2 (en) * | 2017-12-21 | 2022-03-22 | The Regents Of The University Of California | Optical spectroscopy using the fourier transform |
-
2021
- 2021-08-17 CN CN202110943182.6A patent/CN113657497B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629315A (zh) * | 2012-02-29 | 2012-08-08 | 北京无线电计量测试研究所 | 一种隐匿物品的自动检测和识别装置 |
CN105513035A (zh) * | 2014-09-22 | 2016-04-20 | 北京计算机技术及应用研究所 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
CN107316279A (zh) * | 2017-05-23 | 2017-11-03 | 天津大学 | 基于色调映射和正则化模型的弱光图像增强方法 |
CN110148095A (zh) * | 2019-05-14 | 2019-08-20 | 北京科技大学 | 一种水下图像增强方法及增强装置 |
CN112346141A (zh) * | 2020-11-05 | 2021-02-09 | 上海亨临光电科技有限公司 | 一种太赫兹图像与可见光图像映射融合方法及系统 |
Non-Patent Citations (3)
Title |
---|
Characterization of an Array-Based Dual-Frequency Transducer for Superharmonic Contrast Imaging;Jing Yang;《IEEE Xplore》;全文 * |
基于被动毫米波图像与光学图像的人体隐匿物检测;张露;《CNKI中国知网》;全文 * |
太赫兹成像安检系统;侯丽伟;《CNKI中国知网》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113657497A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110879959B (zh) | 生成数据集的方法及装置、利用其的测试方法及测试装置 | |
CN112085728B (zh) | 一种海底管道及泄漏点检测方法 | |
CN112766189A (zh) | 深度伪造检测方法、装置、存储介质及电子设备 | |
Ehsan et al. | A single image dehazing technique using the dual transmission maps strategy and gradient-domain guided image filtering | |
CN110245600B (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
Gong et al. | Automatic subway tunnel crack detection system based on line scan camera | |
Cai et al. | Joint depth and density guided single image de-raining | |
CN110826457A (zh) | 一种复杂场景下的车辆检测方法及装置 | |
CN113657497B (zh) | 一种低信噪比图像增强处理与人体图像分割融合实现方法 | |
Shi et al. | Tracing vocal fold vibrations using level set segmentation method | |
CN116452469B (zh) | 一种基于深度学习的图像去雾处理方法及装置 | |
CN117292225A (zh) | 一种基于SimpleNet网络的地震数据初至拾取方法 | |
CN109615590B (zh) | 基于模糊算法与分数阶微分算法的声呐图像增强方法 | |
CN116524575A (zh) | 一种基于多注意力机制的人脸识别方法 | |
Chung et al. | A Study of Single Image Haze Removal Using a Novel White-Patch RetinexBased Improved Dark Channel Prior Algorithm. | |
Guan et al. | DiffWater: Underwater image enhancement based on conditional denoising diffusion probabilistic model | |
CN112995433B (zh) | 一种时序视频生成方法、装置、计算设备及存储介质 | |
Li et al. | Dark channel prior based blurred image restoration method using total variation and morphology | |
Song et al. | Hummingbird E203 RISC-V processor core-based traffic flow detection system design | |
Ma et al. | Image Dehazing Based on Improved Color Channel Transfer and Multiexposure Fusion | |
Wang et al. | CLGA Net: Cross Layer Gated Attention Network for Image Dehazing. | |
CN110782402A (zh) | 一种发票文本去模糊的方法 | |
Salehi et al. | Stereo-RSSF: stereo robust sparse scene-flow estimation | |
CN118052702A (zh) | 基于多层融合生成对抗网络的sar到光学图像转换系统 | |
CN117274084A (zh) | 一种面向高速公路视频监控的实时自适应清晰化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |