CN115294605B - 一种毫米波图像强噪声空域消除方法 - Google Patents

一种毫米波图像强噪声空域消除方法 Download PDF

Info

Publication number
CN115294605B
CN115294605B CN202210938968.3A CN202210938968A CN115294605B CN 115294605 B CN115294605 B CN 115294605B CN 202210938968 A CN202210938968 A CN 202210938968A CN 115294605 B CN115294605 B CN 115294605B
Authority
CN
China
Prior art keywords
strong noise
millimeter wave
human body
noise
image
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
Application number
CN202210938968.3A
Other languages
English (en)
Other versions
CN115294605A (zh
Inventor
叶学义
王鹤澎
曾懋胜
蒋甜甜
陈华华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202210938968.3A priority Critical patent/CN115294605B/zh
Publication of CN115294605A publication Critical patent/CN115294605A/zh
Application granted granted Critical
Publication of CN115294605B publication Critical patent/CN115294605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06T5/70—
    • 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
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Abstract

本发明公开了一种毫米波图像强噪声空域消除方法，首先对毫米波图像预处理，对毫米波图像使用OTSU方法二值分割后，得到不含弱噪声区域的二值掩膜；再确定强噪声空域范围，计算强噪声连通域的最大外切矩形，得到二值掩膜中每个强噪声连通域的最大外切矩形的具体坐标值。最后将二值掩膜中所有强噪声连通域消除。本发明针对人体毫米波图像的强噪声，特别是两腿之间的强噪声对检测的严重影响，导致误报严重的问题，根据人体毫米波图像的结构特点，结合强噪声的空域分布特性，可以有效的去除该类噪声，降低误报率。

Description

一种毫米波图像强噪声空域消除方法
技术领域
本发明属于人体毫米波图像目标检测领域，特别涉及一种毫米波图像强噪声空域消除方法。
背景技术
毫米波图像目标检测是实现人体体表携带违禁品检测的关键，可以广泛应用于机场、车站等安检工作，是现有人体安检手段的有效替代。目前针对于毫米波目标检测的相关研究，无论是主动式毫米波还是被动式毫米波，都是从灰度特征出发，根据图像中人体与目标的灰度值差异检测目标。主动式毫米波由于成像质量高已经占据目前毫米波成像的主流，但是由于主动毫米波的成像机制，尤其是人体区域范围内的由于回波干涉或者衍射等变化导致的背景增强(强噪声，如图1中实线椭圆所圈内容)，明显强于其它噪声(弱噪声，如图1中虚线椭圆所圈内容)，常用去噪方法难以消除，对目标检测极为不利。
最大类间方差法(OTSU，Otsu N.A Threshold Selection Method from Gray-Level Histograms[J].IEEE Transactions on Systems Man&Cybernetics,2007,9(1):62-66.)可以选择灰度阈值，分割出具有灰度差异的目标。目前最新的思路是将人体按照身体结构划分为多个独立区域，对每个独立区域分别使用OTSU方法进行分割，再整合各区域的分割结果得到最终检测结果。它处理灰度值相对于人体更高的目标有较好的检出效果，但无法正确检出灰度值相对于人体偏低或者比较接近的目标。人体毫米波图像的强噪声(人体区域范围内的由于回波干涉或者衍射等变化导致的背景增强)常常处于这个范围，因为引起误报而严重影响检测性能。
本发明针对该问题，根据人体毫米波图像的结构特点，结合强噪声的空域分布特性，有效的去除该类噪声。
发明内容
本发明针对人体毫米波图像的强噪声(人体区域范围内的由于回波干涉或者衍射等变化导致的背景增强，如图1所示)常常与目标灰度处于相近范围，导致误报严重的问题，提供一种毫米波图像强噪声空域消除方法，根据人体毫米波图像的结构特点，结合强噪声的空域分布特性，有效的去除该类噪声，降低误报率。
一种毫米波图像强噪声空域消除方法，包括如下步骤：
步骤1、对毫米波图像预处理；
对毫米波图像使用OTSU方法二值分割后，得到不含弱噪声区域的二值掩膜。
步骤2、确定强噪声空域范围；
步骤3、计算强噪声连通域的最大外切矩形；
得到二值掩膜中每个强噪声连通域的最大外切矩形的具体坐标值。
步骤4、将二值掩膜中所有强噪声连通域消除。
根据得到的具体坐标值，依照空域判定条件，将强噪声连通域变为背景，实现消除。
进一步的，步骤1具体方法如下；
由于弱噪声的灰度值明显低于人体区域，因此对人体毫米波图像使用OTSU方法二值分割，得到不含弱噪声区域的二值掩膜(图1(b))，将该掩膜与人体毫米波图像取交集，去除人体毫米波图像背景中的弱噪声。
进一步的，步骤2具体方法如下；
以二值掩膜左上方顶点为原点O建立直角坐标系。原点向下、向右分别为x轴与y轴的正方向，imgRows为图像总行数，即图像高度；imgCols为图像总行数，即图像宽度。以单个像素点作为坐标轴的单位长度，记图像中人体身高为h，则h表示为：
h＝imgRows-headTop  (1)
其中，headTop为人体头顶纵坐标。headTop的获取需要人体中轴的位置信息，记人体中轴横坐标为axis。考虑到样本身高差异，在同一纵坐标下对人体左小腿、右小腿最外缘处取点，二者横坐标分别记为legLeft、legRight。因此axis表示为：
Figure BDA0003784714770000031
至此借助axis获取headTop，记二值掩膜为MOTSU，headTop的计算方法具体步骤如下：
2-1：在MOTSU中的点(axis，0)处，沿y轴正方向遍历。
2-2：当遍历至第一个灰度值不为0的像素点时，记该像素点的纵坐标为headTop并停止遍历，计算结束。
取得headTop值后，根据公式(1)计算得到h。
进一步的，步骤3具体方法如下；
图像中一块互相连通的有值像素点的集合称为一个连通域，每个连通域都能够被一个矩形外切，称为该连通域的最大外切矩形。记第i个连通域的最大外切矩形的最小横坐标值xObjecti、最小纵坐标值为yObjecti、宽度为wObjecti、高度为hObjecti。其中xObjecti和yObjecti是连通域中所有像素点的最小x坐标值和最小y坐标值；其中wObjecti是连通域中所有像素点的最小x坐标值最大x坐标值的正差；hObjecti是连通域中所有像素点的最小y坐标值和最大y坐标值的正差。
进一步的，步骤4具体方法如下：
二值掩膜中所有连通域的最大外切矩形，同时满足以下条件的确定为强噪声连通域：(1)最大外切矩形的
Figure BDA0003784714770000041
且(2)最大外切矩形的xObjecti＞legLeft；且(3)最大外切矩形的(xObjecti+wObjecti)＜(legRight-wObjecti)。然后将满足条件的二值掩膜中所有连通域的像素值反转，消除该强噪声。
本发明有益效果如下：
针对人体毫米波图像的强噪声(人体区域范围内的由于回波干涉或者衍射等变化导致的背景增强，如图1所示)，特别是两腿之间的强噪声对检测的严重影响，导致误报严重的问题，根据人体毫米波图像的结构特点，结合强噪声的空域分布特性，可以有效的去除该类噪声，降低误报率。
附图说明
图1是本发明实施例强噪声及二值化后示意图；
图2是本发明空域坐标系示意图；
图3是本发明连通域最大外切矩形示意图。
具体实施方式
下面结合附图与实施例对本发明方法进一步说明。
一种毫米波图像强噪声空域消除方法具体包括以下步骤：
步骤1、对毫米波图像预处理；
由于弱噪声的灰度值明显低于人体区域，因此对人体毫米波图像使用OTSU方法二值分割，得到不含弱噪声区域的二值掩膜(图1(b))，将该掩膜与人体毫米波图像取交集，去除人体毫米波图像背景中的弱噪声。但强噪声的灰度值与人体区域相近，一般分布于两腿之间，往往大于OTSU阈值，因此图1(b)实线椭圆框内仍存在部分强噪声的小面积连通域，这就是强噪声在二值掩膜图中表现。图1(a)为强弱噪声示意图。
步骤2、确定强噪声空域范围；
其目的在于确定强噪声，特别是两腿之间强噪声的空域范围，即空间坐标值。
如图2所示，以二值掩膜左上方顶点为原点O建立直角坐标系。原点向下、向右分别为x轴与y轴的正方向，imgRows为图像总行数，即图像高度；imgCols为图像总行数，即图像宽度。以单个像素点作为坐标轴的单位长度，记图像中人体身高为h，则h表示为：
h＝imgRows-headTop    (1)
其中，headTop为人体头顶纵坐标。headTop的获取需要人体中轴的位置信息，记人体中轴横坐标为axis。考虑到样本身高差异，在同一纵坐标下对人体左小腿、右小腿最外缘处取点，二者横坐标分别记为legLeft、legRight。因此axis表示为：
Figure BDA0003784714770000051
至此借助axis获取headTop，记二值掩膜为MOTSU，headTop的计算方法具体步骤如下：
2-1：在MOTSU中的点(axis，0)处，沿y轴正方向遍历。
2-2：当遍历至第一个灰度值不为0的像素点时，记该像素点的纵坐标为headTop并停止遍历，计算结束。
headTop计算算法的伪代码如下：
Figure BDA0003784714770000052
Figure BDA0003784714770000061
取得headTop值后，根据公式(1)计算得到h。图1(b)中强噪声在图2坐标系统中的纵坐标值皆大于
Figure BDA0003784714770000063
步骤3、计算强噪声连通域的最大外切矩形；
图像中一块互相连通的有值像素点的集合称为一个连通域，每个连通域都能够被一个矩形外切，称为该连通域的最大外切矩形。如图3所示，记第i个连通域的最大外切矩形的最小横坐标值xObjecti、最小纵坐标值为yObjecti、宽度为wObjecti、高度为hObjecti。其中xObjecti和yObjecti是连通域中所有像素点的最小x坐标值和最小y坐标值；其中wObjecti是连通域中所有像素点的最小x坐标值最大x坐标值的正差；hObjecti是连通域中所有像素点的最小y坐标值和最大y坐标值的正差。
步骤4、将二值掩膜中所有强噪声连通域消除。
二值掩膜中所有连通域的最大外切矩形，同时满足以下条件的确定为强噪声连通域：(1)最大外切矩形的
Figure BDA0003784714770000062
且(2)最大外切矩形的xObjecti＞legLeft；且(3)最大外切矩形的(xObjecti+wObjecti)＜(legRight-wObjecti)。然后将满足条件的二值掩膜中所有连通域的像素值反转(从1变为0)，消除该强噪声。

Claims (1)

1.一种毫米波图像强噪声空域消除方法，其特征在于，包括如下步骤：
步骤1、对毫米波图像预处理；
对毫米波图像使用OTSU方法二值分割后，得到不含弱噪声区域的二值掩膜；
步骤2、确定强噪声空域范围；
步骤3、计算强噪声连通域的最大外切矩形；
得到二值掩膜中每个强噪声连通域的最大外切矩形的具体坐标值；
步骤4、将二值掩膜中所有强噪声连通域消除；
根据得到的具体坐标值，依照空域判定条件，将强噪声连通域变为背景，实现消除；
步骤1具体方法如下；
由于弱噪声的灰度值明显低于人体区域，因此对人体毫米波图像使用OTSU方法二值分割，得到不含弱噪声区域的二值掩膜，将该掩膜与人体毫米波图像取交集，去除人体毫米波图像背景中的弱噪声；
步骤2具体方法如下；
以二值掩膜左上方顶点为原点O建立直角坐标系；原点向下、向右分别为x轴与y轴的正方向，imgRows为图像总行数，即图像高度；imgCols为图像总行数，即图像宽度；以单个像素点作为坐标轴的单位长度，记图像中人体身高为h，则h表示为：
h＝imgRows-headTop    (1)
其中，headTop为人体头顶纵坐标；headTop的获取需要人体中轴的位置信息，记人体中轴横坐标为axis；考虑到样本身高差异，在同一纵坐标下对人体左小腿、右小腿最外缘处取点，二者横坐标分别记为legLeft、legRight；因此axis表示为：
至此借助axis获取headTop，记二值掩膜为MOTSU，headTop的计算方法具体步骤如下：
2-1：在MOTSU中的点(axis，0)处，沿y轴正方向遍历；
2-2：当遍历至第一个灰度值不为0的像素点时，记该像素点的纵坐标为headTop并停止遍历，计算结束；
取得headTop值后，根据公式(1)计算得到h；
步骤3具体方法如下；
图像中一块互相连通的有值像素点的集合称为一个连通域，每个连通域都能够被一个矩形外切，称为该连通域的最大外切矩形；记第i个连通域的最大外切矩形的最小横坐标值xObjecti、最小纵坐标值为yObjecti、宽度为wObjecti、高度为hObjecti；其中xObjecti和yObjecti是连通域中所有像素点的最小x坐标值和最小y坐标值；其中wObjecti是连通域中所有像素点的最小x坐标值最大x坐标值的正差；hObjecti是连通域中所有像素点的最小y坐标值和最大y坐标值的正差；
步骤4具体方法如下：
二值掩膜中所有连通域的最大外切矩形，同时满足以下条件的确定为强噪声连通域：(1)最大外切矩形的且(2)最大外切矩形的xObjecti＞legLeft；且(3)最大外切矩形的(xObjecti+wObjecti)＜(legRight-wObjecti)；然后将满足条件的二值掩膜中所有连通域的像素值反转，消除该强噪声。
CN202210938968.3A 2022-08-05 2022-08-05 一种毫米波图像强噪声空域消除方法 Active CN115294605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210938968.3A CN115294605B (zh) 2022-08-05 2022-08-05 一种毫米波图像强噪声空域消除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210938968.3A CN115294605B (zh) 2022-08-05 2022-08-05 一种毫米波图像强噪声空域消除方法

Publications (2)

Publication Number Publication Date
CN115294605A CN115294605A (zh) 2022-11-04
CN115294605B true CN115294605B (zh) 2023-05-16

Family

ID=83827807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210938968.3A Active CN115294605B (zh) 2022-08-05 2022-08-05 一种毫米波图像强噪声空域消除方法

Country Status (1)

Country Link
CN (1) CN115294605B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303533B (zh) * 2015-11-03 2018-11-30 华中科技大学 一种超声图像滤波方法
CN106529550B (zh) * 2016-10-25 2020-02-04 凌云光技术集团有限责任公司 基于连通域分析的多维特征量提取方法及装置
CN110426745B (zh) * 2019-01-30 2021-01-05 西安电子科技大学 基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法
CN109859247B (zh) * 2019-02-19 2022-09-06 南京理工大学 近地面场景红外小目标检测方法

Also Published As

Publication number Publication date
CN115294605A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN109410230B (zh) 一种可抗噪声的改进Canny图像边缘检测方法
Zhang et al. Defect detection for tire laser shearography image using curvelet transform based edge detector
CN110415208B (zh) 一种自适应目标检测方法及其装置、设备、存储介质
Abo-Zahhad et al. Edge detection with a preprocessing approach
CN110490904B (zh) 一种弱小目标检测与跟踪方法
Cui et al. Edge feature extraction based on digital image processing techniques
Reddy et al. Comparative analysis of common edge detection algorithms using pre-processing technique
Dong et al. Infrared target detection in backlighting maritime environment based on visual attention model
CN101123683A (zh) 结合可见光图像信息的sar图像斑点噪声抑制方法
Weizheng et al. Digital image denoising method based on mean filter
CN108038856B (zh) 基于改进多尺度分形增强的红外小目标检测方法
CN112070717A (zh) 基于图像处理的输电线路覆冰厚度检测方法
He et al. GPR image denoising with NSST-UNET and an improved BM3D
CN115294605B (zh) 一种毫米波图像强噪声空域消除方法
CN112435249B (zh) 一种基于周扫红外搜索系统的动态小目标检测方法
CN103413138A (zh) 一种红外图像序列中点目标检测方法
CN115994870B (zh) 一种用于增强去噪的图像处理方法
Manjula Image edge detection and segmentation by using histogram thresholding method
CN106355576A (zh) 基于mrf图像分割算法的sar图像配准方法
CN112734666B (zh) 基于相似值的sar图像相干斑非局部均值抑制方法
CN115877465A (zh) 考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统
CN111539967B (zh) 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统
CN112230198B (zh) 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法
CN114419069A (zh) 一种采用阈值分割和多帧关联的sar运动目标阴影检测方法
CN113505811A (zh) 一种轮毂生产用机器视觉成像方法

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