太赫兹图像复原和自动目标识别算法研究

Terahertz (THz) wave has strong penetration and harmless, which makes the Terahertz imaging technology as a new safety inspection technology attracted widespread attention. However, due to limitations of the physical properties of Terahertz waves, Terahertz image resolution is generally low and with a lot of noise. Therefore, improve the image quality is currently very important for promoting the Terahertz application. The project intends to take the advantage of digital image processing and machine learning method to explore Terahertz image degradation rules, so as to achieve Terahertz high-resolution image restoration , thereby to detect accurately concealed objects. The main contents of this project are: 1) use machine learning methods to explore the relation between the physical properties of Terahertz imaging system and image degradation, so as to improve image quality; 2) develop different image restoration algorithm in multi-scale wavelet levels, reducing image noise while preserving image details; 3) establish target recognition algorithms in THz image, looking for scale, rotation invariant image features, in order to achieve accurate classification result. The execulter of this project will be significant for promotion of Terahertz imaging system application.

太赫兹（THz）波具有较强的穿透力且对人体无害的特性，使得太赫兹成像技术作为一种新兴的安全检查技术而受到广泛关注。然而，由于太赫兹波物理特性的限制，太赫兹图像普遍分辨率较低并且带有大量噪声，因此，提高图像质量是目前太赫兹图像系统应用中亟待解决的问题。本项目拟利用数字图像处理技术和机器学习相结合的方法，揭示太赫兹图像退化的规律，从软件上实现太赫兹图像高分辨率复原，弥补太赫兹硬件成像系统的不足，进而建立准确识别藏匿物品的方法。本项目主要研究内容有：1）拟采用机器学习的方法，探索太赫兹成像系统物理特性造成图像降质的规律，从成像系统本身特性出发提高图像质量；2）拟在小波多尺度层面分别建立不同的图像复原算法，降低图像噪声的同时保存图像细节；3）建立太赫兹安检图像自动目标识别算法，探索对尺度、旋转鲁棒的图像特征提取方法，以实现藏匿物品的准确识别。本项目的实施将对推动太赫兹安检系统的广泛应用有重要意义。

太赫兹（THz）波具有较强的穿透力且对人体无害的特性，使得太赫兹成像技术作为一种.新兴的安全检查技术而受到广泛关注。本项目拟利用数字图像处理技术和机器学习相结合的方法，揭示太赫兹图像退化的规律，完成对太赫兹图像的降噪和增强，去除成像系统中由于光的干涉效应以及探测器物理不稳定性等的影响造成的图像质量下降；并进一步寻找图像高分辨率复原的算法，提高太赫兹图像的分辨率；在此基础上研究太赫兹安检图像自动识别的算法，根据灰度分布特征，形状特征以及人体的轮廓特征，自动识别藏匿物品，确定物品的种类，做出相应的反馈。.通过本项目的实施，获得了如下的重要结果：.1..完成了对图像由于硬件系统造成的图像失真矫正：1）通过位置矫正及距离映射算法对位置分布的不均匀性造成图像失真的修正；2）完成了对由于电压不稳定分布以及温漂效应等等造成的图像灰度值偏移的矫正。从而获得了分布均匀能够反映正常人体目标的太赫兹安检图像。 .2..完成了图像预处理工作：去噪和人体轮廓提取。针对太赫兹图像信噪比低、图像模糊的问题，根据图像的噪声分布特点对图像去噪、并利用图像的灰度分布及和人体安检图像的特点，采用自适应阈值分割方法将图像中人体目标正确提取出来。.3..完成了异物识别工作：得到的人体轮廓范围内，采用最大方差的多阈值算法，完成了异物与人体部分的分割。特别是对于处于人体轮廓边缘的异物，提出了利用角点判断凹凸性的算法，实现了正确判断。前3部分的工作编辑成一套可用的软件，能够实现实时判别。.4..完成了对于异物分类识别的工作，对于识别的分类算法做了无监督机器学习算法的研究，主要是针对k-means算法的探讨。.本项目的顺利实施，为太赫兹人体安检系统的研究与应用提供有力的图像后处理保障，异物的自动识别可以大大降低安检人员的工作强度、提高安全检查的工作效率和可靠性。本项目的算法思想还可以用于其他与人体测量相关的项目以及与X光图像检测相关的项目中，具有较高的参考价值。.