文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223199
中文引用格式： 王鶴澎，睢明聰，張珂紳，等. 顯著性視覺的毫米波分區域檢測算法[J]. 電子技術應用，2023，49(6)：74-79.
英文引用格式： Wang Hepeng，Sui Mingcong，Zhang Keshen，et al. Detection of millimeter wave objects with visual saliency[J]. Application of Electronic Technique，2023，49(6)：74-79.
0 引言
近年來，隨著人們對公共安全問題的日益重視，影像檢測輔助安檢系統的需求越來越大，毫米波成像系統具有可以穿透金屬、吸波材料等優勢，可用于隱匿物品可視化且沒有健康危害，已被廣泛應用于安全行業。與被動式成像方式不同的是，主動式成像受環境影響較小，獲得信息量大，可以獲得高分辨率圖像，有更豐富的細節信息，因此主動式毫米波成像是未來市場的主流。
毫米波圖像中隱匿物品的種類包含槍支、管制刀具等，如何自動檢測毫米波圖像中的隱匿物品是安檢系統的重要組成部分。由于成像環境和硬件條件限制，毫米波圖像的空間分辨率和對比度比較低，未知的隱匿物品位置、形狀和大小等都給檢測方法的設計帶來了巨大的挑戰。
現有的研究通常基于不同物品對毫米波反射強度的不同所呈現的灰度差異，以圖像分割方式檢測。Lee等人提出多通道圖像分割方法，通過配準處理消除不同通道間圖像的幾何差異，再分割隱匿物品區域，對背景干擾的敏感度更低，但受噪聲影響較大；在之后Lee等人[7]采用多級期望最大化方法對圖像多級分割，該方法雖然可以分割出隱匿物品，但分割準確性不高，會誤分割人體區域；Madhogaria等人提出邊緣檢測結合多幀融合方法，雖能通過聚類分析消除錯誤檢測，但人體不同部位的結構特點會干擾檢測產生偽邊緣。
綜上所述，目標物品檢測的重點在于找到場景中所有的對象將它們在背景中分離并標記，即前景-背景分離。上述研究中均存在目標和背景之間區分度較弱，難以準確分割的問題。根據文獻[10]提出的視覺注意機制，想到利用顯著性分析模型提升圖像對比度。毫米波圖像中隱匿物品大小、位置等因素都是無法預測的，因此可以應用顯著性模型模擬人類視覺特性優先突出感興趣區域并生成顯著圖，顯著圖中標注了各區域的重要程度，從而達到圖像增強的目的。
本文針對隱匿物品與人體灰度差異小、形狀多變的問題提出了分割判定、區域增強的思路：設計掩膜匹配算法提取人體區域；然后根據人體各部位所占比例分割圖像分別檢測；再根據圖像相似度判定圖像是否存在隱匿物品；最后對圖像顯著性增強，采用Kmeans聚類分割方法檢測出隱匿物品。
本文詳細內容請下載：http://www.jysgc.com/resource/share/2000005352
作者信息：
王鶴澎，睢明聰，張珂紳，葉學義
（杭州電子科技大學 通信工程學院，浙江 杭州 310018）
