被動毫米波圖像中人體隱匿違禁物品識別研究.pdf

1、針對當前用于人體違禁物品探測的被動毫米波成像的圖像質量差、目標檢測仍基于人的主觀判斷的現(xiàn)狀，本文對自動檢測并識別毫米波圖像中違禁物品的方法進行了研究，提出采用Haar-like特征結合AdaBoost算法形成級聯(lián)分類器的方法實現(xiàn)目標的自動檢測，通過建立違禁物品的隱馬爾可夫模型數(shù)據庫的方法實現(xiàn)識別。
　　 原始毫米波圖像分辨率低且存在噪聲，本文采用基于小波域的方法估計圖像中主要的噪聲類型，對圖像中主要的高斯噪聲用維納濾波去除。本文

2、采用基于EM算法的圖像分割，將灰度值接近于目標的區(qū)域都分割出來，為分類器設計和訓練隱馬爾可夫模型提供樣本。槍支分類器的設計是采用基于AdaBoost算法訓練Haar特征分類器的方法，通過使用多樣化的樣本、設置較低的級聯(lián)分類器級數(shù)、降低對誤識率的要求，訓練得到檢測效果符合系統(tǒng)要求的分類器。本文分別以二維離散余弦系數(shù)、奇異值分解、不變矩特征以及形狀描述子作為特征提取方法建立槍支的隱馬爾可夫模型數(shù)據庫，通過分析比較，得出以傅立葉描述子和離散余