论文研究-基于最小风险贝叶斯分类器的茶叶茶梗分类.pdf

所需积分/C币:14 2019-09-11 17:00:13 572KB .PDF
收藏 收藏
举报

毫米波穿透力强且具有全天时、全天候工作能力,在反恐安检方面具有广阔的应用前景。针对藏匿物品的安全检查获取的毫米波辐射图像,与小波软硬阈值预处理滤除噪声算法相比,提出一种复合结构形态学自适应滤波算法对毫米波辐射图像进行了滤波处理,然后对处理后图像进行边缘检测与特征分析。实验结果表明,复合结构形态学自适应滤波算法能有效地去除毫米波辐射图像中的噪声,提取的图像边缘特征符合藏匿物品的几何特征。
秦文杰,张光锋,娄国伟一种安全检查的无源毫米波图像特征提取方法 2012,48(28)195 系数按重构公式进行重构,得到恢复的原始信号的 估计值。 (=1,2,3,4) (12) MSE(SE 3自适应形态学滤波算法和实验步骤 在权重的基础上重构图像得到E1,再用5×5的8 用一般的结构元素对灰度图像进行膨胀、腐蚀 种结构元素对E1做如上相同的运算得到E,其中 运算时,由膨胀腐蚀操作取最值的局限性,在滤除 噪声的同时丢失了一部分边缘信息,使边缘模糊不 MSE(SE)是的均方误差。 清,针对这一缺陷,本文在处理毫米波辐射图像时采 根据已知原理,制定如下处理步骤: 用了一种自适应形态学滤波算法。 (1)获取安检原始图像:利用了3mm波段交流 实验所得原辐射计图像噪声大且未知,结构元全功率辐射计组成的被动毫米波成像系统(系统上 素的大小直接关系到去噪的效果,由于3×3的结构元作频率为94GH,采用368mm卡塞格伦天线波束 素抑制噪声效果较弱,所以用3×3结构元素去噪之后笕度为05°)进行实验,获取模拟安全檢杳图像,由于 再用5×5的结构元素进行去噪。本着尽量滤除辋射机械等各类因素原始图像轮廓模糊且充满噪声。 计图像噪声的同时又保护边缘信息的原则选如下结 2)小波去噪:利用小波软阈值法去噪算法对原 构元素,如图2所示。 始图像进行小波去噪,并计算各指标参数。 (3)形态学操作:利用自适应滤波算法对原始图 中 像进行形态学滤波,计算各指标参数 公白 幽白自白鲁白吾凸 口曲告。白白 (4)边缘提取:分别用以上两种去噪算法处理之 日白春白白出自西白 后,用cany算子对图像进行边缘检测,提取图像的 日日a·出口 日安中非口非日辛日白中日安 边缘信息。 口中平口口·口口·口 口安卓身日口安Q中Q口·Q安口曹日安口 (5)评价与分析:通过均方差、信息熵和图像边 缘能量的比较对两种方法进行评价,主观上观察两4 图2定义的12种结构元素 种处理方法处理后图像的边缘连续性和轮廓形状。 该组第一行的四种3×3的结构元素的方向角分 别为0°、90°、45°、135°。第二、三行八种5×5的结构 实验结果与分析 元素方向角分别为:0°、2.5°45°、67.5090°、112.5°、 采用由3mm波段交流全功率辐射计组成的被 35°、157.5°。该组12种结构元素覆盖了辐射计图动毫米波成像系统进行成像实验,得到相应的伪彩 像中所有线条走向。设计形态学自适应滤波算法结色图片,然后进行预处理,为了证明所选算法的有效 构如图3所示。 性,计算的量化评价指标有 (1)输入和输出图像的均方误差: COSE COSEs MSE COSE.g6 (a+1)×(b+1 ∑∑(E(x,y)-(x,y)(13) Cose, 9 其中,a,b分别为灰度矩阵的行和列,E(x,y)是去噪 E1 E 之后的输出图像灰度矩阵元素,I(x,y)是原图像灰 H COSE M COSE 度矩阵元素。虽然原图像本身就含有噪声,并且噪 时COSE9 声大且未知,但边缘清晰可见,如图4(b),MSE表示 H COSEr 原图像与处理后图像的差别 图3自适应滤波算法结构图 (2)信息熵 首先用图2所示4种3×3的结构元素对原始毫米 E p: logp (14) 波辐射图像/进行形态学闭开运算,计算结果分别为: I=open[close(se (i=l, 2, 3, 4) (11)其中,P={PePp,…P-为图像的灰度分布,L为灰 在不同的位置,4种结构算子的优越性不一样,度等级,P是灰度级为i的像素数与图像的总像素 可根据均方差自适应选择对应该结构元素所占的数之比。它反应了图像能量的发散程度。 权重 (3)图像的边缘能量a2 1962012,48(28) Computer Engineering and Applications计算机工程与应用 a)光学图像(b)辐射图像(c)软阈值去噪(d)形态学去噪(e)小波去噪(f形态滤波 后边缘 后边缘 图4图像处理结果 (15)边缘模糊的缺点。在反恐安检应用中,由于人员不 a×b 同材质、厚度的衣物所产生的衰减对藏匿物品的形 其中,e(x,y)=E*E(x,y)+E2*E(x,y),*为卷积运状、形态都有一定的影响,而且室内环境下藏匿物品 算,F1,E2分别是45°、135归一化边缘算子: 与周围环境温度对比度极其微弱,因此得到的藏匿 物品的毫米波辐射图像与光学图像相比有一定的失 66 真和畸变,下一步将采用参考点校正法开展藏匿物 EI 14 E 14 6 66 的毫米波辐射图像几何形态校正方面的研究 反应了图像中边缘的丰富和清晰程度。 参考文献: 如图4所示,图(a)为藏匿有金属物品人员的光[] Nanzer J A Human presence detection using millimeter 学图片,图(b)为原始的毫米波辐射图片,图(c)为小 wave radiometry[J IEEE Transactions on Microwave 波软阈值去噪后的灰度图片,图(d)为自适应形态学 nd Techniques,2007,55(12):2727-273 F滤波后的灰度图片,图(e)为小波软阈值去噪后 canny 2] Hacgclen M,smns,snn,a.3 D millimeter中 边缘检测结果,图()为自适应形态学滤波后 canny边 wave luggage scanner[C]/33rd International Conference 缘检测结果。 on Infrared. millimeter and Terahertz Waves pasadena CA,2008:1-2. 通过两种滤波算法仿真结果可以看到自适应滤 波后图(d)的边缘清晰平滑,小波软阈值去噪后图(c)[3]王楠楠,邱景辉,邓维波隐匿物品探测毫米波成像系统发 展现状[J红外技术,2009,31(3):129-135 的边缘模糊粗糙,具体的量化评价指标如表1所示 [4]赵凌,张祖荫郭伟基于数学形态学的毫米波图像边缘检 自适应形态学滤波后提取的金属物体的边缘,如图 测方法[国土资源遥感,2006(4):19-22 (f),比小波软阈值去噪后提取的金属物体的边缘,如51王桂丽毫米波精确探测系统的信号检测及处理D1京 图(e)更接近实际金属物的几何形状。 南京理工大学,2008 表1两种去噪算法指标比较 [6]韩建涛,任艳,董文娟,等图像配准在缓动弱小空间目标 算法 MSE E 检测中的应用[光电工程,2009,36(9):12-16 软阈值去噪3516034186.64504.1086 [门]曾明,李建勋基于改进遗传算法优化的形态学修正TOP. 形态学滤波5349213487753.9158 HAT滤波器设计方法[光学学报,2006,26(4):510-515 [8]范庆辉,李兴国,张光锋阈值法在毫米波目标辐射信号去 5结束语 噪中的应用研究[电子与信息学报,2008,30(10):2435-2438 木文采用的自适应滤波算法,在滤除毫米波辐9]刘生,王潇宇,邱新法,一种高分辦率遥感影像的数学形态 射图像噪声的同时极大保护了图像的原始信息。利 学滤波算法门气象与减灾研究,2008,31(4):48-51 用自适应选择结构元素权重的方法,在很人程度 [10]张素文,陈志星,苏义鑫Cany边缘检测算法的改进及 保护了边缘信息,克服了一般形态学膨胀腐蚀运算 FPGA实现[J红外技术,2010,32(2):93-96

...展开详情
试读 4P 论文研究-基于最小风险贝叶斯分类器的茶叶茶梗分类.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    weixin_38743968 如果觉得有用,不妨留言支持一下
    2019-09-11
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于最小风险贝叶斯分类器的茶叶茶梗分类.pdf 14积分/C币 立即下载
    1/4
    论文研究-基于最小风险贝叶斯分类器的茶叶茶梗分类.pdf第1页
    论文研究-基于最小风险贝叶斯分类器的茶叶茶梗分类.pdf第2页

    试读已结束,剩余2页未读...

    14积分/C币 立即下载 >