文献标志码：A
DOI: 10.16157/j.issn.0258-7998.223199
中文引用格式： 王鹤澎，睢明聪，张珂绅，等. 显著性视觉的毫米波分区域检测算法[J]. 电子技术应用，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
近年来，随着人们对公共安全问题的日益重视，影像检测辅助安检系统的需求越来越大，毫米波成像系统具有可以穿透金属、吸波材料等优势，可用于隐匿物品可视化且没有健康危害，已被广泛应用于安全行业。与被动式成像方式不同的是，主动式成像受环境影响较小，获得信息量大，可以获得高分辨率图像，有更丰富的细节信息，因此主动式毫米波成像是未来市场的主流。
毫米波图像中隐匿物品的种类包含枪支、管制刀具等，如何自动检测毫米波图像中的隐匿物品是安检系统的重要组成部分。由于成像环境和硬件条件限制，毫米波图像的空间分辨率和对比度比较低，未知的隐匿物品位置、形状和大小等都给检测方法的设计带来了巨大的挑战。
现有的研究通常基于不同物品对毫米波反射强度的不同所呈现的灰度差异，以图像分割方式检测。Lee等人提出多通道图像分割方法，通过配准处理消除不同通道间图像的几何差异，再分割隐匿物品区域，对背景干扰的敏感度更低，但受噪声影响较大；在之后Lee等人[7]采用多级期望最大化方法对图像多级分割，该方法虽然可以分割出隐匿物品，但分割准确性不高，会误分割人体区域；Madhogaria等人提出边缘检测结合多帧融合方法，虽能通过聚类分析消除错误检测，但人体不同部位的结构特点会干扰检测产生伪边缘。
综上所述，目标物品检测的重点在于找到场景中所有的对象将它们在背景中分离并标记，即前景-背景分离。上述研究中均存在目标和背景之间区分度较弱，难以准确分割的问题。根据文献[10]提出的视觉注意机制，想到利用显著性分析模型提升图像对比度。毫米波图像中隐匿物品大小、位置等因素都是无法预测的，因此可以应用显著性模型模拟人类视觉特性优先突出感兴趣区域并生成显著图，显著图中标注了各区域的重要程度，从而达到图像增强的目的。
本文针对隐匿物品与人体灰度差异小、形状多变的问题提出了分割判定、区域增强的思路：设计掩膜匹配算法提取人体区域；然后根据人体各部位所占比例分割图像分别检测；再根据图像相似度判定图像是否存在隐匿物品；最后对图像显著性增强，采用Kmeans聚类分割方法检测出隐匿物品。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005352
作者信息：
王鹤澎，睢明聪，张珂绅，叶学义
（杭州电子科技大学 通信工程学院，浙江 杭州 310018）
