隨著被動(dòng)式太赫茲成像技術(shù)不斷發(fā)展,被動(dòng)式太赫茲成像設(shè)備開(kāi)始廣泛應(yīng)用于公共交通的人體安檢。但被動(dòng)式太赫茲設(shè)備在成像過(guò)程中容易產(chǎn)生隨機(jī)噪聲,并且在成像過(guò)程中物體的特征可能會(huì)丟失,而且被動(dòng)式太赫茲圖像具有對(duì)比度低、邊緣模糊等特點(diǎn)。這些都為被動(dòng)式人體安檢圖像中的目標(biāo)檢測(cè)帶來(lái)了極大的困難,并且在一些特定安檢場(chǎng)合（例如機(jī)場(chǎng)）還需要快速準(zhǔn)確檢測(cè)出人體安檢圖像中的小目標(biāo)違禁品,而小目標(biāo)檢測(cè)也一直是檢測(cè)領(lǐng)域的難點(diǎn)問(wèn)題。針對(duì)被動(dòng)式太赫茲圖像中存在的隨機(jī)噪聲和對(duì)比度低等問(wèn)題,現(xiàn)階段研究的各種預(yù)處理算法僅僅是為了提高被動(dòng)式太赫茲圖像的質(zhì)量;同時(shí),針對(duì)動(dòng)式太赫茲設(shè)備在成像過(guò)程中特征丟失的研究較少;而在小目標(biāo)檢測(cè)方面,傳統(tǒng)的檢測(cè)方法和單純的深度學(xué)習(xí)檢測(cè)方法在準(zhǔn)確率和速度上都難以滿足人體安檢的需求。針對(duì)被動(dòng)式太赫茲人體安檢圖像的特點(diǎn)和小目標(biāo)檢測(cè)準(zhǔn)確率低等問(wèn)題,本文通過(guò)結(jié)合預(yù)處理和圖像融合技術(shù)的深度學(xué)習(xí)檢測(cè)方法解決了上述問(wèn)題,主要成果如下:（1）針對(duì)被動(dòng)式太赫茲圖像中存在的隨機(jī)噪聲、對(duì)比度低以及邊緣模糊的特點(diǎn),分析和對(duì)比了各種去噪算法和增強(qiáng)算法的處理效果。實(shí)驗(yàn)結(jié)果表明中值濾波結(jié)合對(duì)數(shù)非線性變換能夠有效抑制隨機(jī)噪聲、增... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

被動(dòng)式太赫茲人體安檢圖像

各種濾波

各種濾波

【參考文獻(xiàn)】：
期刊論文
[1]基于形態(tài)學(xué)圖像增強(qiáng)和PCNN的腦部CT與MRI圖像融合[J]. 李昌興,雷柳,張曉璐.  計(jì)算機(jī)科學(xué). 2020(10)
[2]超聲與CT融合成像在定位強(qiáng)直性脊柱炎骶髂關(guān)節(jié)炎性血流信號(hào)中的價(jià)值[J]. 胡震隆,朱家安.  臨床超聲醫(yī)學(xué)雜志. 2020(02)
[3]小波去噪在太赫茲無(wú)損檢測(cè)中的應(yīng)用[J]. 張霽旸,任姣姣,陳思宏,李麗娟,趙常雙.  中國(guó)激光. 2020(01)
[4]基于特征融合的肝包蟲(chóng)病CT圖像識(shí)別[J]. 排孜麗耶·尤山塔依,嚴(yán)傳波,木拉提·哈米提,姚娟,阿布都艾尼·庫(kù)吐魯克,吳淼.  北京生物醫(yī)學(xué)工程. 2019(04)
[5]太赫茲成像技術(shù)在人體安檢領(lǐng)域的研究進(jìn)展[J]. 蔣林華,王尉蘇,童慧鑫,岳貴陽(yáng),黃慧.  上海理工大學(xué)學(xué)報(bào). 2019(01)
[6]小波圖像融合在太赫茲無(wú)損檢測(cè)中的應(yīng)用[J]. 張瑾,王潔,沈雁,張金波,崔洪亮,施長(zhǎng)城.  光譜學(xué)與光譜分析. 2017(12)
[7]太赫茲安檢系統(tǒng)人體圖像邊緣物體識(shí)別[J]. 王林華,袁明輝,黃慧,朱亦鳴.  紅外與激光工程. 2017(11)
[8]太赫茲成像質(zhì)量提升方法[J]. 張智,林栩凌,張建兵,何紅艷.  紅外與激光工程. 2017(11)
[9]太赫茲連續(xù)波成像的質(zhì)量改進(jìn)與降噪[J]. 孫建忠,章樂(lè),高飛,李九生.  光譜學(xué)與光譜分析. 2017(11)
[10]基于自適應(yīng)流形高維濾波的太赫茲圖像濾波算法[J]. 朱書(shū)進(jìn),李躍華.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2016(04)

碩士論文
[1]基于信息融合的主被動(dòng)混合毫米波成像目標(biāo)識(shí)別方法研究[D]. 鮑立飛.哈爾濱工業(yè)大學(xué) 2019
[2]太赫茲與可見(jiàn)光雙波段圖像的配準(zhǔn)與融合研究[D]. 喬玉龍.北京理工大學(xué) 2015
[3]基于中值濾波的高密度椒鹽噪聲圖像去噪算法研究[D]. 袁新星.湖北工業(yè)大學(xué) 2014
[4]圖像增強(qiáng)算法實(shí)現(xiàn)[D]. 王蓉.長(zhǎng)江大學(xué) 2014
[5]基于均值算法的混合噪聲圖像濾波算法的研究與實(shí)現(xiàn)[D]. 王延翔.北京郵電大學(xué) 2010
[6]連續(xù)太赫茲波圖像增強(qiáng)算法的研究[D]. 李海濤.首都師范大學(xué) 2008



本文編號(hào)：3232831