本發(fā)明涉及一種安檢設(shè)備，具體涉及一種使用太赫茲波進(jìn)行成像的安檢設(shè)備以及圖像處理和識(shí)別方法。

背景技術(shù)：

近年來(lái)，犯罪分子通過(guò)各種各樣的手段來(lái)隱藏小刀，爆炸物和其他危險(xiǎn)品，毫無(wú)疑問(wèn)這對(duì)公共場(chǎng)所的個(gè)人安全帶來(lái)了極大的威脅。發(fā)展一種快速并且精準(zhǔn)的安檢技術(shù)對(duì)于保護(hù)公眾的財(cái)產(chǎn)和生命安全至關(guān)重要。目前，市場(chǎng)上主流的安檢掃描儀為x射線掃描儀，但由于x射線電子能量較高，容易對(duì)被檢測(cè)物質(zhì)產(chǎn)生電離性傷害，因此并不適用于對(duì)人體進(jìn)行安全掃描。

太赫茲輻射是指頻率在0.1-10thz的電磁波，類似于x-ray，太赫茲輻射能夠穿透各種各樣的材料，例如塑料，紙張，服裝等非金屬材料。此外，太赫茲波是一種非電離輻射沒(méi)有電子能量，這就意味著太赫茲輻射將不會(huì)對(duì)人體組織產(chǎn)生損害。

由于太赫茲成像是一項(xiàng)較新的技術(shù)，并且檢測(cè)結(jié)果對(duì)檢測(cè)靈敏度和噪聲十分敏感。例如低信噪比，這給識(shí)別太赫茲圖像中人們攜帶的危險(xiǎn)品帶來(lái)了一些難度。太赫茲成像系統(tǒng)產(chǎn)生的太赫茲圖像，總是有著較低的信噪比。這給在后續(xù)處理檢測(cè)太赫茲圖像中隱藏物體帶來(lái)了許多不便之處。如圖2(a)、(b)所示，由于圖中隱藏物品和背景有著較為相似的灰度值，導(dǎo)致了隱藏物體和背景相連通。對(duì)于這種情況，目前的方法很難直接分割出隱藏物體。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是為了解決上述問(wèn)題而進(jìn)行的，目的在于提供一種太赫茲成像安檢設(shè)備以及圖像處理和識(shí)別方法。

一種太赫茲成像安檢設(shè)備，用于采集目標(biāo)人體的太赫茲成像并對(duì)該成像中的危險(xiǎn)品隱藏區(qū)域進(jìn)行識(shí)別判斷，其特征在于，包括：平面鏡掃描單元，包括掃描平面鏡和驅(qū)動(dòng)該掃描平面鏡擺動(dòng)的平面鏡掃描驅(qū)動(dòng)組件，用于對(duì)所述目標(biāo)人體進(jìn)行垂直方向的掃描；三面體聚焦掃描鏡單元，包括三面體聚焦掃描鏡和驅(qū)動(dòng)該面體聚焦掃描鏡轉(zhuǎn)動(dòng)的三面體驅(qū)動(dòng)組件，用于對(duì)所述目標(biāo)人體進(jìn)行水平方向的掃描；反射聚焦鏡，設(shè)置在所述掃描平面鏡和所述三面體聚焦掃描鏡的太赫茲波傳播路徑中，用于將對(duì)應(yīng)的所述太赫茲波聚焦；探測(cè)器，接收所述反射聚焦鏡聚焦后的太赫茲波；成像及分析識(shí)別裝置，對(duì)從所述探測(cè)器獲取到的太赫茲波進(jìn)行成像以及分析和識(shí)別；以及太赫茲波發(fā)生器，發(fā)出所述太赫茲波用于照射目標(biāo)物。

本發(fā)明提供的太赫茲成像安檢設(shè)備，還可以具有這樣的特征，其特征在于：其中，所述所述太赫茲波的頻率為94ghz。

本發(fā)明還提供一種太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法，用于對(duì)獲取到的太赫茲波成像中的危險(xiǎn)品隱藏區(qū)域進(jìn)行識(shí)別判斷，其特征在于，包括以下步驟：

步驟一，對(duì)獲取的所述太赫茲波成像進(jìn)行降噪處理，得到降噪圖像；

步驟二，對(duì)步驟一中所述降噪圖像進(jìn)行人體輪廓提取，得到與所述人體輪廓的形狀相對(duì)應(yīng)的輪廓圖像；

步驟三，求取所述輪廓圖像中的不同位置s的灰度值g和紋理信息w，當(dāng)對(duì)應(yīng)位置s的灰度值g和紋理信息w與所述輪廓圖像的灰度均值g*和紋理信息均值w*有5-10％的差異時(shí)，即判定該對(duì)應(yīng)位置s處于所述危險(xiǎn)品隱藏區(qū)域內(nèi)；

步驟四，求取步驟三中所有處于所述危險(xiǎn)品隱藏區(qū)域內(nèi)的對(duì)應(yīng)位置s所圍成的區(qū)域，該區(qū)域即為所述危險(xiǎn)品隱藏區(qū)域。

本發(fā)明提供的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法，還可以具有這樣的特征，其特征在于：其中，步驟一中降噪處理所使用的方法為基于積分圖像改進(jìn)的nl-means算法。

本發(fā)明提供的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法，還可以具有這樣的特征，其特征在于：其中，步驟二中人體輪廓提取所使用的方法為主動(dòng)形狀模型法(activeshapemodels)。

發(fā)明作用與效果

本發(fā)明提供的太赫茲成像安檢設(shè)備，與現(xiàn)有技術(shù)相比，有益效果如下：

采用主動(dòng)式成像設(shè)計(jì)，太赫茲波發(fā)生器發(fā)出太赫茲波，照射到目標(biāo)人體上被透射后被平面鏡掃描單元、三面體聚焦掃描鏡單元、反射聚焦鏡進(jìn)行反射、聚焦處理后，再由探測(cè)器接收探測(cè)而成像。

它能夠穿透衣服并能發(fā)現(xiàn)隱藏在衣服下面諸如小刀，手槍等危險(xiǎn)品。此外，它還能夠有效的識(shí)別難以被x-raydetector或者金屬探測(cè)器檢測(cè)到的非金屬材料的物體(例如陶瓷刀，塑料手槍等)。

進(jìn)一步，本發(fā)明提供的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法能夠快速識(shí)別并分割出危險(xiǎn)品隱藏區(qū)域，從而更好的進(jìn)行安全檢測(cè)。

附圖說(shuō)明

圖1為本發(fā)明的太赫茲成像安檢設(shè)備的結(jié)構(gòu)示意圖；

圖2為為本發(fā)明的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法的圖像處理過(guò)程示意圖；

圖3為不同人體區(qū)域中攜帶不同類型的危險(xiǎn)品的原始太赫茲圖像；

圖4為圖3中a圖對(duì)應(yīng)信號(hào)的直方圖；

圖5為太赫茲波的原始圖像和經(jīng)過(guò)n-l算法處理過(guò)的圖像的示意圖；

圖6為人體輪廓中提取的33個(gè)關(guān)鍵點(diǎn)的示意圖；

圖7為不同參數(shù)值下的人體輪廓外形示意圖；

圖8為從太赫茲圖像中提取出的最終人體輪廓示意圖；

圖9為經(jīng)過(guò)不同的gabor濾波器后的轉(zhuǎn)化后的圖像示意圖；

圖10為經(jīng)過(guò)本發(fā)明的處理和識(shí)別方法與其他不同的處理方法分割后的結(jié)果比較示意圖；

圖11為使用本發(fā)明的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法得到的分割結(jié)果示意圖；以及

圖12為使用本發(fā)明的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法進(jìn)行識(shí)別切割的準(zhǔn)確度曲線圖。

具體實(shí)施方式

為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，以下實(shí)施例結(jié)合附圖對(duì)本發(fā)明的太赫茲成像安檢設(shè)備的具體結(jié)構(gòu)做具體闡述。

本發(fā)明的太赫茲成像安檢設(shè)備如圖1所示，它包括了六個(gè)部分：平面鏡掃描單元1(scanningplanemirror)，三面體聚焦掃描鏡單元2(threeplanebodyfocusingscanningmirror)，反射聚焦鏡3(thereflector)，探測(cè)器4(thepointdetector)以及圖中未顯示的成像及分析識(shí)別裝置、太赫茲波發(fā)生器。

平面鏡掃描單元1，包括掃描平面鏡和驅(qū)動(dòng)該掃描平面鏡擺動(dòng)的平面鏡掃描驅(qū)動(dòng)組件，用于對(duì)所述目標(biāo)人體進(jìn)行垂直方向的掃描。

三面體聚焦掃描鏡單元2，包括三面體聚焦掃描鏡和驅(qū)動(dòng)該面體聚焦掃描鏡轉(zhuǎn)動(dòng)的三面體驅(qū)動(dòng)組件，用于對(duì)所述目標(biāo)人體進(jìn)行水平方向的掃描。

反射聚焦鏡3，設(shè)置在所述掃描平面鏡和所述三面體聚焦掃描鏡的太赫茲波傳播路徑中，用于將對(duì)應(yīng)的所述太赫茲波聚焦。

探測(cè)器4，接收所述反射聚焦鏡聚焦后的太赫茲波；

成像及分析識(shí)別裝置，對(duì)從所述探測(cè)器獲取到的太赫茲波進(jìn)行成像以及分析和識(shí)別。

太赫茲波發(fā)生器，發(fā)出所述太赫茲波用于照射目標(biāo)物。

其基本的工作原則：掃描平面鏡圍繞垂直于紙面中心軸擺動(dòng)，三面體聚焦掃描鏡圍繞平行于紙面的中心軸轉(zhuǎn)動(dòng)，實(shí)現(xiàn)水平方向的掃描；分別實(shí)現(xiàn)垂直掃描和平行掃描。同時(shí)，反射鏡將太赫茲信號(hào)收斂到pointdetector上，該點(diǎn)探測(cè)器將數(shù)據(jù)傳送給接收處理裝置進(jìn)行濾波、放大等處理。

以下將詳細(xì)說(shuō)明本發(fā)明的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法進(jìn)行說(shuō)明。

如圖2所示，本發(fā)明的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法包括以下四個(gè)步驟：

步驟一，對(duì)獲取的所述太赫茲波成像進(jìn)行降噪處理，得到降噪圖像；

步驟二，對(duì)步驟一中所述降噪圖像進(jìn)行人體輪廓提取，得到與所述人體輪廓的形狀相對(duì)應(yīng)的輪廓圖像；

步驟三，求取所述輪廓圖像中的不同位置s的灰度值g和紋理信息w，當(dāng)對(duì)應(yīng)位置s的灰度值g和紋理信息w與所述輪廓圖像的灰度均值g*和紋理信息均值w*有5-10％的差異時(shí)，即判定該對(duì)應(yīng)位置s處于所述危險(xiǎn)品隱藏區(qū)域內(nèi)；

步驟四，求取步驟三中所有處于所述危險(xiǎn)品隱藏區(qū)域內(nèi)的對(duì)應(yīng)位置s所圍成的區(qū)域，該區(qū)域即為所述危險(xiǎn)品隱藏區(qū)域。

具體過(guò)程詳細(xì)說(shuō)明。

1.圖像獲取和分析

所有通過(guò)我們被動(dòng)式太赫茲安檢儀獲得圖像總是伴隨高噪聲且模糊。圖3展示了原始太赫茲圖像中在不同人體區(qū)域中攜帶者不同類型的危險(xiǎn)品。圖4表示圖3中a圖的直方圖，我們分別從三個(gè)區(qū)域來(lái)描述。顯然，r1區(qū)域是背景區(qū)域，r2區(qū)域是隱藏物體區(qū)域，r3區(qū)域則是人體。根據(jù)太赫茲圖像的直方圖，我們發(fā)現(xiàn)其中并沒(méi)有明顯的波峰和波谷，因此我們無(wú)法通過(guò)單一閾值來(lái)分割出可疑區(qū)域。受限于原始太赫茲圖像的清晰度，即使是人眼也很難準(zhǔn)備的分辨出人是否攜帶隱藏物體。

2.圖像降噪

如圖3所示，由我們被動(dòng)式太赫茲系統(tǒng)產(chǎn)生的太赫茲圖像總是伴隨著高噪聲。為了改善太赫茲圖像的質(zhì)量，一系列的降噪算法可以用來(lái)進(jìn)行進(jìn)一步的處理，例如diffusionfilteringalgorithm,non-localmeansalgorithm(nl-means),gaussianfilteralgorithm等。

本實(shí)施例中，我們采用nl-meansalgorithm來(lái)移除噪聲。我們發(fā)現(xiàn)nl-meansalgorithm在對(duì)自然圖像處理時(shí)能得到很好地效果。然而，這個(gè)算法的最大的問(wèn)題在于不夠高效，以至于不能滿足我們系統(tǒng)實(shí)時(shí)性的要求。因此，我們引入積分圖像來(lái)加速運(yùn)行速度，以此來(lái)達(dá)到實(shí)時(shí)性的需求。

基于積分圖像改進(jìn)的nl-means算法

nl-means算法首次是在2005年由baudes等人提出的。其基本思想就是利用圖像的冗余信息去降噪。其遵循的準(zhǔn)則如下所示，當(dāng)前像素的值有圖像中與它具有相似鄰域結(jié)構(gòu)的像素加權(quán)平均得到。有別于bilinearfiltering和medianfilteringalgorithm，nl-means算法利用的是全局信息。它將一個(gè)圖像塊作為一個(gè)單元，去搜尋相似區(qū)域，并將計(jì)算相關(guān)區(qū)域的平均值，以此達(dá)到移除圖像中噪聲的目的。假設(shè)一幅含有噪聲的圖像為v，去噪后的圖像nl-means算法的過(guò)程可以描述為：

其中，w(x,y)是一個(gè)非負(fù)權(quán)重，表示著像素點(diǎn)x和y間的相似度。z(x)為歸一化系數(shù)。h為平滑參數(shù)，控制高斯函數(shù)的衰減程度。

從圖5中，我們可以看出nl-means算法取得了不錯(cuò)的效果。然而這個(gè)算法存在一個(gè)致命的缺點(diǎn)——有著很高的時(shí)間復(fù)雜度。為了解決這一問(wèn)題，我們利用積分圖像來(lái)改進(jìn)nl-means算法使之提高運(yùn)行效率。我們計(jì)算鄰域的相似度

st(z)＝|v(x)-v(x+t)|²(6)

因此，我們可以把公式3重寫(xiě)為，

我們?cè)谕慌_(tái)電腦(inteli7-47903.6ghz)上運(yùn)行了nl-means算法和基于積分圖像改進(jìn)的nl-means算法，其運(yùn)行時(shí)間從3.3s減少到了0.1s。

3.從太赫茲圖像中提取人體輪廓

得到降噪后的圖像之后，我們需要識(shí)別人體區(qū)域并將它從太赫茲圖像中提取出來(lái)。如圖3所示，部分太赫茲圖像中隱藏物體的灰度值與背景類似并且和背景區(qū)域相連接。這種情況增加了從背景區(qū)域中分割出隱藏物體的難度。

本實(shí)施例中，我們使用主動(dòng)形狀模型activeshapemodels(asm)method來(lái)提取人體區(qū)域的封閉輪廓。考慮到人體太赫茲圖像的邊界沒(méi)能通過(guò)圖像的強(qiáng)度信息清晰地顯示出來(lái)，因此，我們采用asm方法來(lái)提取太赫茲圖像中的人體輪廓，而不是選用傳統(tǒng)的基于單一灰度值的邊緣檢測(cè)方法。

構(gòu)建人體模型

一個(gè)物體的形狀可以通過(guò)一個(gè)帶有n個(gè)關(guān)鍵特征點(diǎn)的形狀向量vi描述[19]：

其中表示第i個(gè)訓(xùn)練樣本上第j個(gè)特征點(diǎn)的坐標(biāo)，n表示訓(xùn)練樣本的個(gè)數(shù)。為了構(gòu)建可變的人體模型。我們選取了一些具有代表性的太赫茲圖像，并手動(dòng)標(biāo)定人體輪廓的關(guān)鍵特征點(diǎn)如圖7所示。通過(guò)初步的測(cè)試，我們決定了最佳的關(guān)鍵特征點(diǎn)的數(shù)量。若關(guān)鍵特征點(diǎn)的數(shù)量太少，則不能夠很好地表示人體的姿勢(shì)形變。若關(guān)鍵點(diǎn)數(shù)量過(guò)多，則會(huì)導(dǎo)致不必要的計(jì)算。在本文中，我們選取33個(gè)關(guān)鍵特征點(diǎn)來(lái)繪制人體輪廓圖，這些點(diǎn)的坐標(biāo)在形狀空間中構(gòu)成了一組樣本數(shù)據(jù)。然后采用主成分分析(pca)獲得形狀空間中所有樣本數(shù)據(jù)的點(diǎn)分布模型(pdm)：

其中是物體的平均形狀，x是從平均形狀變化而來(lái)的形狀。每一個(gè)跟平均形狀的差異化都是由向量p表示，b是向量權(quán)重矩陣。訓(xùn)練集中的任何形狀都可以通過(guò)訓(xùn)練的平均形狀和變化的加權(quán)點(diǎn)近似表示，結(jié)果如圖6所示。

根據(jù)公式9，每個(gè)元素的姿勢(shì)與平均形狀的差異可以分解為一個(gè)主要變化模式的組合。如圖7所示，改變第一個(gè)形狀參數(shù)b1，手臂逐漸的由外向內(nèi)收斂。

應(yīng)用asm模型檢測(cè)人體輪廓

在開(kāi)始匹配之前，人體輪廓的模板初始化至太赫茲圖像中央。然后通過(guò)平移、旋轉(zhuǎn)和縮放訓(xùn)練集中給出的形狀，經(jīng)由迭代搜索出最佳匹配的人體輪廓，這個(gè)過(guò)程可以由下述公式10給出：

其中，x是由平均形狀平移，縮放，旋轉(zhuǎn)和形狀變形得到。m(s,θ)由θ控制旋轉(zhuǎn)，由s控制縮放，控制x。這個(gè)步驟和檢測(cè)人體輪廓的過(guò)程類似。從太赫茲圖像中提取出的最終人體輪廓如圖8所示。

4.基于改進(jìn)的k-means聚類標(biāo)定隱藏物體

經(jīng)過(guò)上述一系列的步驟，我們從模糊的太赫茲圖像中提取出來(lái)清晰的人體輪廓。本節(jié)中，我們關(guān)注標(biāo)定隱藏物體。

我們觀察太赫茲圖像，發(fā)現(xiàn)隱藏物體和人體區(qū)域之間最大的區(qū)別在于有著不同的灰度值和紋理信息。與隱藏物相比，在圖像中，人體區(qū)域往往呈現(xiàn)出明亮和平坦的區(qū)域。然而，隱藏物體總是黑暗和不規(guī)則的紋理。受此啟發(fā)，我們引入基于totalsquareeuclideandistancek-means聚類算法，實(shí)驗(yàn)結(jié)果顯示取得了良好的效果。

基于totalsquareeuclideandistancek-means改進(jìn)的k-means算法

在所有的聚類算法中，k-means聚類算法最為經(jīng)典。給定一個(gè)數(shù)據(jù)集x＝{x1,x2,...,xn}，k-means聚類旨在將n個(gè)數(shù)據(jù)點(diǎn)劃分到k個(gè)集合c＝{c1,c2,...,ck}之中，每個(gè)數(shù)據(jù)點(diǎn)屬于距離聚類中心最近的一類。其原理如下：

其中ui表示聚類中心的均值。

在公式11中，歐式距離被用于分配點(diǎn)到聚類。然而，此算法只適用于凸形或者球形分布的數(shù)據(jù)集。本文中，我們應(yīng)用totalsquaredeuclideandistance[20]到k-means聚類。totalsquaredeuclideandistance的表達(dá)式可以描述為δf(x1x2)，

與歐式距離的平方d(x1x2)＝||x1-x2||²相比，δf(x1x2)有著更好的魯棒性和更加高效的運(yùn)行效率。

使用一種新方法來(lái)估計(jì)聚類中心，稱為t-center方法。t-center是權(quán)重均值，這種權(quán)重對(duì)噪聲和異常值不敏感，為此公式12可以重寫(xiě)為：

緊接著我們使用費(fèi)勁的k-means聚類算法來(lái)定位隱藏物體。

基于g-features,w-features和s-features檢測(cè)隱藏物體

在上述內(nèi)容中，我們已經(jīng)分析了太赫茲圖像，得出了隱藏物體和正常人體區(qū)域的主要區(qū)別在于灰度值和紋理的結(jié)論。gabor濾波器在提取紋理特征方面有著很大的優(yōu)勢(shì)。對(duì)于一幅二維圖像i(x,y)，gabor濾波器可以方便地提取圖像在各個(gè)尺度和方向上的紋理信息。本實(shí)施例中，我們使用gabor濾波器來(lái)提取紋理信息(w-features)，同時(shí)我們結(jié)合了灰度信息和位置信息應(yīng)用于改進(jìn)的k-means聚類算法。gabor濾波器的表達(dá)式在公式14中給出：

其中u＝xcosθ+ysinθ；v＝-ysinθ+xcosθ分別表示頻域變量。

我們選取五個(gè)尺度和八個(gè)角度(θ＝0,15,30,90,120,150,180)。w-features通過(guò)40個(gè)gabor獲得，其卷積結(jié)果圖如圖9所示。

經(jīng)由gabor濾波之后，一個(gè)簡(jiǎn)單地低通濾波器用來(lái)平滑gabor的幅度信息。利用非線性sigmoidal函數(shù)從濾波結(jié)果中獲取gabor特征：

將特征用于k-means，k-means聚類算法可以重寫(xiě)為：

wi,j＝tanh(α(i×g))×g(σuσv)(16)

其中g(shù)(σuσv)是參數(shù)σu和σv的二維高斯核。

構(gòu)建一個(gè)名為k的特征空間，包含了gabor特征(w-features)，灰度特征(g-features)，位置信息(s-features)。特征空間可以描述為：

圖10展示了從人體區(qū)域檢測(cè)隱藏物體的結(jié)果。通過(guò)我們改進(jìn)的k-means算法，隱藏物體可以被很好地檢測(cè)出來(lái)。

實(shí)驗(yàn)與分析

隱藏物體檢測(cè)與分割

所有的實(shí)驗(yàn)圖像都來(lái)自與我們太赫茲安檢儀。在圖10中，第一行中的原始太赫茲圖像中顯示了人體攜帶了各種各樣的危險(xiǎn)品。第二行則是手工標(biāo)定的真值圖，第三行和第四行分別由現(xiàn)有傳統(tǒng)的聚類算法得到的分割結(jié)果和經(jīng)由我們改進(jìn)后聚類算法得到的效果圖。

在圖10中，比較不同的聚類算法。從上至下分別為原始圖像，手工標(biāo)定的分割結(jié)果，傳統(tǒng)的聚類算法和經(jīng)由我們的算法的結(jié)果圖。由此可知，使用我們提出的方法，隱藏物體可以準(zhǔn)確的被分割。

如何判定分割的準(zhǔn)確性

為了定量描述分割結(jié)果的準(zhǔn)確性，我們比較分割結(jié)果和手工標(biāo)定的差異。我們引入準(zhǔn)確度系數(shù)作為比較指標(biāo)。準(zhǔn)確度系數(shù)用來(lái)衡量我們的實(shí)驗(yàn)結(jié)果和手工標(biāo)定的相似度。其值為0到1之間，其中1代表相似度最高，反之亦然。準(zhǔn)確度系數(shù)如公式18所示：

其中，sseg表示我們算法分割出的實(shí)驗(yàn)結(jié)果。sgold表示手工標(biāo)定的結(jié)果。

在圖11中展示了一些由我們提出的方法得到的分割結(jié)果。我們計(jì)算了太赫茲圖像的準(zhǔn)確度系數(shù)，并在圖12可知，平均準(zhǔn)確度系數(shù)約為0.905。

實(shí)施例的作用和有益效果

本發(fā)明提供的太赫茲成像安檢設(shè)備，與現(xiàn)有技術(shù)相比，有益效果如下：采用主動(dòng)式成像設(shè)計(jì)，太赫茲波發(fā)生器發(fā)出太赫茲波，照射到目標(biāo)人體上被透射后被平面鏡掃描單元、三面體聚焦掃描鏡單元、反射聚焦鏡進(jìn)行反射、聚焦處理后，再由探測(cè)器接收探測(cè)而成像。

它能夠穿透衣服并能發(fā)現(xiàn)隱藏在衣服下面諸如小刀，手槍等危險(xiǎn)品。此外，它還能夠有效的識(shí)別難以被x-raydetector或者金屬探測(cè)器檢測(cè)到的非金屬材料的物體(例如陶瓷刀，塑料手槍等)。

進(jìn)一步，本發(fā)明提供的太赫茲成像安檢設(shè)備的圖像處理和識(shí)別方法能夠快速識(shí)別并分割出危險(xiǎn)品隱藏區(qū)域，從而更好的進(jìn)行安全檢測(cè)。

進(jìn)一步，考慮到原始太赫茲圖像具有較低的信噪比，因此我們引入了改進(jìn)的nl-means算法來(lái)改善圖像質(zhì)量，實(shí)驗(yàn)結(jié)果顯示我們的方法可以準(zhǔn)確的檢測(cè)隱藏物體，準(zhǔn)確度高達(dá)0.905，大大提升了太赫茲安檢系統(tǒng)的可用性，而且運(yùn)算速度快。