全局通道注意力增强的毫米波图像目标检测

针对主动毫米波图像中目标与背景纹理区分度较低导致隐匿目标漏检问题,并根据安检实时性要求,提出一种基于全局通道注意力增强的主动毫米波图像目标检测方法。该方法以YOLOv5s为载体,在坐标注意力位置方向上引入全局通道注意模块,增强对隐匿目标全局通道信息的关注,从而提升在隐匿目标与背景纹理区分度较低时的检测能力;再利用K-means++聚类算法重新生成适合毫米波图像目标检测的锚框。实验结果表明,无论是阵列图像数据集还是线扫图像数据集,该方法增强了对隐匿目标的特征注意,提高了召回率,在满足安检实时性的前提下,提升了检测性能。通过增加少量参数,在阵列图像数据集上,精度、召回率和mAP@.5达到了92.0%、90.93%和95.32%;在线扫图像数据集上,精度、召回率和mAP@.5达到了94.65%、92.67%和97.73%。平均单张图像推理时间在两个数据集上均达到1 ms,满足实时性要求。

基于注意力机制的毫米波图像隐匿目标自主识别方法

在人体安检中,毫米波成像是一种对人体安全的检测方法。目前,使用平面毫米波扫描人体图像中存在被检测物体较小、边缘模糊等问题,导致传统的目标检测方法实现高准确率的检测变得困难。本文提出应用注意力机制及图像增强方法,提高目标检测方法对人体毫米波图像隐匿物体检测的精确度和召回率。研究结果表明,注意力机制与图像增强方法可提高毫米波图像目标检测的准确率和召回率。

一种被动毫米波图像混合噪声抑制方法

针对采集到的被动毫米波图像存在严重噪声污染,低分辨率,以及目前大部分去噪方法对混合噪声去噪效果不明显的问题,本文提出了一种基于非局部均值滤波和自适应中值滤波的混合噪声盲去噪算法。该算法首先利用像素非局部自相似先验知识对噪声强度进行估计,然后采用自适应中值滤波来滤除被动毫米波图像中的强噪声点,最后通过改进的非局部均值滤波来消除图像的大部分噪声。实验结果表明,所提出的方法在去除图像中噪声的同时保留了图像的边缘,并明显改善了被动毫米波图像的主观视觉感受。

基于毫米波雷达传感器RAI图像的手势识别方法

针对现有的手势识别方法存在数据集过少、利用特征信息较少和神经网络部分提取信息不充分的问题,提出一种基于毫米波雷达传感器RAI图像的手势识别方法。首先使用TI公司的IWR1443毫米波雷达传感器采集10类手势数据构建数据集,再通过对手部反射的雷达信号进行时频分析,获取固定帧数的RDI和RAI。为了充分提取手势特征并精确分类,在卷积神经网络基础上,引入了残差块和通道注意力块。实验结果表明,相较其他特征如RDI,RAI能更准确的表征手势,所提出的网络相比于CNN方法准确率提高了12.72%,相比于VGG16-Net和单参数VGG16-Net方法准确率提高了8.93%与10.41%,参数量降低了90.68%,时间复杂度降低了17.2%。

毫米波近场成像及图像增强算法研究

毫米波是指波长在10-1mm,频率在30-300GHz之间的电磁波,而毫米波近感技术更是近些年来研究的最为活跃的领域之一。毫米波近程辐射计是一种用来接收微弱信号的高灵敏度接收机,但由于周围环境等的影响,形成的毫米波图像总会受较为严重的场景噪声和系统噪声影响,从而导致图像质量不高,图像中目标物体边缘细节存在不同程度的模糊等问题。针对生成图像存在的这个问题,本文首先利用毫米波干涉综合孔径辐射计进行了多次成像实验,然后研究了改进的线性反锐化掩膜图像增强算法。实验表明本文改进的算法增强了图像的边缘细节,便于后续的图像操作处理。

高输出功率高线性度5G毫米波功率放大器研究与设计

本文针对5G毫米波功率放大器(Power amplifier, PA)高输出功率和高线性度的需求,对PA功率和线性度受限机理进行了深入分析。在此基础上,提出了一种采用峰化电感技术和两路合成结构提升输出功率,以及采用PMOS补偿电容、二阶谐波和低阻抗网络来改善宽带调制下线性度的PA电路。基于5G毫米波26GHz频段应用,该PA采用65nm CMOS SOI工艺进行实现。测试结果表明,该PA在26GHz,实现了20.8dBm的OP1dB和21.3dBm的Psat,峰值PAE为26.15%。在调制信号测试中,使用5G NR 400 MHz 1-CC 64-QAM和256-QAM OFDM信号,该PA支持5%和3%的均方根误差矢量幅度(EVM),和实现平均输出功率(Pavg)分别为15.5dBm和14.4dBm。

地基毫米波辐射图像模拟生成方法的研究

分析了照相机和地基毫米波辐射计的成像机理 ,讨论了光学图像的分割和识别方法 ,论述了地物表面温度亮温、视温、天线温度和天空温度之间的关系 ,并在此基础上提出了一种用可见光图像模拟生成毫米波辐射图像的方法 .该方法用于制作地图匹配制导中的基准地图 .图像模拟的结果表明 。

基于凸集投影算法的被动毫米波图像超分辨率恢复

为了提高被动毫米波图像分辨率,该文将凸集投影算法(POCS)应用于被动毫米波图像的超分辨率恢复中。文章对引起被动毫米波成像系统图像降质的因素进行了分析和讨论,建立了成像模型,结合POCS算法原理,利用图像的噪声统计特性以及幅度约束条件,对POCS算法用于被动毫米波图像的超分辨率恢复进行了详细分析,并给出了算法流程。仿真结果表明:POCS算法用于被动毫米波图像的超分辨率恢复相对双线性差值方法恢复效果有明显改善。

隐匿违禁物品探测的毫米波辐射图像融合方法

针对单一的可见光或毫米波辐射图像在隐匿违禁物品探测中的局限性,该文将基于Contourlet变换的图像融合算法引入到可见光与毫米波辐射图像的融合应用中。该算法首先利用Contourlet变换得到待融合源图像的多分辨率结构,然后对低频子带和高频子带分别采用基于区域方差和区域能量的融合规则,并通过接近度函数度量低频子带系数区域特性间的关联程度,最后经过Contourlet逆变换重构融合图像。实验结果表明,该算法可有效综合可见光图像中丰富的细节信息与毫米波辐射图像中显著的目标特征,其融合效果在主观视觉及客观评价指标上均优于传统的融合算法。

主动毫米波图像的人体携带危险物检测研究

近距离主动毫米波人体成像是检测藏匿在人体衣物下危险品的一种有效手段。针对主动毫米波图像分辨率高,人体不同部位呈现不同特性,以及人体、其他携带物和危险物特性相互影响和干扰、危险物检测困难的特点,提出了一种主动毫米波图像多危险物检测方法;通过基于人体特征的区域划分,采用图像区域化的自适应阈值图像分割、结合数学形态学的二次提取方法,实现了主动毫米波图像人体携带多危险物的检测和提取。对实际获取的图像进行了多危险物检测实验,检测率为84.13%,虚警率为6.61%。仿真实验结果表明了所提方法的有效性和实用性。

目标运动对步进频率毫米波雷达图像匹配识别的影响研究

本文首先简单介绍了步进频率信号的数学模型 ,给出了一维距离像的外形包络表达式 .接着 ,针对某小口径 (15 5mm)高距离分辨率步进频率毫米波雷达导引头 ,分析了当弹目存在相对运动时的一维距离像数学模型 .按照这一模型 ,通过计算机对实际系统的模拟仿真 ,深入研究了多普勒效应对目标一维距离像的影响 .最后 ,获得了给定高距离分辨率步进频率毫米波雷达中 ,用一维距离像匹配辨识目标的速度不补偿条件 .

一种基于自适应双向扩散过程的无源毫米波图像去噪与增强

研究和设计了一种新型自适应双向扩散过程,对无源毫米波图像进行降噪和增强处理.根据图像的局部特征进行自适应扩散处理,在图像的同质区域进行各向同性扩散降低噪声,在图像的边缘处沿着图像边缘的切向方向进行正向扩散降低噪声,沿着图像边缘的法向方向进行反向扩散锐化边缘.通过对仿真图像和实测的91.5 GHz无源毫米波图像的实验表明,该算法对无源毫米波图像有显著的降噪与增强效果.

毫米波一维成像雷达获取三维图像的实现方法

介绍了毫米波雷达三维成像的概念 ,对雷达成像的原理和方法进行了深入的探讨。分析了角误差信号提取的原理 ,并详细分析了毫米波雷达的数字比相的实现及角误差符号信息的提取方法。论述了如何利用和差三通道的一维距离像来获取三维图像的实现方法。给出了外场试验数据经处理后得到的距离 方位、距离 俯仰和距离 俯仰 方位三维图像。

无源毫米波成像图像空间重构超分辨算法

为了增强无源毫米波图像的分辨率,提出了一种图像空间重构(ISRA)频域校正超分辨算法。使用Wiener滤波复原算法恢复图像通带内的频谱分量,运用IS-RA算法实现频谱外推,通过一种频域校正算法,用Wiener滤波器恢复的频谱代替通带内的频谱,保证图像的低频分量不被破坏。为了验证新算法的有效性,针对合成图像和由91.5 GHz单通道辐射计进行二维机械扫描获取的手枪图像完成了两个实验。实验结果表明:新算法改善了收敛速度,增强了图像的分辨率,同时能够有效地减轻恢复图像中的振铃波纹,有利于无源毫米波成像超分辨的实现。

基于改进YOLOv3-Tiny的毫米波图像目标检测

毫米波是一种不具有电离辐射的电磁波,其能够穿透绝缘衣物布料和对人体无害的特性使得毫米波在人体安检领域有着巨大的发展前景。将深度学习方法运用至毫米波图像目标检测领域,提出一种基于改进YOLOv3-Tiny的毫米波图像目标检测方法。首先,在特征提取网络中增加卷积层提升网络深度,并增加至3个不同尺度的预测层加强对毫米波图像目标的检测能力;然后,在特征金字塔(FPN)中引入注意力机制(CBAM),使网络更关注毫米波图像中待测目标的特征,忽略背景噪声冗余的特征。结果表明,改进后的网络平均准确率可达93.4%,单帧检测速度为15 ms,模型参数仅为38.7M,为毫米波安检系统高精度、小型化的研究提供了参考价值。

基于多分辨分析的红外/被动毫米波图像主成分融合

红外/毫米波(IR/MMW)复合制导是当前发展多模复合制导技术的热点方向。针对红外探测系统在低能见度条件下穿透能力有限,而被动毫米波探测虽然穿透能力较强、但图像分辨率不高的问题,为了更好地进行红外与被动毫米波图像融合,使得复合探测器能够全天候工作,提出一种新的基于多分辨分析的主成分融合方法(M-P)。利用多分辨分析可以按图像的分辨率空间很好地处理信息的优势,M-P融合方法首先对红外与被动毫米波探测的坦克群图像进行分解去噪;对重构后图像分别进行主成分变换;用高分辨率图像的第1主分量代替低分辨率图像的第1主分量;最后做逆主分量变换来得到最终的融合图像。实验仿真结果表明,与PCA方法比较,新方法融合得到的图像能更好地区分坦克群目标和地物背景。

基于统计处理和B样条小波变换的毫米波图像边缘检测

针对毫米波图像噪声强、分辨率低的特点,提出了一种新的边缘检测方法。该方法首先根据统计信号处理理论定义了标准化梯度强度这一物理量;然后采用3次B样条函数的一阶导数作为边缘检测算子,由小波变换后得到的图像水平、垂直方向的高频信息,并根据这些信息确定出标准化梯度强度;接着采用单门限的处理得到图像粗边缘;最后对粗边缘施行非最大抑制处理和滤波来得到检测结果。实验证明,该方法可用固定的单门限自动、快速地检测出毫米波图像中人体背景下物体的边缘,满足安检需要。

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。

基于被动毫米波图像的金属目标特征提取方法

针对探测金属目标时其中心难以确定的问题,提出了分割被动毫米波辐射图像过渡带的算法以精确获取其几何尺寸及特征;通过实测金属立体目标的辐射数据矩阵进行成像,对毫米波辐射图像进行基于Canny算子的边缘检测与分析,结合金属目标辐射特性以及天线参数分割目标边缘过渡带,计算金属目标的面积、周长并提取其中心位置;实验结果表明,该方法误差控制在9.3%以内,可以精确提取金属目标几何特征及目标中心。