基于被动式人体安检太赫兹图像的小目标物体检测方法

被动式太赫兹成像设备不断应用于人体安检,而在特定安检场合(例如机场)需要快速准确检测出人体安检图像中的小目标违禁品。由于被动式太赫兹图像低分辨率的限制,人体安检对小目标检测精度和速度的需求,传统检测方法和单纯的深度学习算法都难以满足。根据被动式太赫兹图像低分辨率的特性,本文在目标检测前对图像进行预处理。针对小目标检测,我们对SSD算法的网络结构和预选框进行了优化。在小目标检测方面,我们的方法可以提高检测精度到73%。而在一般目标检测方面(包含小目标)我们的方法可以达到76%mAP。

基于最大二维熵的被动式太赫兹安检目标分割

针对被动式太赫兹安检的检测需求,提出一种基于最大二维熵的隐蔽目标分割方法。该方法设计了一组适用于被动式太赫兹图像的滤波器组,实现噪声过滤和图像增强;设计了一种待检区域自生成的算法,实现对重点检测区域的自动覆盖;同时,引入二维熵的概念,实现对待检测区域内的隐蔽目标的轮廓分割。在0.2 THz频段的被动成像下开展了评估和对比实验,实验表明本文方法具有较好的分割效果和实时性能。