摘要本文的应用背景为被动毫米波成像违禁物品检测与识别，主要研究了毫米波图像预处理、特征提取、检测识别三个方面。
本文采用改进的小波软阈值去噪算法对含有噪声的毫米波图像进行去噪处理；采用FT视觉显著方法对去噪后的图像进行增强处理，并且在运算时，将三维的图像降为一维，减少运算时间；采用的是OTSU的方法与形态学重构相结合对增强后的图像进行分割，凸显出违禁物品。78812
由于毫米波图像的纹理和特征不是很清晰，所以本文基于形状来提取特征，采用Radon变换产生特征值的方法。Radon变换本身没有不变性，但是由Radon变换构造特征值在目标发生平移、缩放、旋转后具有不变性。采用支持向量机（SVM）法的SVM分类器与Radon变换的特征值相结合来实现违禁物品的自动检测识别。
毕业论文关键词 毫米波成像 违禁物品检测 图像预处理 Radon变换 支持向量机法
毕业设计说明书外文摘要
Title Research on Contraband Detection and Recognition Method in Millimeter Wave Imaging
Abstract In this paper, based on the background of passive millimeter wave image detection，an in-depth and meticulous research on the detection, feature extraction and recognition of PMMW images is conducted in this paper。
An improved wavelet soft threshold denoising algorithm is used to deal with the millimeter wave image with noise in this paper; FT visual saliency algorithm is used to enhance the image processing, and the three-dimensional image is reduced to one dimension, and the computation time is reduced; OTSU algorithm and morphological reconstruction combined with the enhanced image segmentation, highlighting the prohibited items。
Because of the texture and feature of the millimeter wave image is not very clear, so this paper is based on the shape to extract features, using Radon transform to produce the characteristic value method。 Radon transform itself is not invariant, but by the Radon transform structure characteristic value in the target translation, scaling, rotation after the invariance。
Keywords Millimeter wave imaging Contraband detection Image preprocessing Radon transform Support vector machine
目 录
1 引言 1
1。1 研究背景和意义 1
1。2 被动毫米波成像违禁物品检测与识别现状 2
2违禁物品检测与识别方案及毫米波图像预处理 3
2。1违禁物品检测与识别方案 3
2。2 改进的小波软阈值去噪 4
2。2。1 小波阈值去噪原理 4
2。2。2 改进的小波软阈值去噪算法 5
2。2。3 改进的小波软阈值去噪法结果 6
2。3 用视觉显著性分析的方法对违禁物品毫米波图像增强 8
2。3。1 视觉显著性分析简介 9
2。3。2 FT显著算法分析 9
2。4 违禁物品毫米波图像分割 12
2。4。1 OTSU图像分割原理 12
2。4。2 形态学重构原理 Radon变换毫米波成像违禁物品检测与识别方法研究:http://www.youerw.com/tongxin/lunwen_90931.html