在从相关毫米波图像检测到违禁用品后，仍需对图像分析，对图像中设计到的违禁物品进行识别，因为一般的安检措施是通过人眼来识别图像中违禁用品，该方法效率低、易出错，不是适合在人流量多公共场合，所以需要一种能自动识别毫米波图像中违禁物品的算法，以降低成像分辨率，系统噪声与人工识别的主观因素的影响。

1。2  被动毫米波成像违禁物品检测与识别现状

2违禁物品检测与识别方案及毫米波图像预处理

从各文献方法对比，本文确定了违禁物品检测与识别的方案。需要对有分辨率低、图像边缘模糊等问题的毫米波进行一系列预处理：去噪、增强、分割，改善图像质量，这样就有利于后续的图像处理，能更方便地检测与识别违禁用品。

2。1违禁物品检测与识别方案

     众所周知的违禁物品有枪支、炸药、管制刀具、易燃易爆品等，非金属的违禁物品检测目前技术还不成熟，其是违禁物品检测识别难点，所以本文只研究了典型的违禁物品枪支、手雷等金属性质的检测与识别。文献综述

本文主要研究了毫米波成像违禁物品检测与识别，由于毫米波成像的特点，首先应该对图像进行预处理：去噪、增强、分割。本文在去除图像中的噪声时，采用的是改进的小波软阈值去噪法，该方法既可以去除噪声，同时又保留较为清晰的图像边缘的效果。对毫米波图像进行增强时，采用FT视觉显著分析方法，由于毫米波图像为灰度图像，针对这一特点，用原来应用于Lab颜色空间的处理方法，可以将毫米波图像从三维图像变为一维图像，变为灰度亮级空间图像，这样就可以在不影响增强效果的同时降低运算速度。采用OTSU的方法对增强后的图片进行分割，并加以形态学重构去除背景图像，这样就能排除背景对违禁物品检测的影响。图像经过预处理之后在构造基于Radon变换的特征值，该特征值在目标发生平移、缩放、旋转时，具有不变性，最后结合SVM分类器来对物体进行检测以及分类识别。整个流程框图如图所示：

图2。1 毫米波成像违禁物品检测与识别方案框图

2。2  改进的小波软阈值去噪

高斯平滑去噪法和维纳滤波去噪法都是对毫米波图像先进行频谱分析[3,10]，再进行低通滤波，算法简单，由于带宽选择和高分辨率相矛盾，可以去除噪声的但是不能保证图像边缘不被弱化了。

近年来，图像去噪广泛运用了小波变换，通过小波变换把信号特性分散到不同尺度的小波系数上，噪声分布在所有系数上，分布较一致，但是信号主要在一些大的系数上，这样就可以通过对小波系数的分析和处理来达到去噪的效果。其中硬、软阈值法在实际应用中得到广泛应用，但是硬阈值法去噪效果并不是很好，还是存留一部分噪声，软阈值法去噪效果不错，噪声能较好的被去除，但是边缘会被弱化模糊。由于硬软阈值法的相应局限性，所以本文将采用改进的软阈值法来去噪。来`自+优-尔^论:文,网www.youerw.com +QQ752018766-

2。2。1  小波阈值去噪原理

在小波变换基础上，小波阈值去噪被D．L．Donoho和John-stone提出了 [19,20]。硬阈值法和软阈值法是阈值去噪的两种主体方法，硬阈值处理是对阈值与信号小波变换系数的绝对值进行比较,当小于阈值时，小波系数变为零,反之不变,最后由小波系数来进行重建信号。在软阈值处理中，当大于阈值时，此时小波系数为阈值与其的差。