，j)滤波时采用的掩膜窗口，W_为^允许的最大尺寸， Z_为^中灰度级最小值，Z_为^中灰度级最大值，Ζ"^为 ' 中灰度级中值，Zu为像素 点（i，j)的灰度值。
[0105] 其中，如图2A所示，人体区域检测步骤S2还包括：
[0106] 人体目标判断步骤S21 :对是否存在人体目标进行粗判断；为了使分割结果更加 精确减小误分割率，在本发明步骤中进行人体区域分割前，先对被动毫米波图像中是否存 在人体目标进行粗判断，若无人体目标，则结束人体隐匿危险物品的检测，否则采用最大类 间方差法0TSU进行人体区域分割，并对分割后的结果进行形态学闭运算得到人体区域。 0TSU算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的 影响。人体目标是否存在的主要是根据整幅图像的直方图分布情况进行判别的，若一幅被 动毫米波图像中存在人体目标，则人体与背景的灰度相差较大，并且人体和背景的占整幅 图像的比例都比较大，图像的灰度直方图呈明显的双峰特性。
[0107] 人体区域分割步骤S22:在人体目标判断步骤中，如果人体目标存在，则采用最大 类间方差法进行人体区域的分割，并对分割后的人体区域进行形态学闭运算得到最终的人 体区域。
[0108] 其中，如图2C所示，人体目标判断步骤S21还包括：
[0109] 统计步骤S211 :统计整个被动毫米波图像的灰度直方图分布；
[0110] 确定最大值步骤S212 :确定像素点数目最多的灰度值H_ ;
[0111] 像素点个数计算步骤S213:以像素点数目最多的灰度值!1_为中心，并以长度阈 值?Υ为限向左右扩展，计算长度阈值?Υ范围内的像素点的个数N total ;
[0112] 判断步骤S214 :计算像素点的个数Ntotal所占整个图像像素总数的比例，若所占比 例小于预设门限值?；，则图像中存在人体区域，进行人体区域分割，否则就不存在人体隐匿 危险物品，结束危险物品的检测。
[0113] 其中，如图2A及图5所示，隐匿物品检测步骤S3还包括：
[0114] 第一次迭代分割步骤S31 :采用最大类间方差法在人体区域的图像的灰度直方图 中计算隐匿物品分割阈值TM，根据隐匿物品分割阈值将人体区域分割为隐匿物品区域 和非隐匿物品区域；
[0115] 本发明第一次迭代分割中采用最大类间方差法在人体区域图像I的灰度直方图HP 中计算隐匿物品分割阈值TM，根据TM将人体区域图像I分割为隐匿物品区域和非隐匿物 品区域，隐匿物品区域设置为255,非隐匿物品区域设置为0。设隐匿物品标记矩阵为P，直 方图H P最高峰值点所对应的灰度值为HP_，如果& > HP_，则P定义如下：
[0116]
[0117]
[0118]
[0119] 第二次迭代分割步骤S32 :对完成第一次迭代分割的人体区域进行第二次迭代分 害!]，在人体区域的图像的灰度直方图中计算隐匿物品分割阈值，根据隐匿物品分割阈值 ，将人体区域再次分割为隐匿物品区域和非隐匿物品区域；
[0120] 本发明第二次迭代分割步骤中，分割前对人体区域所对应的图像I进行微处理， 处理后的人体区域图像设为I t，则It定义如下：
[0121]
[0122] It的灰度直方图HPt中计算隐匿物品分割阈 值4，根据将人体区域图像It分割为隐匿物品区域和非隐匿物品区域。设直方图H Pt最 高峰值点所对应的灰度值为HPt_，如果彡HPt_，则P重置为 ：
[0123]
[0124]
[0125]
[0126] 筛选步骤S33 :对分割得到的隐匿物品区域内的目标物体填充孔洞后，对作为目 标物体进行筛选，找到候选的隐匿物品，并对候选隐匿物品所在区域进行标记，完成人体隐 匿物品的检测。
[0127] 对分割得到的隐匿物品标记矩阵P进行形态学闭运算操作（先膨胀后腐蚀），填充 目标物体内的细小空洞，保证目标物体的完整性。
[0128] 对隐匿物品进行过滤筛选，采用区域生长法对P中的255像素点进行连通区域标 记，每个连通区域即为一个候选的隐匿物品，计算每个连通区域的面积&(区域包含的像素 数），若该连通区域的面积民小于预定的面积阈值1?_，则将该连通区域剔除，并将该区域所 对应的P中的像素值设为0。
[0129] 对人体区域内的隐匿物品区域进行标记，根据所获得的隐匿物品标记矩阵P，提 取每个隐匿物品的最大外接矩形，并将各矩形在被动毫米波图像F中对应的位置上标识出 来。
[0130] 如图6所示，本发明还提供一种被动毫米波图像中人体隐匿物品的检测系统，采 用如所述被动毫米波图像中人体隐匿物品的检测方法，包括：
[0131] 图像预处理模块1 :对采集到的原始被动毫米波图像，通过插值重建后，采用三次 迭代增强方法进行图像增强，获取被动毫米波图像，以使被动毫米波图像目标与背景进行 明显区分；
[0132] 人体区域检测模块2 :基于通过预处理的被动毫米波图像，通过对人体是否存在 的预判断，进行人体区域检测，获取人体区域；
[0133] 隐匿物品检测模块3 :在人体区域内，采用两次迭代分割的方法，对隐匿物品进行 检测，并对检测到的隐匿物品区域进行标记。
[0134] 其中，如图7A所示，图像预处理模块1还包括：
[0135] 插值重建模块11 :采用立方卷积插值算法对被动毫米波图像进行插值重建；
[0136] 增强模块12 :对完成插值重建后的被动毫米波图像进行三场迭代增强处理，提高 被动毫米波图像的对比度，并降低背景的噪声。
[0137] 其中，如图7B所示，增强模块12还包括：
[0138] 第一次迭代增强模块121 :采用最短模糊熵准则对被动毫米波图像进行第一次增 强处理，以使被动毫米波图像的的亮度增强，并抑制背景区域的噪声，改善图像的对比度；
[0139] 第二次迭代增强模块122 :采用幂次变换方法对完成第一次迭代增强后的被动毫 米波图像进行第二次增强处理，以使被动毫米波图像的高灰度级扩展，压缩低灰度级，进一 步改善图像的对比度；
[0140] 第三次迭代增强模块123 :采用自适应中值滤波算法对完成第二次迭代增强后的 被动毫米波图像进行第三次增强处理，实现清除椒盐噪声，处理空间中的冲激噪声，并平滑 非冲激噪声。
[0141] 其中，如图7A所示，人体区域检测模块2还包括：
[0142] 人体目标判断模块21 :对是否存在人体目标进行粗判断；
[0143] 人体区域分割模块22 :在人体目标判断步骤中，如果所述人体目标存在，则采用 最大类间方差法进行人体区域的分割，并对分割后的所述人体区域进行形态学闭运算得到 最终的人体区域。
[0144] 其中，如图7C所示，人体目标判断模块21还包括：
[0145] 统计模块211 :统计整个被动毫米波图像的灰度直方图分布；
[0146] 确定最大值模块212 :确定像素点数目最多的灰度值；
[0147] 像素点个数计算模块213 :以像素点数目最多的灰度值为中心，并以长度阈值为 限向左右扩展，计算长度阈值范围内的像素点的个数；
[0148] 判断模块214 :计算像素点的个数所占整个图像像素总数的比例，若所占比例小 于预设门限值，则图像中存在人体区域，进行人体区域分割，否则就不存在人体隐匿危险物 品，结束危险物品的检测。
[0149] 其中，如图7A所示，隐匿物品检测模块3还包括：
[0150] 第一次迭代分割模块31 :采用最大类间方差法在人体区域的图像的灰度直方图 中计算隐匿物品分割阈值TM，根据隐匿物品分割阈值将人体区域分割为隐匿物品区域 和非隐匿物品区域；
[0151] 第二次迭代分割模块32 :对完成第一次迭代分割的人体区域进行第二次迭代分 害!]，在人体区域的图像的灰度直方图中计算隐匿物品分割阈值，根据隐匿物品分割阈值 ，将人体区域再次分割为隐匿物品区域和非隐匿物品区域；
[0152] 筛选模块33 :对分割得到的隐匿物品区域内的目标物体填充孔洞后，对作为目标 物体进行筛选，找到候选的隐匿物品，并对候选隐匿物品所在区域进行标记，完成人体隐匿 物品的检测。
[0153]当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟 悉本领域的技术人员当可根据本发明做出各种相应的改变和变形，但这些相应的改变和变 形都应属于本发明所附的权利要求的保护范围。
【主权项】
1. 一种被动毫米波图像中人体隐匿物品的检测方法，其特征在于，包括： 图像预处理步骤；对采集到的原始被动毫米波图像，通过插值重建后，采用H次迭代增 强方法进行图像增强，获取被动毫米波图像，W使所述被动毫米波图像目标与背景