一种利用模板匹配的安检图像背景噪声去除方法与流程

本发明涉及图像处理技术领域，具体涉及一种利用模板匹配的安检图像背景噪声去除方法。

背景技术：

随着国际安全形势的日益严峻以及毫米波成像技术的发展，毫米波人体安检成像设备成为机场、车站以及其他人群密集场所进行安全检查的重要选项。毫米波能够轻松穿透衣物确不能穿透人体皮肤，这使得毫米波具有发现隐藏在衣服中危险品的天然优势且对人体不构成危害。毫米波人体安检图像的质量也直接决定着危险品识别和检测效果，图像质量主要受通道一致性、系统动态范围以及安检场景背景引入噪声等因素的影响。在安检设备硬件结构固化情况下，通过图像后处理进行噪声抑制是最优选项。

qiaosongsun等公开了一种耦合激波扩散滤波方法，能够对被动式毫米波图像进行去噪和增强，该滤波器能够在图像纹理梯度方向进行锐化处理，在与梯度垂直方向进行平滑处理，达到对散斑和噪声的抑制，并对目标的纹理边缘进行锐化增强。

hongyiye等提出利用改进型的butterworth低通滤波器对被动式毫米波图像中的条纹噪声进行抑制。由于通道间的不一致性，条纹噪声不但影响图像背景，而且对目标本身的成像效果也有较大影响。利用天线的先验信息，通过估计点扩散函数来确定滤波器参数，再对毫米波图像进行滤波处理。

wangyangyu等提出结合小波变换和顶帽变换方法对被动式毫米波图像进行去噪和增强，先对毫米波图像进行双立方插值来增加图像分辨率，在将小波变换和顶帽变换进行结合对噪声进行抑制并对目标图像进行锐化。

总之现有毫米波图像去噪技术存在的问题是：

1.现有毫米波图像去噪和增强算法大多针对被动式毫米波成像，而主动毫米波图像和被动式毫米波图像有明显区别，因此无法直接借鉴被动式毫米波安检图像的去噪方法，在主动式毫米波人体安检的特定场景下需研究有针对性的去噪算法；

2.现有去噪算法大多利用频域、空域或其他变换域滤波器进行滤波来达到去噪效果，在去除噪声的同时也会对目标图像造成损害，影响了客观成像效果及目标识别效果。

技术实现要素：

为了解决上述问题，本发明提出了一种利用模板匹配的安检图像背景噪声去除方法，包括以下步骤：

步骤1，构建模板图像：

根据安检图像构建与安检图像中各部位形状相对应的模板图像，所述模板图像包括背景部分、头部模板、躯干双腿模板、左手臂模板和右手臂模板；

步骤2，利用行像素累积和阈值相结合的方法计算安检图像中各部位的行坐标，所述安检图像中各部位的行坐标包括头部中心行坐标、躯干双腿起始行坐标、左右手臂起始行坐标；

步骤3，对模板图像进行重采样：

根据安检图像的行数、躯干双腿模板的行数、安检图像中躯干双腿部分的行数计算重采样因子，根据重采样因子对躯干双腿模板、左手臂模板和右手臂模板进行重采样；

步骤4，模板匹配：

利用头部模板、躯干双腿模板、左手臂模板和右手臂模板在安检图像中对应部位的行坐标和行坐标对应的列区间内搜索最佳匹配坐标，获得背景去噪后的最终安检图像。

进一步地，步骤1中背景部分单个像素点的像素值为0，头部模板、躯干双腿模板、左手臂模板和右手臂模板中单个像素点的像素值为1，背景部分与部模板、躯干双腿模板、左手臂模板和右手臂模板的过渡区域的像素点的像素值为介于0和1之间的小数。

进一步地，步骤2中所述头部中心行坐标计算步骤具体为：确定安检图像中头部的先验搜索区域，将该先验搜索区域内的每行像素值累积求和，将所有大于阈值thhea的像素值累计和对应的行坐标求平均得到头部中心行坐标hrowctr；

步骤2中所述躯干双腿行坐标的计算公式具体为：躯干起始行坐标browbgn＝hrowctr+dbodyoffset，其中dbodyoffset为躯干部位起始行坐标browbgn与头部中心行坐标hrowctr的偏移量；

步骤2中所述左右手臂起始行坐标的计算公式具体为：左右手臂起始行坐标arowbgn＝hrowctr+darmoffset，其中darmoffset为左右手臂部位起始行坐标arowbgn与头部中心行坐标hrowctr的偏移量。

进一步地，所述步骤3中的重采样因子为ρ，其计算公式为：

其中，nbodymodelrow为躯干双腿模板的行数，nrow为安检图像的行数；

则重采样后的躯干双腿模板为：

m′body＝fresize(mbody,ρ)

重采样后的左右手臂模板分别为：

m′armleft＝fresize(marmleft,ρ)

m′armright＝fresize(marmright,ρ)

其中，fresize(·)表示行重采样函数，mbody为初始躯干双腿采样模板，m′body为重采样后的躯干双腿模板，marmleft为初始左手臂模板，m′armleft为重采样后的左手臂模板，marmright为初始右手臂模板，m′armright为重采样后的右手臂模板。

进一步地，步骤4中头部模板与安检图像的匹配具体为：

将安检图像列中心坐标扩展为区间其中，列坐标偏移量nshi的大小根据安检图像分辨率进行设置，ncol为安检图像的列数；

将头部模板中心行坐标与安检图像头部中心行坐标hrowctr对齐，头部模板中心列坐标依次与扩展区间中各列坐标对齐，每对齐一次，计算头部模板与头部模板所覆盖的安检图像部分对应像素点的像素值相乘并累计求和；取扩展区间的2nshift+1个图像乘积累积和中最大数值所对应的列坐标作为安检图像头部中心列坐标hcolctr；

将头部模板中心坐标与安检图像头部中心坐标[hrowctr,hcolctr]对齐，将头部模板与其覆盖的安检图像部分对应像素点的像素值相乘，获得去除背景噪声的头部区域图像；

生成一个与安检图像尺寸相同的空白图像idenoise，将去除背景噪声后的头部区域图像赋值到idenoise中，并使头部区域在安检图像和idenoise中位置相同；

其中，hcolctr为安检图像头部中心列坐标；

步骤4中躯干双腿模板与安检图像的匹配具体为：

将安检图像列中心坐标扩展为区间

将躯干双腿模板起始行坐标与安检图像中躯干双腿起始行坐标browbgn对齐，躯干双腿模板中心列坐标依次与扩展区间中各列坐标对齐，每对齐一次，计算躯干双腿模板与其所覆盖的安检图像部分对应像素点的像素值相乘并累计求和；取扩展区间的2nshift+1个图像的乘积累积和中的最大数值所对应的列坐标作为安检图像躯干双腿的中心列坐标bcolctr；

将躯干双腿模板起始行中心坐标与安检图像躯干起始行中心坐标[browbgn,bcolctr]对齐，将躯干双腿模板与其覆盖的安检图像部分对应像素点的像素值相乘，获得去除背景噪声的躯干双腿图像；将去除背景噪声后的躯干双腿图像赋值到idenoise中，并使躯干双腿在安检图像和idenoise中位置相同。

步骤4中左手臂模板、右手臂模板与安检图像的匹配具体为：

定义安检图像中左侧手臂为实际右手臂，安检图像右侧手臂为实际左手臂；规定实际右手臂的列坐标扩展区间为实际左手臂的列坐标扩展区间为

将右手臂模板起始行坐标与安检图像的左右手臂起始行坐标arowbgn对齐，右手臂模板中心列坐标依次与实际右手臂的列坐标扩展区间中各列坐标对齐，每对齐一次，计算右手臂模板与其所覆盖的安检图像部分对应像素点的像素值相乘并累计求和；取扩展区间的个图像乘积累积和中的最大数值所对应的列坐标作为人体右手臂的中心列坐标acolleft；将右手臂模板起始行中心坐标与安检图像的右手臂起始行中心坐标[arowbgn,acolleft]对齐，将右手臂模板与其覆盖的安检图像部分对应像素点的像素值相乘，获得去除背景噪声的右手臂图像；将去除背景噪声后的右手臂图像赋值到idenoise中，并使右手臂在安检图像和idenoise中位置相同；

将左手臂模板起始行坐标与安检图像左右手臂起始行坐标arowbgn对齐，左手臂模板中心列坐标依次与扩展区间中各列坐标对齐，每对齐一次，计算左手臂模板与其所覆盖的安检图像部分对应像素点的像素值相乘并累计求和；取扩展区间的个图像乘积累积和中的最大数值所对应的列坐标作为安检图像中左手臂的中心列坐标acolright；将左手臂模板起始行中心坐标与安检图像中左手臂起始行中心坐标[arowbgn,acolright]对齐，将左手臂模板与其覆盖的安检图像部分像素点的像素值对应相乘，获得去除背景噪声的左手臂图像；将去除背景噪声后的左手臂图像赋值到idenoise中，并使左手臂在安检图像和idenoise中位置相同；

idenoise为去除背景噪声后的最终安检图像。

本发明与现有技术相比，其显著优点为：

(1)本发明采用模板匹配方法，模板以外的图像部分不会体现在去噪后的图像中，因此能够彻底去除背景噪声；

(2)本发明采用的模板匹配方法中图像与模板相乘操作对目标本身的幅度没有改变，模板中目标与背景边缘采用的渐变数值主要用于目标与图像背景平滑过渡；

(3)本发明不需要在变换域滤波，不需要对图像进行遍历搜索滤波，也不需要迭代计算，因此算法结构简单能够达到实时去噪。

附图说明

图1安检图像背景噪声去除方法流程图。

图2头部模板图像。

图3躯干双腿模板图像。

图4人体左手臂模板图像。

图5人体右手臂模板图像。

图6实测的人体安检图像。

图7计算头部中心行坐标的示意图。

图8头部区域去噪后并赋值到新图像的结果图。

图9头部和躯干双腿区域去噪后并赋值到新图像的结果图。

图10去除背景噪声后的完整人体安检图像。

具体实施方式

以下结合附图对本发明的一种利用模板匹配的安检图像背景噪声去除方法的具体实施方式做详细说明，具体包括以下步骤：

1.人体部位模板图像构建

构建与安检图像中人体各部位形状相同的模板图像，包括头部模板、躯干双腿模板、左手臂模板和右手臂模板；本实施例中的安检图像利用安检试验样机(所述安检试验样机为主动毫米波安检试验样机)对人体进行成像实验，图像尺寸为710×254，如图6所示为人体安检成像结果，图6中人体背景存在较大噪声。

本实施例中所述行列以安检图像坐标系为基准进行计算，所述安检图像坐标系为以安检图像左上角的起始点为坐标中心，以坐标中心向右为列坐标轴的正方向，以坐标中心向下为行坐标轴的正方向而形成的坐标系。

在合作式人体安检过程中，要求被检人员的姿势为手臂与躯干分开、双脚分开站立，因此所有安检图像中人的姿态都具有相同模式。针对合作式人体安检的固有特点，利用与身体各部位形状相同的模板图像进行模板匹配，能够去除背景噪声。

根据实际安检图像的分辨率进行模板图像尺寸设计(所述分辨率是指安检图像中每个像素点代表的具体尺寸，设为αmm/像素，设人体安检图像需要覆盖2000mm×1000mm，则为安检图像尺寸为模板图像尺寸根据该尺寸进行设定)，模板图像包括背景部分、头部模板，躯干双腿模板，左手臂模板和右手臂模板，其中头部模板包括头部和颈部，躯干双腿模板包括躯干和双腿部分。对人员安检时，双腿分开站立在有脚印指示的位置，因此躯干和双腿相对位置固定，放在同一个模板中；要求双手与躯干分开一定距离，但每个人的姿态会稍有区别，因此左右手臂要有单独模板，便于调节位置；尽管要求待检人员身体自然站立，但有时头部中心线与身体中心线不重合，因此为头部单独建立模板有利于提高匹配精度。

头部模板包括头部和颈部，模板图像中头部区域和颈部区域像素点的像素值为1，背景像素点的像素值为0，头部颈部与背景过渡区域的像素点的像素值为介于0和1之间的小数，有利于模板匹配后头部颈部与背景的平缓过渡，头部模板用mhead表示，本实施例中头部模板尺寸为133×120，如图2所示；躯干双腿模板中躯干和双腿部分像素点的像素值为1，背景部分像素点的像素值为0，躯干双腿与背景过渡区域的像素点的像素值介于0和1之间，有利于躯干双腿与背景部分的平缓过渡，躯干双腿模板用mbody表示，本实施例中躯干双腿模板尺寸为500×193，如图3所示；手臂模板包括左手臂模板和右手臂模板，手臂部分像素点的像素值为1，背景部分像素点的像素值为0，手臂与背景过渡区域的像素点的像素值介于0和1之间，有利于模板匹配后手臂与背景部分的平缓过渡，左手臂模板和右手臂模板分别用marmleft和marmright表示，本实施例中左手臂模板尺寸为300×100，右手臂模板尺寸为300×100，分别如图4和图5所示。

2.人体部位行坐标计算

a.人体头部中心行坐标计算

由于待检人员身高存在差异，因此在模板匹配前先确定身高信息，身高信息通过安检图像中头部中心行坐标来计算。此外，通过头部中心行坐标能够计算出左右手臂和躯干部分的起始行坐标信息。

为减少计算量并增加检测精度，确定人体头部的先验搜索区域，要求覆盖不同身高的人体头部信息，设头部先验搜索区域的起始行坐标为hrowup、末尾行坐标为hrowdown，起始列坐标为hcolleft、末尾列坐标为hcolright，将该先验搜索区域内的每行像素累积求和，得到行像素累积投影曲线，在曲线中找出大于阈值thhead的行坐标，并对所有大于阈值thhea的行坐标求平均得到头部中心行坐标hrowctr。

图7中的虚线框为本实施例的先验搜索区域，对区域内的像素做行累积求和，累积和曲线如图7的先验搜索区域右侧曲线所示，利用阈值thhead获得头部行坐标并取平均为hrowctr＝112作为头部中心行坐标。

根据头部中心行坐标hrowctr和人体比例信息能够计算出躯干起始行坐标browbgn，设躯干部位起始行坐标browbgn与头部中心行坐标hrowctr的偏移量为dbodyoffset，则躯干起始行坐标为browbgn＝hrowctr+dbodyoffset。本实施例中的预先设置的偏移量dbodyoffset＝40得到躯干起始行坐标为browbgn＝152。

c.人体手臂起始行坐标计算

根据头部中心行坐标hrowctr和预设的人体比例信息能够计算出左右手臂起始行坐标arowbgn，设左右手臂部位起始行坐标arowbgn与头部中心行坐标hrowctr的偏移量为darmoffset，则左右手臂起始行坐标为arowbgn＝hrowctr+darmoffset。本实施例中头部中心行坐标hrowctr的偏移量为darmoffset＝60，则左右手臂起始行坐标为arowbgn＝172。

3.模板图像重采样

由于被检人员身高各不相同，如果使用同一尺寸模板进行匹配会产生较大误差，因此需要依据身高对模板尺寸进行重采样，使模板尺寸与安检图像中人员各部位尺寸相符。经过实验验证，待检人员的胖瘦对模板的宽度影响不大，因此本发明只对模板的高度维进行重采样，其中模板图像高度与安检图像中人体身高维对应。重采样操作只针对躯干双腿模板和左右手臂模板，头部模板不需要重采样。

设人体安检图像的行数和列数分别为nrow和ncol，躯干双腿模板的行数为nbodymodelrow，安检图像中躯干双腿部分的像素行数为nrow-nrowbgn+1，则对躯干双腿模板进行重采样的采样因子为：

则获得重采样后的躯干双腿模板为：

m′body＝fresize(mbody,ρ)(2)

其中，fresize(·)表示行重采样函数，采样方式采用线性插值。对左右手臂的采样仍然使用相同的采样因子ρ，则重采样后的左右手臂模板分别为：

m′armleft＝fresize(marmleft,ρ)(3)

m′armright＝fresize(marmright,ρ)(4)

本实施例中，根据躯干起始行坐标browbgn＝152和安检图像行尺寸nrow＝710计算得安检图像中人体躯干双腿行尺寸为559，已知躯干双腿模板的行尺寸为nbodymodelrow＝500，计算出采样因子为ρ＝0.8945，根据此采样因子对躯干双腿模板，左手臂模板和右手臂模板进行重采样，获得与安检图像尺寸相符的匹配模板。

4.模板匹配

在模板匹配时需要知道安检图像中各部位的精确位置，包括行坐标和列坐标，其中各部位的行坐标计算已介绍，列坐标位置计算在模板的匹配过程中完成。

a.头部模板匹配

安检图像头部中心行坐标hrowctr已经获得，还需要计算头部中心列坐标才能与头部模板进行匹配计算。本发明通过模板图像与安检图像进行滑窗匹配寻找与行坐标相对应的最佳匹配列坐标，获得最佳匹配后再进行模板匹配去噪。

安检图像头部中心行坐标为hrowctr，安检图像列中心坐标为实际情况中，安检图像头部中心列坐标与安检图像列中心坐标常常不重合，因此将安检图像列中心坐标扩展为区间其中，列坐标偏移量nshift的大小根据安检图像分辨率进行设置。

将头部模板中心行坐标与安检图像头部中心行坐标hrowctr对齐，头部模板中心列坐标依次与扩展区间中各列坐标对齐，每对齐一次，计算头部模板与头部模板所覆盖的安检图像部分对应像素点的像素值相乘并累计求和。扩展区间共有2nshi+1个像素，则得2nshift+1个图像乘积累积和，取累计和中最大数值所对应的列坐标作为安检图像头部中心列坐标hcolctr。

将头部模板中心坐标与安检图像头部中心坐标[hrowctr,hcolctr]对齐，并将头部模板与其覆盖的安检图像部分对应像素点的像素值相乘，即获得去除背景噪声的头部区域。生成一个与安检图像尺寸相同的空白图像idenoise，将去除背景噪声后的头部区域图像赋值到idenoise中，并使头部区域在安检图像和idenoise中位置相同，如图8所示。其中，hcolctr为安检图像头部中心列坐标。

b.躯干双腿模板匹配

与头部模板匹配方法类似，将安检图像列中心坐标扩展为区间其中，列坐标偏移量nshift大小根据安检图像分辨率进行设置。

将躯干双腿模板起始行坐标与安检图像中躯干双腿起始行坐标browbgn对齐，躯干双腿模板中心列坐标依次与扩展区间中各列坐标对齐，每对齐一次，计算躯干双腿模板与其所覆盖的安检图像部分对应像素点的像素值相乘并累计求和。扩展区间共有2nshift+1个像素，则得2nshi+1个图像乘积累积和，取累计和中最大数值所对应的列坐标作为安检图像躯干双腿的中心列坐标bcolctr。

将躯干双腿模板起始行中心坐标与安检图像躯干起始行中心坐标[browbgn,bcolctr]对齐，并将躯干双腿模板与其覆盖的安检图像部分对应像素点的像素值相乘，即获得去除背景噪声的躯干双腿图像。将去噪后的躯干双腿图像赋值到idenoise中，并使躯干双腿在安检图像和idenoise中位置相同，如图9所示。

c.左手臂模板、右手臂模板匹配

左右手臂模板匹配需要对左手臂和右手臂分别进行匹配，由于手臂区域中心线不在图像列中心线上，因此需要对左右手臂的列匹配区域重新计算。定义安检图像中左侧手臂为人体右手臂，安检图像右侧手臂为人体左手臂。规定人体右手臂的列坐标扩展区间为人体左手臂的列坐标扩展区间为

在对人体右手臂进行模板匹配时，将右手臂模板起始行坐标与安检图像的左右手臂起始行坐标arowbgn对齐，右手臂模板中心列坐标依次与实际右手臂的列坐标扩展区间中各列坐标对齐，每对齐一次，计算右手臂模板与其所覆盖的安检图像部分对应像素点的像素值相乘并累计求和。扩展区间共有个像素，则得个图像乘积累积和，取累计和中最大数值所对应的列坐标作为人体右手臂的中心列坐标acolleft。将右手臂模板起始行中心坐标与安检图像的人体右手臂起始行中心坐标[arowbgn,acolleft]对齐，并将右手臂模板与其覆盖的安检图像部分对应像素点的像素值相乘，即获得去除背景噪声的右手臂图像。将去除背景噪声后的右手臂图像赋值到idenoise中，并使右手臂在安检图像和idenoise中位置相同。

在对人体左侧手臂进行模板匹配时，将左手臂模板起始行坐标与arowbgn对齐，左手臂模板中心列坐标依次与扩展区间中各列坐标对齐，每对齐一次，计算左手臂模板与其所覆盖的安检图像部分对应像素点的像素值相乘并累计求和。扩展区间共有个像素，则得个图像乘积累积和，取累计和中最大数值所对应的列坐标作为安检图像中人体左手臂的中心列坐标acolright。将左手臂模板起始行中心坐标与安检图像中人体左手臂起始行中心坐标[arowbgn,acolright]对齐，并将左手臂模板与其覆盖的安检图像部分像素点的像素值对应相乘，即获得去除背景噪声的左手臂图像。将去除背景噪声后的左手臂图像赋值到idenoise中，并使左手臂在安检图像和idenoise中位置相同，如图10所示。idenoise为去除背景噪声后的最终安检图像。

本发明与现有技术相比，其显著优点为：

(1)本发明采用模板匹配方法，模板以外的图像部分不会体现在去噪后的图像中，因此能够彻底去除背景噪声；

(2)本发明采用的模板匹配方法中图像与模板相乘操作对目标本身的幅度没有改变，模板中目标与背景边缘采用的渐变数值主要用于目标与图像背景平滑过渡；

(3)本发明不需要在变换域滤波，不需要对图像进行遍历搜索滤波，也不需要迭代计算，因此算法结构简单能够达到实时去噪。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。