一种基于图像分割机制的超高频RFID空心目标成像方法

一种基于图像分割机制的超高频rfid空心目标成像方法
技术领域
1.本发明属于移动无线通信技术领域，设计一种适于超高频rfid空心目标成像方法。


背景技术：

2.随着射频网络的激增以及移动设备的不断进步，物联网技术高速发展，为非接触式环境感应实现新型情景感知打开了大门，并在物流仓储、智慧空间、智能家居等领域得到广泛的应用。作为物联网技术的重要组成部分，被动式目标成像技术由于无需在监测目标上附着任何设备，降低了监测过程的主动配合要求。
3.作为非接触性识别技术的重要组成部分，rfid技术以其非接触、非视距、快速读写、移动识别等特点被广泛应用于各领域。典型的rfid系统组成一般由阅读器、电子标签、天线以及后台处理器四个部分组成。传统rfid成像系统利用目标引起的相位变化获得信号在目标内部各个角度总的传播距离，进而对获得的传播距离进行拼接成像。但是对于空心目标，信号在其内部的传播过程不完全具有“连续性”，致使系统难以对空心目标成像。针对这一问题，本发明提出一种基于图像分割机制的超高频rfid空心目标成像方法。


技术实现要素：

4.本发明的目的是，提供一种基于图像分割机制的超高频rfid空心目标成像方法。解决现有技术在对空心目标成像时精度低、实施复杂度高、高耗能的问题。本发明采用的技术方案是，利用超高频rfid技术获取目标估计图像，基于灰狼算法对估计图像进行寻优，具体包括以下步骤：
5.步骤1：搭建基于图像分割机制的超高频rfid空心目标成像系统，系统由阅读器、标签阵列、天线、后台处理器组成，成像方法的框架主要包括四部分：数据采集与预处理、初始轮廓构建、基于分立标签阵列的目标图像估计、对估计图像进行最大重叠度寻优；
6.步骤2：建立载波相位估计模型，当阅读器与标签阵列之间没有成像目标时，阅读器测得的相位可以表示为φ＝(4πlf/c)mod 2π＝(4πl/λ)mod 2π，其中，l表示阅读器与标签阵列之间的距离，f表示载波信号频率，c表示光速，λ表示信号波长，mod表示取余运算，定义成像目标阻挡直达路径前后测得的相位分别是φ
air
和φ
tar
，则由目标引起的相位变化可以表示为δφ，δφ＝φ
tar-φ
air
＝[2d(β
tar-β
air
)]mod 2π，其中，d表示载波信号在目标内部的传播距离，λ
air
和λ
tar
分别表示在空气中和目标中的信号波长，β
air
＝2π/λ
air
和β
tar
＝2π/λ
tar
分别表示在空气中和在目标中信号的相位常数，根据上述相位差δφ，建立基于相位差的传播距离d的估计表达式，d＝(δφ+2ξπ)/(β
tar-β
air
)，其中，ξ是一个整数，对于尺寸小于载波信号波长的成像目标，通常取0；
[0007]
步骤3：令阅读器按照既定轨迹动态获取目标引起的相位变化值，δφ＝{φ1，φ2，
…
φn}-{φ
′1，φ
′2，
…
φ
′n}＝{δφ1，δφ2，
…
δφn}，其中，φi，(i＝1，2
…
n)为没有目标时阅读器在n个连续角测得的相位，φ
′i，(i＝1，2
…
n)为目标存在时阅读器在n个连续
角测得的相位，利用多径抑制的方法减少多径效应对相位的影响，进而得到准确的物体内部距离d，为实现图像拼接，需要准确构建目标初始轮廓，采用基于滑动窗口的累积相位变化方法来检测目标边界，利用目标引起的相位变化检测目标边界的角度，通过比较相位变化和预设的经验阈值来确定该标签阵列下测得的成像目标的两条边界，利用不同标签阵列测得目标的角度边界构成成像置信域，该置信域由一四边形围成，并且可被该四边形表示；
[0008]
步骤4：在步骤3得到的成像置信域每边任取一点，采用直线形式将这四个点依次连接构成目标初始外轮廓，即四个点分别为外轮廓的四个顶点，设定空心目标满足“内外轮廓一致性”，即外轮廓任意一点(x，y)到o点(x0，y0)的距离r和内轮廓上的点到o点的距离r满足r＝αr，且满足三点共线，α为比例系数，则该点与其内轮廓的对应点的坐标为(x+α(x
0-x)，y+α(y
0-y))，得到四个内轮廓点的坐标后用直线依次连接，得到目标初始内轮廓；
[0009]
步骤5：对于空心成像目标，阅读器天线在特定方向上测得的传播距离不再是连续的物体内部传播距离，而是两段传播距离的和，导致直接采用步骤2中的物体内部传播距离的模型难以获得精确测距信息，为了解决上述问题，提出基于图像分割机制的目标内部传播距离的估计方法，首先，利用目标引起的相位变化计算信号在目标内部各个方向的传播距离，然后根据步骤4构建的目标内外初始轮廓进行图像分割，将成像置信域分割为区域1、区域2和区域3，在区域1和区域3内，信号的传播过程为空气至目标内部至空气，在这两个区域内测得的传播距离被称为整体传播距离，可以直接用于空心目标成像，在区域2内信号的传播过程分为两段：空气至目标内部至目标空心部分至目标内部至空气，该区域内的传播距离被称为混合传播距离，该区域内的传播距离d
x
由两部分组成，即d
x
＝d1+d2，d1，d2分别表示信号穿过第一段、第二段目标内部时的传播距离，在计算d1时，假设外轮廓上任意一点p1和该方向内轮廓上的点p2的坐标分别为(x1，y1)和(x2，y2)，则第一段传播距离为进而第二段传播距离可以被估计为d2＝d
x-d1；
[0010]
步骤6：根据步骤5中分割图像，将空心成像分为两部分进行，首先对区域1和区域3进行成像，对于标签阵列1，选择离它最近的两条外轮廓，假定区域1和区域3内传播距离的起始点位于这两条边上，按照不同的方向将传播距离拼接起来，获得目标的估计图像，然后对区域2进行成像，假定两条外轮廓位于区域2内的点是第一段目标内部传播距离的起始点，则对第二段目标内部传播距离拼接时，选择离阵列1最远的两条内轮廓作为传播距离的起始点，将不同方向的传播距离按照对应的起始点拼接，得到区域2的估计图像，最后将分割的3个区域的估计图像合并得到阵列1的目标整体估计图像，同理，阵列2也得到一个目标整体估计图像；
[0011]
步骤7；为得到最准确的目标图像，提出空心目标成像的优化问题模型对步骤6获得的估计图像进行优化，即将外轮廓四个顶点的横坐标{x1，x2，x3，x4}和目标内外轮廓比α的集合ω作为优化变量，以两个阵列所得估计图像的重叠度最大化为优化方向，构建超高频rfid空心目标成像方法的优化模型，上述优化问题模型可以表述为：ω＝(x1，x2，x3，x4，α)，os(ω)＝arg(max(f))，其中，os(ω)是该优化方法的最优解，f是基于重叠度的全局优化目标函数，其取值范围是0到1之间，os(ω)＝arg(max(f))是指当f取最大值时，ω的变量取值；
[0012]
步骤8：引入灰狼优化算法对步骤7的f进行全局优化，首先构建灰狼社会等级模型，
将种群中重叠度最大的三个解定义为α狼、β狼和δ狼，其余的解被定义为ω狼，在搜索猎物的过程中，种群中的灰狼根据公式中的灰狼根据公式和逐步更新自身位置，其中，t表示当前迭代，和为系数向量，为猎物的位置向量，为灰狼的位置向量，在迭代过程中由2线性降到0，和是处于0和1之间的随机向量；
[0013]
步骤9：在每次迭代过程中，保留当前种群中最好的三只狼(α狼、β狼和δ狼)，利用步骤9：在每次迭代过程中，保留当前种群中最好的三只狼(α狼、β狼和δ狼)，利用步骤9：在每次迭代过程中，保留当前种群中最好的三只狼(α狼、β狼和δ狼)，利用以及灰狼的位置信息来更新α狼、β狼、δ狼和ω狼的位置，其中，和分别表示当前种群中α、β和δ的位置向量，和分别表示当前候选灰狼与最优三只狼之间的距离，当|a|＞1时，灰狼之间尽量分散在各区域并搜寻猎物，当|a|＜1时，灰狼将集中搜索某个或某些区域的猎物，当t达到迭代次数上限时，将当前重叠度最大的两个阵列估计图像合并，得到最优的目标水平截面估计图像。
[0014]
本发明实现了一种基于图像分割机制的超高频rfid空心目标成像方法，该方法将系统中的外轮廓四个点的横坐标和目标内外轮廓比的集合作为优化变量作为优化变量，以最大重叠度函数为全局优化目标函数。引入灰狼算法对优化问题进行求解，从而避免算法陷入局部最优，在保证算法收敛速度的同时，提高了寻优精度。
附图说明：
[0015]
图1是本发明流程框图；
[0016]
图2是本发明基于相位的目标成像系统成像部署示意图；
[0017]
图3是本发明的本发明的图像区域分割示意图；
[0018]
图4是本发明的优化算法程序框图；
[0019]
图5是本发明的区域分割示意图；
[0020]
图6是空心目标整体估计图像示意图；
[0021]
图7是本发明的迭代过程优化曲线；
[0022]
图8是本发明的仿真结果图。
具体实施方式：
[0023]
本发明的目的是提出一种基于图像分割机制的超高频rfid空心目标成像方法，该方法考虑了空心目标内部信号传播距离不连续的特点，并根据“内外轮廓一致性”以及图像分割机制得到了更为准确的空心目标内部的信号传播距离模型，从而实现了对空心目标的更为准确地成像。本发明相较于以前的方法
[0024]
下面结合附图1、附图2、附图3、附图4、附图5、附图6、附图7对本发明实施方式作进
一步地详细描述。
[0025]
本发明的设计框架如附图1所示，首先搭建超高频rfid空心目标成像系统，系统框架主要包括四部分：数据采集和预处理、始轮廓构建、基于分立标签阵列的目标图像估计、对估计图像进行最大重叠度寻优，主要由阅读器、天线、标签阵列、后台处理器等设备组成。
[0026]
按照附图2完成系统的搭建后，建立载波相位估计模型，当阅读器与标签阵列之间没有成像目标时，阅读器测得的相位可以表示为φ＝(4πlf/c)mod 2π＝(4πl/λ)mod 2π，其中，l表示阅读器与标签阵列之间的距离，f表示载波信号频率，c表示光速，λ表示信号波长，mod表示取余运算。定义成像目标阻挡直达路径前后测得的相位分别是φ
air
和φ
tar
，则由目标引起的相位变化可以表示为δφ，δφ＝φ
tar-φ
air
＝[2d(β
tar-β
air
)]mod 2π，其中，d表示载波信号在目标内部的传播距离，λ
air
和λ
tar
分别表示在空气中和目标中的信号波长，β
air
＝2π/λ
air
和β
tar
＝2π/λ
tar
分别表示在空气中和在目标中信号的相位常数。根据上述相位差δφ，建立基于相位差的传播距离d的估计表达式，d＝(δφ+2ξπ)/(β
tar-β
air
)，其中，ξ是一个整数，对于尺寸小于载波信号波长的成像目标，通常取0。
[0027]
然后，令阅读器按照既定轨迹动态获取目标引起的相位变化值，δφ＝{φ1，φ2，
…
φn}-{φ
′1，φ
′2，
…
φ
′n}＝{δφ1，δφ2，
…
δφn}，其中，φi为没有目标时阅读器在n个连续角测得的相位，φ
′i为目标存在时阅读器在n个连续角测得的相位，利用多径抑制的方法减少多径效应对相位的影响，进而得到准确的物体内部距离d，为实现图像拼接，需要准确构建目标初始轮廓，采用基于滑动窗口的累积相位变化方法来检测目标边界，利用目标引起的相位变化检测目标边界的角度，通过比较相位变化和预设的经验阈值来确定该标签阵列下测得的成像目标的两条边界，利用不同标签阵列测得目标的角度边界构成成像置信域，如附图5所示，该置信域由一四边形q1q2q3q4围成，并且可被该四边形表示。在得到的成像置信域每边任取一点：v1、v2、v3和v4，采用直线形式将这四个点依次连接，可得到目标初始外轮廓，设定空心目标满足“内外轮廓一致性”，即外轮廓上的点到目标几何重心o点的距离r和内轮廓上的点到o点的距离r满足r＝αr，α为比例系数，设外轮廓上v1点的坐标为(x1，y1)，o点坐标为(x0，y0)，则该点与其内轮廓的对应点v1的坐标为(x1+α(x
0-x1)，y1+α(y
0-y1))，同理可得到其余三个内轮廓点v2、v3、v4的坐标，将其依次连接，得到初始内轮廓，如附图3所示。
[0028]
对于空心成像目标，阅读器天线在某些方向上测得的传播距离不再连续，即在特定方向上测得的传播距离不再是连续的物体内部传播距离，而是两段传播距离的和，导致物体内部传播距离的模型不再准确，为了解决上述问题，提出基于图像分割机制的目标内部传播距离的估计方法。首先，利用目标引起的相位变化计算信号在目标内部各个方向的传播距离，然后根据上述构建的目标内外初始轮廓进行图像分割，将成像置信域分割为区域1、区域2和区域3，如附图5所示。在区域1和区域3内，信号的传播过程为空气至目标内部至空气，在这两个区域内测得的传播距离被称为整体传播距离，可以直接用于空心目标成像，在区域2内信号的传播过程为空气至目标内部至目标空心部分至目标内部至空气，该区域内的传播距离被称为混合传播距离，该区域内的传播距离d
x
由两部分组成，即d
x
＝d1+d2，d1，d2分别表示信号穿过第一段、第二段目标内部时的传播距离。在计算d1时，假设外轮廓上任意一点p1和该方向内轮廓上的点p2的坐标分别为(x1，y1)和(x2，y2)，且可通过内外初始轮廓获得，则第一段传播距离为进而第二段传播距离可以被
估计为d2＝d
x-d1。
[0029]
根据附图5分割的图像，将空心成像分为两部分进行，首先对区域1和区域3进行成像，对于标签阵列1，选择离它最近的两条外轮廓，假定区域1和区域3内传播距离的起始点位于这两条边上，按照不同的方向将传播距离拼接起来，获得目标的估计图像，然后对区域2进行成像，假定两条外轮廓位于区域2内的点是第一段目标内部传播距离的起始点，对第二段目标内部传播距离拼接时，选择离阵列1最远的两条内轮廓作为传播距离的起始点，将不同方向的传播距离按照对应的起始点拼接，得到区域2的估计图像，最后将分割的3个区域的估计图像合并得到阵列1的目标整体估计图像，同理，阵列2也得到一个目标整体估计图像，如附图6所示。为得到最准确的目标图像，提出空心目标成像的优化问题模型对附图6的估计图像进行优化，即将外轮廓四个点的横坐标{x1，x2，x3，x4}和目标内外轮廓比α的集合ω作为优化变量，以两个阵列所得估计图像的重叠度最大化为优化方向，构建超高频rfid空心目标成像方法的优化模型，上述优化问题模型可以表述为：ω＝(x1，x2，x3，x4，α)，os(ω)＝arg(max(f))，其中，os(ω)是该优化方法的最优解，f是基于重叠度的全局优化目标函数，其取值范围是0到1之间，arg(max(f))是指当f取最大值时，ω的变量取值。
[0030]
引入灰狼优化算法对上述优化目标函数f进行全局优化，首先构建灰狼社会等级模型，将种群中重叠度最大的三个解定义为α狼、β狼和δ狼，其余的解被定义为ω狼，在搜索猎物的过程中，灰狼根据公式和逐步更新自身位置，其中，t表示当前迭代，和为系数向量，为猎物的位置向量，为灰狼的位置向量，在迭代过程中由2线性降到0，和是处于0和1之间的随机向量。在每次迭代过程中，保留当前种群中最好的三只狼(α狼、β狼和δ狼)，利用量。在每次迭代过程中，保留当前种群中最好的三只狼(α狼、β狼和δ狼)，利用量。在每次迭代过程中，保留当前种群中最好的三只狼(α狼、β狼和δ狼)，利用以及它们的位置信息来更新α狼、β狼、δ狼和ω狼的位置，其中，和分别表示当前种群中α、β和δ的位置向量，和分别表示当前候选灰狼与最优三只狼之间的距离，当|a|＞1时，灰狼之间尽量分散在各区域并搜寻猎物，当|a|＜1时，灰狼将集中搜索某个或某些区域的猎物，包括ω狼，当达到迭代次数时，将当前重叠度最大的两个阵列估计图像合并，得到最优的目标水平截面估计图像。
[0031]
以下为具体实施：如图2所示，成像场景大小为3m
×
3m，两个标签阵列中心的位置分别为(150cm，0)和(0，150cm)，并且每个阵列由8个标签组成，相邻标签之间的距离为4cm，待测目标处于xoy平面内。阅读器按既定的轨迹在xoy平面内移动。对于无目标场景，记录阅读器在移动过程中每个标签的相位值，该过程只需执行一次。由于同阵列内相邻标签的间隔比阅读器与标签阵列的之间距离小得多，将标签间的间隔忽略不计，合理假设同一阵列中的标签位置相同，然后计算每个阵列中所有标签对应角度的平均值，将这组平均相位值作为后续相位变化的参考基准。然后，按照上述步骤，对有目标的场景进行相位采集，成像。
[0032]
得到估计图像后，引入灰狼算法对估计图像进行最大重叠度寻优，设置种群数量
为40，迭代次数设置为300次，随着迭代次数不断增加，重叠度也在不断上升，附图7为在不同噪声环境下迭代过程的重叠度曲线，到达迭代次数后输出重叠度最大的图像。附图8为最大重叠度寻优后的结果，预设实际目标的四个顶点的坐标分别为(130cm，160cm)、(160cm，200cm)、(210cm，150cm)、(170cm，120cm)，得到的估计图像的四个顶点坐标依次为：(130.5433cm，155.6532cm)、(157.8117cm，199.3162cm)、(209.8413cm，149.8497cm)、(172.4610cm，119.7631cm)。为更好评价成像结果，提出基于目标估计图像偏离度的成像精度评价方法，将目标估计图像的误差量化，针对任意目标的估计图像，其偏离度p为：其中，(x
′n，y
′n)表示目标估计图像轮廓上第n个点的坐标；(xn，yn)表示目标实际轮廓上第n个点的坐标；n表示轮廓点的数量。根据结果可知：四个顶点的最大误差为4.3468cm，最小误差为0.1503cm，偏离度为2.3411cm。上述结果表明本专利提出的成像方法具有良好的成像精度。