[发明专利]一种基于卷积神经网络的毫米波图像处理方法

说明书

本发明公开了一种基于卷积神经网络的毫米波图像处理方法及系统，属于毫米波图像处理技术领域，包括以下步骤：S1：接收毫米波原始图像；S2：对毫米波原始图像进行处理；S3：以三维动态的方式显示处理后的毫米波图像。本发明由于采用了基于卷积神经网络的处理方法，能够实现对毫米波图像快速精准处理，有效地去除冗余信息，极大程度保留了毫米波图像中的有效信息，一定程度上提升了毫米波主动式成像设备的使用性能；在此基础上，对毫米波图像进行隐私处理，从而实现对测试者成像的隐私部位进行隐私处理，避免了隐私泄露的危险；并且将处理后的毫米波图像以三维动态显示方式显示在指定界面，使毫米波图像显示得更加直观。

技术领域

本发明涉及毫米波图像处理技术领域，具体涉及一种基于卷积神经网络的毫米波图像处理方法。

背景技术

毫米波主动成像技术的工作原理和雷达类似，设备首先向人体辐射毫米波，而后通过接收装置接收与人体进行相互作用后的毫米波电磁场，从而对人体进行成像。

目前国外市场上已经基本采用毫米波主动式成像，作为机场等高级别安检及一些重要场合的安检手段。但是由于毫米波成像的原理，造成设备成像的分辨率较高，存在图像冗余信息较多、隐私泄露等隐患。

现有的毫米波主动式成像设备，对于接收装置接收到的毫米波信号，直接进行成像。这种方式主要有两个缺点：对于未经过一定训练或培训的设备使用者来说，毫米波原始图像含有大量的冗余信息，不能直观的从图像中获取有效的信息；为保护被检测者的隐私问题，通常对于形成的毫米波原始图像不能对外公开，或者直接使用卡通图像替代。因此，提出一种基于卷积神经网络的毫米波图像处理方法。

发明内容

本发明所要解决的技术问题在于：如何实现对毫米波图像快速精准的处理，从而在保留更多有效信息的情况下对测试者所成的图像做出更好的保护，提供了一种基于卷积神经网络的毫米波图像处理方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：接收毫米波原始图像

接收由设备生成的毫米波原始图像，此设备为毫米波主动式成像设备；

S2：对毫米波原始图像进行处理

利用第一卷积神经网络对毫米波原始图像进行图像处理，去除毫米波原始图像中的冗余信息并保留有效信息，该第一卷积神经网络为全卷积神经网络，基于VGG16结构，并将VGG16结构中的全连接层更换为卷积层；

同时利用第二卷积神经网络对毫米波原始图像的隐私部位进行检测，得到隐私部位的坐标参数，该第二卷积神经网络为Darknet框架下的yolov3结构；

S3：以三维动态的方式显示处理后的毫米波图像

利用三维动态显示方法对步骤S2中经过第一卷积神经网络处理后的图像以及经过第二卷积神经网络检测得到的隐私部位坐标参数进行处理，处理完毕后，将毫米波图像以三维动态的方式显示，将处理后的毫米波图像以三维动态显示方式显示在指定界面，使毫米波图像显示得更加直观。

优选的，在所述步骤S2中，利用卷积神经网络对毫米波原始图像进行图像处理的过程包括以下步骤：

S201：设计第一卷积神经网络的结构，其网络各级结构如下：

第1层为两个步长为1，卷积核为3x3的卷积层，特征维度为64；

第2层为一个步长为2，池化核大小为2x2的池化层，特征维度为64；

第3层为两个步长为1，卷积核为3x3的卷积层，特征维度为128；

第4层为一个步长为2，池化核大小为2x2的池化层，特征维度为128；

第5层为三个步长为1，卷积核为3x3的卷积层，特征维度为256；