本技术公开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：构建模板图像；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；对模板图像进行重采样；模板匹配。本技术采用模板匹配方法，模板以外的图像部分不会体现在去除背景噪声后的安检图像中，因此能够彻底去除背景噪声。
技术要求
1.一种利用模板匹配的安检图像背景噪声去除方法，其特征在于，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。
2.根据权利要求1所述的利用模板匹配的安检图像背景噪声去除方法，其特征在于，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。
3.根据权利要求2所述的利用模板匹配的安检图像背景噪声去除方法，其特征在于，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Thhead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HRow
Ctr的偏移量。
4.根据权利要求3所述的利用模板匹配的安检图像背景噪声去除方法，其特征在于，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。
5.根据权利要求4所述的利用模板匹配的安检图像背景噪声去除方法，其特征在于，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NShift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。
技术说明书
一种利用模板匹配的安检图像背景噪声去除方法
技术领域
本技术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
模板图片 背景声等因素的影响。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。Qiaosong Sun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。
Hongyi Ye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。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。