基于模糊局部信息C均值的太赫兹图像目标检测

江天; 沈会良; 杨冬晓; 刘建军; 邹哲

doi:10.7510/jgjs.issn.1001-3806.2015.03.001

高级检索

ISSN 1001-3806CN 51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于模糊局部信息C均值的太赫兹图像目标检测

江天 , 沈会良 , 杨冬晓 , 刘建军 , 邹哲

文章导航 > 激光技术 > 2015 > 39(3): 289-294

引用本文:

Citation:

基于模糊局部信息C均值的太赫兹图像目标检测

1.
浙江大学信息与电子工程学系, 杭州 310027;
2.
中国计量学院太赫兹技术与应用研究所, 杭州 310018

作者简介: 江天(1986-),男,博士研究生,现主要从事太赫兹成像方面的研究。.

通讯作者: 杨冬晓, yangdx@zju.edu.cn ;

基金项目:
国家自然科学基金资助项目(61371160;60971059)
中图分类号: TP274⁺.5

Target detection of THz images based on C-means of fuzzy local information

1.
Department of Information Science & Electronic Engineering, Zhejiang University, Hangzhou 310027, China;
2.
Centre for Terahertz Research, China Jiliang University, Hangzhou 310018, China

Corresponding author: YANG Dongxiao, yangdx@zju.edu.cn ;

CLC number: TP274⁺.5

摘要: 为了克服返波管太赫兹连续波成像系统所获取图像存在的对比度低、干涉条纹强等缺陷,较好地区分出目标和背景,避开不规则干涉条纹的干扰,采用基于模糊局部信息C均值的聚类算法用于目标检测,并针对太赫兹图像性质,对其中的隶属度函数进行了改进。结果表明,新的聚类分割算法适用于具有不规则条纹干扰下的太赫兹连续波图像,能较好地提取出图像中的目标,较经典图像聚类算法具有更好的目标检测精度。
- 图像处理 /
- 太赫兹连续波成像 /
- 聚类 /
- 模糊局部信息 /
- 隶属度加权
Abstract: In order to overcome the backwards, such as low contrast and strong interference fringes of the images captured by terahertz(THz) continuous wave imaging system based on backward wave oscillator, to detect target objects from background and avoid the disturbance of the irregular interference fringes, the cluster method based on C-means of fuzzy local information was used to target detection and the membership function was improved so that it was suitable to terahertz images. Experiment results show that the proposed clustering algorithm can detect target objects from terahertz images corrupted with irregular interference fringes and has better accuracy than the classic image clustering algorithm.
- image processing /
- THz continuous wave imaging /
- clustering /
- fuzzy local information /
- membership weight

[1]	HOUSHMAND K, TIZHOOSH H R. Filtering and fusion of THz images for defect detection in composite materials[C]// Proceeding of IEEE International Conference on Fuzzy Systems. New York,USA:IEEE,2008:1301-1305.
[2]	ZOU Y Y, GE Q P, HAN Y, et al. Stripe noise of THz image processing based on frequency filtering[J].Computer Engineering and Applications,2009,45(17):241-243(in Chinese).
[3]	LI Q, XIA Z W, DING S H, et al. Image denoising of CW THz images by use of non-local mean [J].Infrared and Laser Engineering,2012,41(2):517-522(in Chinese).
[4]	XU Y ,HONG Z. Study of multi-scale enhancement algorithm for THz images combining wavelet denoising[J].Chinese Journal of Sensors and Actuators,2011,24(3):398-401(in Chinese).
[5]	KRINIDIS S, CHATZIS V. A robust fuzzy local information C-means clustering algorithm[J]. IEEE Transactions on Image Processing,2010,19(5):1328-1337.
[6]	BEZDEK J C. Pattern recognition with fuzzy objective function algorithms[M]. New York,USA: Plenum Press, 1981: 1-13.
[7]	WANG Q, CHI X, LI Q. Imaging theory and development of THz free electron lasers[J].Laser Technology,2006,30(6):643-646(in Chinese).
[8]	WANG L F, LI J, HONG Z.CW terahertz image system for detecting defects in phenolic foam[J].Optical Instruments,2010,32(1):13-15(in Chinese).
[9]	YIN Q G. Applied research of markov random field in continuous-wave terahrtz image processing[D]. Haerbin: Harbin Institute of Technology, 2009:23-25(in Chinese).
[10]	OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man and Cybernetics,1979,9(1):62-66.
[11]	RANJITH U, CAROLINE P, MARTIAL H. Toward objective evaluation of image segmentation algorithms[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(6):929-944.
[12]	CELIK T, LEE H K. Comments on A robust fuzzy local information C-means clustering algorithm [J].IEEE Transactions on Image Processing, 2013,22(3): 1258-1261.
[13]	MAcQUEEN J. Some methods for classification and analysis of multivariate observations[C]//Procedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability. Berkeley,USA: University of California Press, 1967:281-297.

[1]	赵蓉 , 顾国华 , 杨蔚 . 基于偏振成像的可见光图像增强. 激光技术, 2016, 40(2): 227-231. doi: 10.7510/jgjs.issn.1001-3806.2016.02.016
[2]	陈树越 , 刘金星 , 丁艺 . 基于小波变换的红外与X光图像融合方法研究. 激光技术, 2015, 39(5): 685-688. doi: 10.7510/jgjs.issn.1001-3806.2015.05.021
[3]	张凡 . 红外图像改进非局部均值滤波算法研究. 激光技术, 2015, 39(5): 662-665. doi: 10.7510/jgjs.issn.1001-3806.2015.05.016
[4]	李庆辉 , 李艾华 , 姜柯 , 赵少宁 . HIS空间的火灾图像模糊增强快速算法. 激光技术, 2014, 38(1): 137-140. doi: 10.7510/jgjs.issn.1001-3806.2014.01.030
[5]	郭佑东 , 凌福日 , 姚建铨 . 基于梯度变换的太赫兹图像超分辨率重建. 激光技术, 2020, 44(3): 271-277. doi: 10.7510/jgjs.issn.1001-3806.2020.03.001
[6]	葛雯 , 姬鹏冲 , 赵天臣 . NSST域模糊逻辑的红外与可见光图像融合. 激光技术, 2016, 40(6): 892-896. doi: 10.7510/jgjs.issn.1001-3806.2016.06.024
[7]	何易德 , 朱斌 , 姜湖海 , 刘书信 , 李黎明 , 胡绍云 . 红外图像多尺度统计和应用先验去模糊模型. 激光技术, 2023, 47(3): 360-365. doi: 10.7510/jgjs.issn.1001-3806.2023.03.012
[8]	孙颖馨 . 基于FPGA红外成像光谱数据处理系统研究. 激光技术, 2019, 43(6): 763-767. doi: 10.7510/jgjs.issn.1001-3806.2019.06.006
[9]	田猛 , 高向东 , 谢岳轩 , 张艳喜 . 焊接缺陷磁光成像噪声特征分析及处理算法. 激光技术, 2023, 47(5): 646-652. doi: 10.7510/jgjs.issn.1001-3806.2023.05.011
[10]	张雷 , 罗长更 , 张颖颖 , 李根全 , 杨兴强 , 王肖霞 . 基于支持度变换的红外与可见光图像融合算法. 激光技术, 2015, 39(3): 428-431. doi: 10.7510/jgjs.issn.1001-3806.2015.03.032
[11]	曹国强 , 刘禹廷 , 王琳霖 . 改进非下采样轮廓波在散斑条纹中的滤波处理. 激光技术, 2019, 43(2): 269-274. doi: 10.7510/jgjs.issn.1001-3806.2019.02.022
[12]	朱文艳 , 李莹 , 袁飞 , 冯少彤 , 聂守平 . 基于JPEG压缩编码的小波域多图像融合算法研究. 激光技术, 2014, 38(3): 425-430. doi: 10.7510/jgjs.issn.1001-3806.2014.03.031
[13]	陈锋 , 张闻文 , 虞文俊 , 陈钱 , 顾国华 . 基于小波变换的EMCCD微光图像融合算法. 激光技术, 2014, 38(2): 155-160. doi: 10.7510/jgjs.issn.1001-3806.2014.02.003
[14]	刘艾琳 . 基于提升小波变换的红外图像双重滤波算法. 激光技术, 2015, 39(4): 545-548. doi: 10.7510/jgjs.issn.1001-3806.2015.04.026
[15]	郎川萍 , 杨仁怀 . 基于改进脊波变换的红外视频图像高质量复原. 激光技术, 2015, 39(2): 247-251. doi: 10.7510/jgjs.issn.1001-3806.2015.02.022
[16]	刘凯 , 王慧琴 , 吴萌 , 相建凯 , 卢英 . 基于提升小波的古铜镜X光图像融合方法研究. 激光技术, 2020, 44(1): 113-118. doi: 10.7510/jgjs.issn.1001-3806.2020.01.020
[17]	高颖 , 王阿敏 , 王凤华 , 郭淑霞 . 改进的小波变换算法在图像融合中的应用. 激光技术, 2013, 37(5): 690-695. doi: 10.7510/jgjs.issn.1001-3806.2013.05.028
[18]	虞文俊 , 顾国华 , 杨蔚 . 基于小波变换的红外偏振图像融合算法. 激光技术, 2013, 37(3): 289-292. doi: 10.7510/jgjs.issn.1001-3806.2013.03.004
[19]	梁宇龙 , 段发阶 . 基于密度聚类的光条中心线提取方法. 激光技术, 2020, 44(4): 459-465. doi: 10.7510/jgjs.issn.1001-3806.2020.04.011
[20]	李丹 , 饶云坤 , 凌福日 . 基于太赫兹相干层析成像系统色散补偿的研究. 激光技术, 2017, 41(6): 779-783. doi: 10.7510/jgjs.issn.1001-3806.2017.06.002

点击查看大图

计量

文章访问数: 2930
HTML全文浏览量: 639
PDF下载量: 473
被引次数: 0

基于模糊局部信息C均值的太赫兹图像目标检测

通讯作者: 杨冬晓, yangdx@zju.edu.cn;

作者简介: 江天(1986-),男,博士研究生,现主要从事太赫兹成像方面的研究。

1. 浙江大学信息与电子工程学系, 杭州 310027;
2. 中国计量学院太赫兹技术与应用研究所, 杭州 310018

收稿日期: 2014-05-07
录用日期: 2014-05-28
网络出版日期: 2015-05-25

基金项目: 国家自然科学基金资助项目(61371160;60971059)

关键词:

摘要: 为了克服返波管太赫兹连续波成像系统所获取图像存在的对比度低、干涉条纹强等缺陷,较好地区分出目标和背景,避开不规则干涉条纹的干扰,采用基于模糊局部信息C均值的聚类算法用于目标检测,并针对太赫兹图像性质,对其中的隶属度函数进行了改进。结果表明,新的聚类分割算法适用于具有不规则条纹干扰下的太赫兹连续波图像,能较好地提取出图像中的目标,较经典图像聚类算法具有更好的目标检测精度。