利用截面序列多级特征全局关联性的毫米波图像隐匿物检测

• Published in: 红外与毫米波学报 Vol. 40; no. 6; pp. 738 - 748
• Main Authors: 何婉婷, 张铂, 王斌, 孙晓玮, 杨明辉, 吴晓峰
• Format: Journal Article
• Language: Chinese
• Published: 复旦大学电磁波信息科学教育部重点实验室,上海,200433 01.12.2021; 复旦大学信息学院智慧网络与系统研究中心,上海,200433%中国科学院上海微系统与信息技术研究所中科院太赫兹固态技术重点实验室,上海,200050
• Subjects: 毫米波图像;三维图像;目标检测;深度学习;卷积神经网络;长短时记忆网络
• ISSN: 1001-9014
• DOI: 10.11972/j.issn.1001-9014.2021.06.006

TP751; 基于毫米波图像的隐匿物检测技术在无接触式人体安检中具有重要意义.目前,毫米波设备已实现三维成像,但隐匿物检测算法通常将其简单压缩为二维图像进行目标检测,未能充分利用图像深度方向的信息.针对这一问题,提出一种毫米波图像隐匿物检测框架,将三维图像视为截面序列并充分利用其截面内特征沿序列(即深度方向)的内在逻辑关系.该框架由卷积神经网络与长短时记忆网络构成,前者用于提取截面的粗细粒度特征,后者用于提取上述特征沿深度方向的全局关联性,实现特征级信息融合,从而提高隐匿物二维定位准确率.实验结果表明,与现有主流毫米波图像隐匿物检测方法相比,所提模型能大幅提高检测精度.