紧耦合型危险品特征增强毫米波安检成像方法

1.本发明属于毫米波安检成像技术领域，主要涉及一种紧耦合型危 险品特征增强毫米波安检成像方法。


背景技术：

2.当前国内机场安保存在的问题有安保资源投入大、安保管理效率 低、安保技术难以达到要求、安保技术不能满足旅客快速通关要求等。 传统的安检方式需要大量人力，并且使人身检察员暴露在潜在危险 中，无法做到让旅客更方便、快捷地通过安检或者安保的卡口。建设
ꢀ“
四型机场”当中的一个关键——“智慧机场”，在于如何优化传统 的安检方式，如何快速检测并预警携带枪支、炸药等危险品的人物， 由此对安检的要求大大提高。安检设备除了要具备穿透衣物、行李、 发现隐藏的危险品的能力之外，成像时间、图像清晰度、识别准确率 的要求也日益提高。
3.综合孔径雷达除具有全天时、全天候的特点以外，在发射大时宽 带宽积脉冲时能将有限孔径天线合成等效长孔径天线，从而获得距离 向-方位向高分辨率成像结果；毫米波是非电离的，单次安检辐射量 仅为手机信号的千分之一，极低辐射功率下不会对人体造成危害，目 前已成为机场安检的重要手段之一。传统的频域算法如：距离-多普 勒(range-dopp l er，简称rd)算法、ch i rp sca l i ng(cs)算法、距 离徙动算法(range migrat ion a l gor ithm，简称rma)都是基于远场 假设的前提下去除距离徙动，但毫米波安检成像属于近场成像，不满 足远场假设，由此引入近场时域成像算法——后向投影算法 (back-project ion，简称bp)。又由于bp算法是逐点计算，效率远 低于频域算法且不适合并行运算，因此难以满足安检高通量的要求。 由此研究者们在后向投影算法的基础上提出快速可分解后向投影算 法，此方法可用较少的角域采样点数得到粗角域分辨率的图像，可在 降低运算复杂度的同时节省运算时间。传统的成像方法主要依赖于傅 里叶变换(four ier transform)，其成像分辨率受带宽影响，且目 标的关键特征难以有效提取，从而使危险品检测的准确率降低。为了 将危险品潜在特征进行增强的同时又可获得高分辨成像结果，人们引 入了压缩感知(compressed sens i ng，简称cs)技术。压缩感知技术 指出：只要信号是可压缩的或信号在某个变换域是稀疏的，就可以用 一个与变换基不相关的观测矩阵将变换所得的高维信号投影到低维 空间上，从而得到稀疏解。稀疏恢复问题可以建模成典型的l1范数正 则化(least abso l ute shr i nkage and se l ect ion operator，简称 lasso模型)问题。但lasso模型仅能将强点增强，强散射点的旁瓣将 弱散射点的主瓣淹没，无法分辨弱散射点的特征，使得危险品精细的 结构特征在成像恢复中难以保留。


技术实现要素：

4.为了解决上述问题，本发明的目的在于提供一种紧耦合型危险品 特征增强毫米波安检成像方法。
5.为了达到上述目的，本发明提供的紧耦合型危险品特征增强毫米 波安检成像方
法包括按顺序进行的下列步骤：
6.步骤1，对利用主动式毫米波安检仪接收到的主动式毫米波人体 和危险品的回波复值型数据进行距离向去斜，然后利用快速可分解后 向投影算法对距离向去斜数据进行距离徙动校正，得到人体和危险品 的距离压缩域数据；
7.步骤2，结合回波复值型数据的信号模型，应用定量先验知识对 上述人体和危险品的距离压缩域数据及其特征进行建模；
8.步骤3，应用l1范数对建模后人体和危险品特显点特征进行表征， 应用l
f,1
范数对结构特征进行表征，得到含有特显点特征和结构特征 的联合目标函数；
9.步骤4，在交替方向多乘子方法框架下根据上述特显点特征和结 构特征的联合目标函数求解特征解析解，对特显点特征和结构特征协 同增强，最终获得多特征协同增强的人体和危险品高分辨雷达图像。
10.在步骤1中，所述对利用主动式毫米波安检仪接收到的主动式毫 米波人体和危险品的回波复值型数据进行距离向去斜，然后利用快速 可分解后向投影算法对距离向去斜数据进行距离徙动校正，得到人体 和危险品的距离压缩域数据的方法是：将主动式毫米波安检仪简化为 转台，雷达收发天线阵列沿人体高度向排布且安装在转台上，通电后 转台顺时针转动，利用雷达收发天线阵列对人体和危险品进行一周的 机械扫描获得射频回波数据，然后将射频回波数据经过中频解调获得 回波复值型数据，之后应用dechi rp法对回波复值型数据进行距离向 去斜，再结合快速可分解后向投影算法校正距离徙动，得到人体和危 险品的距离压缩域数据。
11.在步骤2中，所述结合回波复值型数据的信号模型，应用定量先 验知识对上述人体和危险品的距离压缩域数据及其特征进行建模的 方法是：将步骤1得到的距离压缩域数据表示为距离向sinc包络与 方位向线性相位的乘积，然后将人体和危险品回波数据的散射点进行 多点累积求和，再应用定量先验知识对求和后的人体和危险品的回波 复值型数据建模为线性回归模型。
12.在步骤3中，所述应用l1范数对建模后人体和危险品特显点特征 进行表征，应用l
f,1
范数对结构特征进行表征，得到含有特显点特征 和结构特征的联合目标函数的方法是：应用l1范数对建模后人体和危 险品特显点特征进行数学表征，建立特显点特征目标函数，应用l
f,1
范 数对结构特征进行数学表征，建立结构特征目标函数，最后得到含有 特显点特征和结构特征的联合目标函数。
13.在步骤4中，所述在交替方向多乘子方法框架下根据上述特显点 特征和结构特征的联合目标函数求解特征解析解，对特显点特征和结 构特征协同增强，最终获得多特征协同增强的人体和危险品高分辨雷 达图像的方法是：在交替方向多乘子方法框架下，将步骤3中的特显 点特征和结构特征的联合目标函数转化为约束性凸优化问题，然后建 立增广拉格朗日的优化方程，应用高斯-赛德尔方法进行迭代，从而 不断更新熵范数求解和软阈值求解，通过计算欧式距离的方法对雷达 收发阵列天线的回波复值型数据进行分组，通过设置一定阈值，将区 域结构特征信息归类，直到满足设定的停止准则时停止迭代，得到特 显点特征和结构特征的特征解析解，最终获得多特征协同增强的人体 和危险品高分辨雷达图像。
14.本发明与现有的技术相比具有以下优点：
15.本发明提供的紧耦合型危险品特征增强毫米波安检成像方法可 对危险品进行高分辨成像的同时保留其有用特征。通过近场时域成像 算法——快速可分解后向投影(ffbp)对人体与危险品进行成像；对 危险品的回波复值型数据进行特显点特征和结构特征的表征；并结合 交替方向多乘子方法进行多特征求解，不会造成误差传播；通过求解 危险品特征闭合解析解获取联合特征增强成像结果。且适用于复数 域，精度更高，保留了更多的相位信息，大大提高了危险品检测率。
附图说明
16.图1为本发明提供的紧耦合型危险品特征增强毫米波安检成像方 法流程图；
17.图2为本发明中采用的主动式毫米波安检仪示意图；
18.图3为本发明中采用的交替方向多乘子算法分解—调和框架示意 图；
19.图4为含危险品仿真人体模型成像结果图。图4(a)为经过快速 可分解后向投影算法后得到的方位向和高度向二维成像结果；图4(b) 为采用本发明方法处理后的成像结果。
具体实施方式
20.如图1所示，本发明提供的紧耦合型危险品特征增强毫米波安检 成像方法包括按顺序进行的下列步骤：
21.步骤1，对利用主动式毫米波安检仪接收到的主动式毫米波人体 和危险品的回波复值型数据进行距离向去斜，然后利用快速可分解后 向投影(ffbp)算法对距离向去斜数据进行距离徙动校正，得到人体 和危险品的距离压缩域数据；
22.所述主动式毫米波安检仪示意图如图2所示，将主动式毫米波安 检仪简化为转台，雷达收发天线阵列沿人体高度向排布且安装在转台 上，通电后转台顺时针转动，利用雷达收发天线阵列对人体和危险品 进行一周的机械扫描获得射频回波数据，然后将射频回波数据经过中 频解调获得回波复值型数据，之后应用dechi rp法对回波复值型数据 进行距离向去斜，再结合快速可分解后向投影算法校正距离徙动，得 到人体和危险品的距离压缩域数据。
23.对于任意时刻t，雷达收发天线阵列相位中心的位置用x
t
和y
t
表 示，其中x
t
和y
t
为关于时间t的函数，p0为雷达收发天线阵列照射场 景中任意的散射点，用p0(x0,y0)表示笛卡尔坐标系下散射点p0的位置， 成像采用可分解快速可分解后向投影算法，该散射点p0的回波复值型 数据表示为：
[0024][0025]
式中，为雷达收发天线阵列相位中心到任意的散射点p0的距离 矢量，为信号对应的波数矢量；为雷达收发天线阵列相位中心到 任意网格的距离矢量，k为波数矢量的模值，σ为散射系数；将表 示人体和危险品的回波复值型数据x(x,y)投影至极坐标系下得到复 值型数据x(ρ,θ)，引入一组正交的波数矢量和将所有距离矢 量和波数矢量沿正交的波数矢量和的方向进行分解，利用驻定 相位原理(posp)得到复值型数据x(ρ,θ)的近似表达式：
[0026]
x(ρ,θ)≈∫∫σexp[-j(ρ
0-ρ)
·kρ
]exp[-j(θ
0-θ)
·kθ
]dk
ρ
dk
θ
[0027]
其中，k
θ
＝ρ0k
ρ
⊥
为变量θ对应的频率，k
ρ
为变量ρ对应的频率， 极坐标下人体和危险品成像的频谱表达式为：
[0028]
x(k
ρ
,k
θ
)＝σexp(-jρ0k
ρ
)exp(-jθ0k
θ
)
[0029]
随着递归融合的进行，子孔径的长度不断增加，数目不断减小， 角分辨率不断提高，最后将极坐标下的复值型数据变换到直角坐标 下，得到人体和危险品的距离压缩域数据，但是仍存在噪声且分辨率 较低的情况。
[0030]
步骤2，结合回波复值型数据的信号模型，应用定量先验知识对 上述人体和危险品的距离压缩域数据及其特征进行建模；
[0031]
如图2所示，雷达收发天线阵列沿顺时针方向对人体和危险品进 行扫描，从而接收到人体和危险品的回波复值型数据。雷达回波的稀 疏表达模型为：
[0032]
y＝ax n
[0033]
其中y∈ψn×m为接收到的距离压缩域的人体和危险品的回波复值 型数据，a为方位向傅里叶字典，x为回波复值型数据y在方位向傅 里叶字典a下的稀疏表达，即待恢复的高分辨人体和危险品图像， n∈ψn×m为加性杂波和噪声的矩阵。
[0034]
步骤3，应用l1范数对建模后人体和危险品特的显点特征进行表 征，应用l
f,1
范数对结构特征进行表征，得到含有特显点特征和结构 特征的联合目标函数；
[0035]
压缩感知是信号的高倍欠采样情况下的信号恢复，即压缩感知算 法模型是欠定的，难以求解。lasso模型仅可单纯地增强成像目标的 稀疏特征，虽能有效消除背景噪声与杂波，却会同时造成目标弱散射 特征的丢失，针对lasso模型这一缺点，本发明提供了如下表所示的 特征增强算法。特显点特征和结构特征的联合目标函数表达式为：
[0036][0037]
其中xi为待恢复的高分辨人体和危险品图像x的第i个块结构， 且i＝1,2,
…
,l；λ1和λ2分别为l1范数和l
f,1
范数对应的正则化参数，用 以调节恢复中图像的稀疏度和结构平滑度。当本联合目标函数应用于 毫米波安检成像时，等号右边第二项l1范数可对目标场景的每个分辨 单元的回波复值型数据进行稀疏表征，即该惩罚项可实现组内稀疏。 等号右边第三项是l
f,1
数，该项在第二项laplace先验的基础上增加 了gaussian先验，使得成像场景中散射点的块结构内部具有平滑特 性，即实现组内平滑，又对每个组利用弗罗宾尼斯(frobenius)范数 结构平滑后，进一步添加对总的l块结构进行求和约束，相当于在组 水平上进行稀疏，区别于l1范数对每个像素稀疏，该组合尽可能选出 更少的组，即可实现组间稀疏，从而共同组成了具有结构惩罚特性的 l
f,1
范数。
[0038][0039]
步骤4，在交替方向多乘子方法框架下根据上述特显点特征和结 构特征的联合目标函数求解特征解析解，对特显点特征和结构特征协 同增强，最终获得多特征协同增强的人体和危险品高分辨雷达图像；
[0040]
图3所示为本发明提供的交替方向多乘子算法分解—调和框架 示意图。步骤3中的联合目标函数可以转化为如下约束性优化问题：
[0041]
mininize[f(x) f(z)]
[0042]
s.t.bx dz＝0
[0043]
式中，d＝-i，并且形成分裂变量z1和z2，满足 x＝z1＝z2，其中分裂变量z1表征特显点特征，分裂变量z2表征结构 特征，式中两个子问题f(x)、g(z)以及分裂变量z1、z2的具体定义 为：
[0044][0045][0046]
由此，可以建立增广拉格朗日的优化方程，如：
[0047][0048]
式中，γ为拉格朗日乘子系数；[
·
]h为矩阵的共轭转置；u为对偶 更新变量。式中带有二次惩罚项增广拉格朗日函数的对偶上升方法， 即为交替方向多乘子法中的多乘子
与多分裂变量的来源。上表中步骤 三为求解原变量x,如下所示：求解x的过程为最小二乘问题，相当 于求解岭回归问题；步骤四是针对z1的l1范数正则化，可实现对成像 场景的稀疏特征的先验表征，通过求解l1范数对应的近端算子来实现 组内稀疏和相应的对偶变量的更新；步骤五是针对分裂变量z2的lf范数正则化，其中l
f,1
范数中的l1范数是由对lf范数的近端算子得到 的解加总求和实现的，因此迭代中只需求lf范数的近端算子，可实现 组内平滑和稀疏以及相应对偶变量的更新。应用高斯-赛德尔方法进 行迭代，从而不断更新熵范数求解和软阈值求解；通过计算欧式距离 的方法对雷达收发阵列天线的回波复值型数据进行分组，通过设置一 定阈值，将区域结构特征信息归类；直到满足设定的停止准则时跳出 循环，停止迭代；从而完成了特显点特征和结构特征的联合增强与安 检成像结果恢复的过程，最终获得多特征增强的高分辨率人体和危险 品雷达图像。
[0049]
下面结合仿真复值型数据实验对本发明的效果做进一步的说明。
[0050]
1、仿真条件：
[0051][0052][0053]
图4为使用mat l ab软件仿真的人体和危险品的成像结果。其中 图4(a)为经过快速可分解后向投影算法后得到的方位向和高度向 二维成像结果；图4(b)为采用本发明方法处理后的成像结果。
[0054]
2、仿真数据包实验分析：
[0055]
为了验证本发明方法应用于毫米波安检成像时的可行性以及多 特征增强效果，将仿真的人体和危险品模型放入快速可分解后向投影 算法进行三维成像，得到目标距离、高度、方位三维成像结果；再经 过本发明方法进行特显点特征和结构特征联合增强。图4
(a)为ffbp 算法处理后的结果，可以看出，人体和携带的危险品淹没在噪声中， 图4(b)为采用本发明方法处理后的成像结果，由图4(a)和(b) 对比下可以看出人体和危险品的结构特征保留的同时，很好地抑制了 背景噪声。由此可见本发明方法即使在降采样和加噪声条件下仍有很 好的恢复精度，危险品的特显点特征和结构特征联合增强效果十分显 著，最终获得多特征增强的人体和危险品雷达图像分辨率更高，且本 发明方法相对于传统毫米波安检成像中的特征增强算法可以有效提 升精度和运算速率。