1、本文以基于被動毫米波成像的人體隱匿違禁物品自動檢測識別為應(yīng)用背景，對毫米波圖像的檢測、特征提取、分類識別展開了深入細致研究。
　　隱匿物品的檢測通過預(yù)處理實現(xiàn)，包括圖像去噪、增強和分割。本文采用改進的小波軟閾值去噪算法進行去噪，使毫米波圖像在背景噪聲被抑制的同時可以保留較為清晰的邊緣;引入FT視覺顯著性分析方法對毫米波圖像進行增強，并針對毫米波圖像為灰度圖像的特點，將原來應(yīng)用于Lab顏色空間的處理方法轉(zhuǎn)換到灰度級亮度空間，使原來的

2、三維特征降低為一維，在保證處理效果的同時，大幅度減少運算時間。并將其與小波域非線性外推以及ITTI、GBVS分析等圖像增強方法作對比，證明該方法可以突出隱匿違禁物品并保持其完整的形狀信息;之后本文在采用OTSU方法進行圖像分割后，增加形態(tài)學(xué)重構(gòu)步驟，用于排除背景區(qū)域，提取出隱匿物品。
　　論文分析傳統(tǒng)傅里葉算子、HU不變矩、幾何常量等特征提取方法的特點與不足，針對毫米波圖像紋理、顏色特征不明顯的特點，提出了基于Radon變換構(gòu)造特

3、征值的方法。Radon變換本身并不具有不變性，但本文通過Radon變換構(gòu)造了具有平移、縮放、旋轉(zhuǎn)不變性的特征值，并通過仿真實驗從可操作性、表述范圍、單一性、穩(wěn)定性、敏感性等方面驗證了該特征提取方法的優(yōu)越性。
　　在識別部分，針對毫米波圖像的小樣本條件，通過分析比較隨機森林、RPROP神經(jīng)網(wǎng)絡(luò)和支持向量機(SVM)的性能特點，提出將基于Radon變換構(gòu)造的特征值與SVM分類器結(jié)合來實現(xiàn)隱匿違禁物品的自動識別的方法。實驗分析結(jié)果表明該