(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211138408.6 (22)申请日 2022.09.19 (71)申请人 广东省科 学院智能制造 研究所 地址 510070 广东省广州市越秀区先烈中 路100号大院13号楼 (72)发明人 袁飞　周松斌　刘忆森　万智勇　 (74)专利代理 机构 广州容大知识产权代理事务 所(普通合伙) 44326 专利代理师 潘素云 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/181(2017.01) G06T 7/73(2017.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种太赫兹图像衍射条纹识别与定位方法 及系统 (57)摘要 本发明公开了一种太赫兹图像衍射条纹识 别与定位方法及系统， 首先是对太赫兹图像中含 衍射条纹的区域进行识别， 得到含有衍射条纹的 多个局部图像， 再对各局部图像进行衍射条纹的 精确定位。 对各边缘像素点eij进行基于距离和 梯度方向的聚类， 得到与eij临近且梯度方向接 近的边缘像素点， 即得到eij所在的第k衍射条纹 的单边像素集合Sk。 同时， 对集合Sk中各边缘像 素点对应的反向边缘像素集合进行并集运算， 得 到Sk的反向条纹像素集合 则定位到的第k条 衍射条纹区域为Sk与 之间的区域。 本发明较 现有方法更具有灵活性和普适性， 可准确定位衍 射条纹位置， 为衍射条纹的消除提供了准确的位 置信息。 促进了太赫兹成像系统的应用。 权利要求书2页 说明书8页 附图2页 CN 115439457 A 2022.12.06 CN 115439457 A 1.一种太赫兹图像衍 射条纹识别与定位方法， 其特 征在于， 包括如下步骤： 步骤1： 根据太赫兹成像系统中太赫兹波长和衍射定理， 对不同尺寸和不同倾斜度直 线、 不同弯曲度曲线的边缘人工生成衍射条纹图像， 对不同尺寸的矩形和圆形孔洞人工生 成衍射条纹图像， 生成的多种衍 射条纹图像作为训练数据集y； 步骤2： 采用训练数据集y对快速区域卷积神经网络进行训练， 并采用训练后的快速区 域卷积神经网络对太赫兹图像进 行衍射条纹识别， 定位出N个含有衍射条纹的图像区域， 记 为Ri， i＝1,2,...,N； 步骤3： 计算Ri的基于索贝尔算子的梯度图， 得到 Ri各像素点的梯度大小和方向， 再采用 模糊c均值聚类方法对Ri各像素点梯度大小进行类别数为2的聚类， 即将梯度图中 的边缘和 背景分为两类， 得到Ri的边缘图像Ei； 步骤4： 初始化 集合S为空集； 步骤5： 选定Ei中第j个边缘像素点eij， 在距离像素点eij的距离小于d的临近像素中， 沿 着α(i,j)+180 °的方向进行检索， 其 中α(i,j)为eij的梯度方向， 若存在梯度方向位于[α(i, j)+180° ‑α, α(i,j)+180 °+α ]的边缘像素， 且eij不在集合S内， 则将eij及其检索到的M个边缘 像素添加到集合S中， 记录为(eij,Fij)， 其中 为eij的反向边缘像素集 合； 步骤6： 对Ei中各边缘像素点重复步骤5， 形成集 合S； 步骤7： 对集合S中的所有边缘像素点进行基于距离和梯度方向的聚类， 得到距离相近 且梯度方向接近的边缘像素点子集； 如得到的第k个子集即为第k条衍射条纹的单边像素集 合Sk； 同时， 对集合Sk中各边缘像素点对应的反向像素集合进行求并集， 得到Sk的反向条纹 像素集合 则定位到的第k条衍射条纹区域为Sk与 之间的区域， 完成衍射条纹区域的精 确定位。 2.根据权利要求1所述的太赫兹图像衍射条纹识别与定位方法， 其特征在于， 梯度 方向 计算如公式(1)所示： 其中Gy(i,j)和Gx(i,j)为像素点eij分别沿y方向和x方向的基于Sobel 算子的梯度值。 3.根据权利要求1所述的太赫兹图像衍射条纹识别与定位方法， 其特征在于， 步骤7中， 对集合S中的所有边缘像素点进行基于距离和梯度方向的聚类， 聚类采用具有 噪声的基于 密度聚类算法。 4.一种太赫兹图像衍 射条纹识别与定位系统， 其特 征在于， 包括： 训练数据集生成模块， 用于根据太赫兹成像系统中太赫兹波长和衍射定理， 对不同尺 寸和不同倾斜度直线、 不同弯曲度曲线的边缘人工生成衍射条纹图像， 对不同尺寸的矩形 和圆形孔洞人工生成衍 射条纹图像， 生成的多种衍 射条纹图像作为训练数据集y； 衍射条纹识别模块， 用于采用训练数据集y对快速区域卷积神经网络进行训练， 并采用 训练后的快速区域卷积神经网络对太赫兹图像进行衍射条纹识别， 定位出N个含有衍射条 纹的图像区域， 记为Ri， i＝1,2,...,N；权　利　要　求　书 1/2 页 2 CN 115439457 A 2边缘图像计算模块， 用于计算Ri的基于索贝尔算子的梯度图， 得到Ri各像素点的梯度大 小和方向， 再采用模糊c均值聚类方法对Ri各像素点梯度大小进行类别数为2的聚类， 即将 梯度图中的边 缘和背景分为两类， 得到Ri的边缘图像Ei； 边缘像素点检索模块， 用于选定Ei中第j个边缘像素点eij， 在距离像素点eij的距离小于 d的临近像素中， 沿着α(i,j)+180 °的方向进行检索， 其中α(i,j)为 eij的梯度方向， 若存在梯 度方向位于[α(i,j)+180 ° ‑α, α(i,j)+180 °+α ]的边缘像素， 且eij不在集合S内， 则将eij及其 检索到的M个边缘像素添加到集合S中， 记录为(eij,Fij)， 其中 为eij的 反向边缘像素集 合； 检索边 缘图像Ei中各边缘像素点后， 形成集 合S； 衍射条纹定位模块， 用于对集合S中的所有边缘像素点进行基于距离和梯度方向的聚 类， 得到距离相近且梯度方向接近的边缘像素点子集； 如得到的第k个子集即为第k条衍射 条纹的单边像素集合Sk； 同时， 对集合Sk中各边缘像素点对应的反 向像素集合进行求并集， 得到Sk的反向条纹像素集合 则定位到的第k条衍射条纹区域为Sk与 之间的区域， 完成 衍射条纹区域的精确定位。 5.根据权利要求4所述的太赫兹图像衍射条纹识别与定位系统， 其特征在于， 梯度 方向 计算如公式(1)所示： 其中Gy(i,j)和Gx(i,j)为像素点eij分别沿y方向和x方向的基于Sobel 算子的梯度值。 6.根据权利要求4所述的太赫兹图像衍射条纹识别与定位系统， 其特征在于， 对集合S 中的所有边缘像素点进行基于距离和梯度方向的聚类， 聚类采用具有噪声的基于密度聚类 算法。 7.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器上 运行的计算机程序， 所述处理器执行所述程序时实现如权利要求1 ‑3任一所述的太赫兹图 像衍射条纹识别与定位方法的步骤。 8.一种非暂态计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 该计算机程 序被处理器执行时实现如权利要求 1‑3任一所述的太赫兹图像衍射条纹识别与定位方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115439457 A 3