خلاصة:
یکی از کاربردهای تصویربرداری موجمیلیمتری غیر فعال PMMW برای نشان دادن اشیاء پنهان در زیر لباس انسان است. نمایش اشیاء پنهان شده به لحاظ امنیتی در مکانهایی مانند فرودگاهها از اهمیت فوق العادهای برخوردار است. بطور کلی تصاویر موج میلیمتری کیفیت پایینی دارند و از اینرو استفاده از تکنیکهای پردازش تصویر برای افزایش کیفیت این تصاویر استفاده می شود. در این مقاله با استفاده از رویکرد همجوشی تصاویر PMMW و مرئی روشی برای دستیابی به تصویری که در آن شیء پنهان از تصویر PMMW استخراج و همچنین جزئیات تصویر مرئی در آن حفظ شود را ارائه می دهد. در روش پیشنهادی، ابتدا تصاویر با استفاده از تبدیل BEMD به زیر تصاویر فرکانس بالا و فرکانس پایین تجزیه شدهاند. در مرحله بعد، از تبدیل NSST برای تجزیه تصاویر حاصل از مرحله قبل در تفکیکپذیریها و جهتهای مختلف استفاده شده و در ادامه از شبکه عصبی SCM بهبود یافته به عنوان قانون همجوشی بهره گرفته شده است. نتایج به دست آمده با استفاده از معیارهای اثربخشی همجوشی QAB/F و MI ارزیابی شدهاند و روش پیشنهادی توانسته است کیفیت تصاویر ترکیبی و نمایش اشیاء پنهان، که با استفاده از روش تجزیه NSST و قانون ISCM ترکیب شده بودند، را بهبود داده و معیار QAB/F را به طور میانگین تا 33 درصد ارتقا دهد.
Passive millimeter wave imaging is using to discover hidden objects under human clothes. Discovering hidden objects in the places such as airports, due to their security, is extremely important. However, millimeter wave images have low-quality and image processing techniques are needed to improve the quality of the images. This paper attempts to present a method of fusion approach to discover hidden objects from PMMW images and preserve the detail of visible images. In the proposed method, images are subdivided using BEMD conversion into high frequency and low frequency sub-images. In the next step, the NSST conversion is used to parse images from the previous step in different resolutions and directions, and then the improved SCM neural network is used as the fusion rule. The results are evaluated using fusion effectiveness criteria of QAB/F and MI. Simulation results show that the proposed method improves the best previous results, which were combined using NSST analysis method and ISCM law, with an average of about 33% for the QAB/F criterion.