基于小波变换的太赫兹图像识别

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (2): 241-244.

基于小波变换的太赫兹图像识别

韩煜¹,葛庆平¹,张存林¹,张亮亮²

1.首都师范大学，北京 100037
2.北京理工大学，北京 100081

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-11 发布日期:2008-01-11
通讯作者: 韩煜

THz image recognition based on wavelet transform

HAN Yu¹,GE Qing-ping¹,ZHANG Cun-lin¹,ZHANG Liang-liang²

1.Capital Normal University，Beijing 100037，China
2.Beijing Institute of Technology，Beijing 100081，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-11 Published:2008-01-11
Contact: HAN Yu

摘要/Abstract

摘要： 太赫兹（THz）波对很多物质都有成像功能，可以侦测物质的化学性质，进行物质的识别。其成像技术在反恐、医学成像、无损探伤等方面显示出了巨大的应用前景。采用小波变换和图像的灰度直方图匹配技术对葵花籽的太赫兹信号数据进行分析实验，提出了一种识别被测物质的方法，在此方面进行了探索尝试，结果表明此方法可以对葵花籽仁、葵花籽皮和其他区域的太赫兹信号数据进行准确地分类，实现利用计算机自动识别物质的功能，这将有利于进一步进行太赫兹技术在物质鉴别方面的应用研究。

关键词: 太赫兹, 小波变换, 直方图, 欧式距离, 图像识别

Abstract: Terahertz（THz） has a functional imaging for a lot of material.It can detect the chemical nature of the material for identification.The imaging technology displays a tremendous prospect in the fight against terrorism，medical imaging，nondestructive testing，etc.In the paper，the author explores and puts forward a method of testing material which uses the technology of wavelet transform and histogram matching.The results show that this method can accurately class sunflower kernel，sunflower peel and other substances，realizing automatic identification of material by the computer.This will be conducive to further research on terahertz technology in the application of identification of material.

Key words: THz, wavelet transform, histogram, euclidean distance, image recognition

韩煜¹,葛庆平¹,张存林¹,张亮亮². 基于小波变换的太赫兹图像识别[J]. 计算机工程与应用, 2008, 44(2): 241-244.

HAN Yu¹,GE Qing-ping¹,ZHANG Cun-lin¹,ZHANG Liang-liang². THz image recognition based on wavelet transform[J]. Computer Engineering and Applications, 2008, 44(2): 241-244.

[1]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[2]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[3]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[4]	黄英来，艾昕. 改进残差网络在玉米叶片病害图像的分类研究[J]. 计算机工程与应用, 2021, 57(23): 178-184.
[5]	李文龙，李兴广，胡冉冉，崔炜. 基于天空分割的单幅交通标志图像去雾算法[J]. 计算机工程与应用, 2021, 57(20): 221-228.
[6]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[7]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[8]	张杰，常天庆，郭理彬，张雷，马金盾. 基于跟踪异常与相关性检验的目标丢失判断[J]. 计算机工程与应用, 2021, 57(18): 204-212.
[9]	唐维军，徐琨，柳有权，夏悬. 自动驾驶汽车虚拟测试中的树木点云生成方法[J]. 计算机工程与应用, 2021, 57(11): 185-192.
[10]	黄英来，温馨，任洪娥，王佳琪. 深度迁移学习在古筝品质分级中的应用[J]. 计算机工程与应用, 2021, 57(10): 218-224.
[11]	刘虹，王烈. 结合余弦相关性的卷积网络识别汉字的方法[J]. 计算机工程与应用, 2020, 56(8): 130-135.
[12]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[13]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[14]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[15]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.