(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 202110015644.8 (22)申请日 2021.01.07 (71)申请人 天津工业大学 地址 300387 天津市西青区 宾水西道39 9号 (72)发明人 史伟光　姜皓元　李婉琪　 (51)Int.Cl. G06K 7/10(2006.01) G06V 10/26(2022.01) G06N 3/00(2006.01) G06F 30/27(2020.01) (54)发明名称 一种基于图像分割机制的超高频RFID空心 目标成像方法 (57)摘要 一种基于图像分割机制的超高频RFID空心 目标成像方法， 具体包括以下步骤： 搭建超高频 RFID空心目标成像系统； 建立载波相位估计模 型； 令阅读器按照既定轨迹读取目标引起的相位 变化， 获取成像置信域； 基于 “内外轮廓一致性 ” 构建目标初始内轮廓； 对估计图像进行图像分 割， 进行分区域成像； 将不同标签阵列的估计图 像的外轮廓四个点的横坐标和目标内外轮廓比 的集合作为优化变量， 以最大重叠度为优化方 向， 引入灰狼算法进行寻优。 本发明通过读取信 号的相位变化进行空心目标成像， 基于图像分割 机制进行成像， 极大提高了空心目标的成像精 度。 权利要求书3页 说明书6页 附图7页 CN 114792102 A 2022.07.26 CN 114792102 A 1.一种基于图像分割机制的超高频RFID空心目标成像方法， 其特征在于， 具体步骤如 下： 步骤1： 搭建基于图像分割机制的超高频RFID空心 目标成像系 统， 系统由阅读器、 标签 阵列、 天线、 后台处理器组成， 成像方法的框架主要包括四部 分： 数据采集与预 处理、 初始轮 廓构建、 基于分立标签阵列的目标图像估计、 对 估计图像进行最大重 叠度寻优； 步骤2： 建立载波相位估计模型， 当阅读器与标签 阵列之间没有成像目标时， 阅读器测 得的相位可以表示为φ＝(4πLf/c)mod  2π＝(4πL/λ )mod  2π， 其中， L表示 阅读器与 标签阵 列之间的距离， f表示载波信号频率， c表示光速， λ表 示信号波长， mod表 示取余运算， 定义 成 像目标阻挡直达 路径前后测得的相位分别是φair和φtar， 则由目标引起的相位变化可以表 示为Δφ， Δ φ＝φtar‑φair＝[2D( βtar‑βair)]mod 2π， 其中， D表示载波信号在目标内部的 传播距离， λair和 λtar分别表示在空气中和目标中的信号波长， βair＝2π/λair和βtar＝2π/λtar 分别表示在空气 中和在目标中信号的相位常数， 根据上述相位差Δφ， 建立基于相位差的 传播距离D的估计表达式， D＝(Δφ+2ξ π )/( βtar‑βair)， 其中， ξ是一个整数， 对于尺寸小于载 波信号波长的成像目标， 通常取0； 步骤3： 令阅读器按照既定轨迹动态获取目标引起的相位变化值， Δφ＝{φ1， φ2，… φN}‑{φ1′， φ′2，…φ′N}＝{Δφ1， Δφ2，…ΔφN}， 其中， φi， (i＝1， 2 …N)为没有目标时 阅读器在 N个连续角测得的相位， φi′， (i＝1， 2 …N)为目标存在时阅读器在 N个连续角测得 的相位， 利用多径抑制的方法减少多径效应对相位的影响， 进而得到准确的物体内部距离 D， 为实现图像拼接， 需要准确构建目标初始轮廓， 采用基于滑动窗口的累积相位变化方法 来检测目标边界， 利用目标引起的相位变化检测目标边界的角度， 通过比较相位变化和预 设的经验阈值来确定该标签阵列下测得的成像目标的两条边界， 利用不同标签阵列测得目 标的角度边界构成 成像置信域， 该置信域由一四边形围成， 并且可被该四边形表示； 步骤4： 在步骤3得到的成像置信域每边任取一点， 采用直线形式将这四个点依次连接 构成目标初始外轮廓， 即四个点分别为外轮廓的四个顶点， 设定空心目标满足 “内外轮廓一 致性”， 即外轮廓任意一点(x， y)到O点(x0， y0)的距离R和内轮廓上的点到O点的距离r满足r ＝α R， 且满足三点共线， α 为比例系数， 则该点与其内轮廓的对应点的坐标为(x +α(x0‑x)， y+ α(y0‑y))， 得到四个内轮廓点的坐标后用直线依次连接， 得到目标初始内轮廓； 步骤5： 对于空心成像目标， 阅读器天线在特定方向上测得的传播距离不再是连续的物 体内部传播距离， 而 是两段传播距离的和， 导致直接采用步骤2中的物体内部传播距离的模 型难以获得精确测距信息， 为了解决上述问题， 提出基于图像分割机制的目标内部传播距 离的估计方法， 首先， 利用目标引起的相位变化计算信号在目标内部各个方向的传播距离， 然后根据步骤4构建的目标内外初始轮廓进 行图像分割， 将成像置信域分割为区域 1、 区域2 和区域3， 在区域1和区域3内， 信号的传播过程为空气至目标内部至空气， 在这两个区域内 测得的传播距离被称为整体传播距离， 可以直接用于空心目标成像， 在区域2内信号的传播 过程分为两段： 空气至目标内部至目标空心部分至目标内部至空气， 该区域内的传播距离 被称为混合传播距离， 该区域内的传播距离Dx由两部分组成， 即Dx＝d1+d2， d1， d2分别表示信 号穿过第 一段、 第二段目标内部时的传播距离， 在计算d1时， 假设外轮廓上任意一点P1和该 方向内轮廓上的点P2的坐标分别为(x1， y1)和(x2， y2) ， 则第一段传播距离为权　利　要　求　书 1/3 页 2 CN 114792102 A 2进而第二段传播距离可以被估计为d2＝Dx‑d1； 步骤6： 根据步骤5中分割图像， 将空心成像分为两部分进行， 首先对区域1和区域3进行 成像， 对于标签阵列1， 选择离它最近的两条外轮廓， 假定区域1和区域3内传播距离的起始 点位于这两条边上， 按照不同的方向将传播距离拼接起来， 获得目标的估计图像， 然后对区 域2进行成像， 假定两条外轮廓位于区域2内的点是第一段目标内部传播距离的起始点， 则 对第二段目标内部传播距离拼接时， 选择离阵列1最远的两条内轮廓作为传播距离的起始 点， 将不同方向的传播距离按照对应的起始 点拼接， 得到区域2的估计图像， 最后 将分割的3 个区域的估计图像合并得到阵列1的目标整体估计图像， 同理， 阵列2也得到一个目标整体 估计图像； 步骤7； 为得到最准确的目标图像， 提出空心目标成像的优化问题模型对步骤6获得的 估计图像进行优化， 即将外轮廓四个顶点的横坐标{x1， x2， x3， x4}和目标内外轮廓比α 的集 合Ω作为优化变量， 以两个阵列所得估计图像的重叠度最大化为优化方向， 构建超高频 RFID空心目标成像方法的优化模型， 上述优化问题模型可以表述为： Ω＝(x1， x2， x3， x4， α )， Os(Ω)＝arg(max(F))， 其 中， Os(Ω)是该优化方法的最优解， F是基于重叠度的全局优化目 标函数， 其取值范围是0到1之间， Os(Ω)＝arg(max(F))是指当F取最大值时， Ω的变量取 值； 步骤8： 引入灰狼优化算法对步骤7的F进行全局优化， 首 先构建灰狼社会等级模型， 将种 群中重叠度最大的三个解定义为α狼、 β 狼和 δ狼， 其余的解被定义为ω狼， 在搜索猎物的过 程中， 种群中的灰狼根据公式 和 逐步更新自身位置， 其中， t表示当前迭代， 和 为系数向量， 为猎物的位置 向量， 为灰狼的位置向量， 在迭代过程中 由2线性降到0， 和 是处于0和1之间的随机 向量； 步骤9： 在每次迭代过程中， 保留当前种群中最好的三只狼(α狼、 β狼和δ狼)， 利用 以及灰狼的位置信息来更新α 狼、 β 狼、 δ狼和ω狼的位置， 其中， 和 分别表示当前种群中α、 β和δ的位置向量， 和 分别表示当前候选 灰狼与最优 三只狼之间的距 离， 当|A|＞1时， 灰狼之间尽 量分散在各区域并搜寻猎物， 当|A|＜1时， 灰狼将集中搜索某个或某些区域的猎物， 当t达 到迭代次数上限时， 将当前重叠度最大 的两个阵列估计图像合并， 得到最优的目标水平截 面估计图像。 2.根据权利要求1所述的方法， 其特征在于， 步骤8选用灰狼算法进行全局优化的原因 是： 不同于典型群智能优化算法粒子群算法通常仅从整个种群中选择一个候选者作为带领 者， 灰狼算法从整个种群中选择三个候选者形成带领者集合， 它们 先分散地去搜索猎物的权　利　要　求　书 2/3 页 3 CN 114792102 A 3