基于多光谱图像滤波输出统计分布规律的目标检测方法

摘要

本发明的目的在于提供基于多光谱图像滤波输出统计分布规律的目标检测方法，包括以下步骤：获取被测区域的多光谱图像，并进行辐射校正、分块预处理；采用CEM算法对获取的多个波段图像进行滤波处理；采用EM算法对滤波输出结果的分布参数进行估计；根据参数估计结果，判断目标的有无；确定检测门限，判决目标。本发明不需要目标和背景的空域信息，在目标信号比较微弱时也有较好的检测效果。适合于绿化面积检测、水灾检测等目标数目较多的场合的目标检测。同时，它直接估计出目标成分滤波处理后的统计分布参数，在估计目标的数目、确定检测门限时，具有更高的精度。本发明也可以用于高光谱和超光谱图像的目标检测。

主权项

1.基于多光谱图像滤波输出统计分布规律的目标检测方法，其特征是：(1)获取被测区域的多光谱图像，并进行辐射校正、分块预处理；(2)采用CEM算法对获取的多个波段图像进行滤波处理：待检测的目标光谱信息d，波段数为L，滤波系数为L维列向量、由下式计算得到：$w_{\mathrm{cem}}=\frac{{R_{L\times L}}^{-1}d}{d^T{R}_{L\times L}^{-1}d},$像元r_i对应的输出为：$y_i={\delta }_{\mathrm{CEM}}\left(r_i\right)={\left(w_{\mathrm{cem}}\right)}^T{r}_i={\left(\frac{R_{L\times L}^{-1}d}{d_T{R}_{L\times L}^{-1}d}\right)}^T{r}_i=\frac{d^T{R}_{L\times L}^{-1}{r}_i}{d^T{R}_{L\times L}^{-1}d},$其中w_cem为滤波系数，像元r_i为L维列向量，是L×L维的自相关矩阵，N是图像中的像元总数；(3)采用EM算法对滤波输出结果的分布参数进行估计：步骤(2)CEM滤波处理为线性运算，对图像中成分进行滤波处理，其滤波输出符合一维的高斯分布，整体图像滤波输出的概率密度函数为各个高斯概率密度函数的加权和，即服从高斯混合分布，表示为：$p\left(x\right)=\underset{i=1}{\overset{M}{\Sigma }}{a}_i{N}_i({\mu }_i,{\Sigma }_i)$其中μ_i和∑_i为高斯分布的均值和方差，M为高斯模型个数，a_i为某个高斯分布在混合模型中占有的比例，采用EM算法对高斯混合模型进行参数估计，选择高斯模型M，通过EM算法得出各个高斯分布的均值、方差和权值参数的估计结果；(4)根据参数估计结果，判断目标的有无：若对于第j个组分的高斯分布，下式为真时，判断目标存在：h1＜a_j＜h2 and c1＞μ_j＞c2 and μ_j＞μ_b，其中参数h1和h2是在图像中目标出现比例的上限和下限，c1和c2是目标的幅值范围，μ_b是背景成分出现的最大均值；(5)确定检测门限，判决目标：通过步骤(4)判决图像内存在目标后，通过a_j估计出图像内目标的数目，同时根据滤波输出的整体概率密度及第j个组分的高斯分布参数，选择虚警概率或漏警概率，确定检测门限，检测出目标。