[发明专利]一种多光谱遥感图像舰船检测方法

说明书

本发明公开了一种多光谱遥感图像舰船目标快速检测的方法，属于遥感图像目标检测技术领域。该方法充分利用了光谱域和空间域的信息，对多光谱遥感图像的沃尔什哈达玛变换域系数进行加工处理来提取空间域的显著性特征，用于海上舰船目标检测。本发明能有效克服传统多光谱图像舰船检测方法计算复杂度高，参数设置复杂的缺点，经大量真实多光谱遥感数据的实验结果表明，本发明具有快速准确的海上舰船目标检测效果，同时对谱段噪声和杂乱海洋背景具有较强的鲁棒性。在海洋渔业管理，海洋运输管制，海上军事监测等方面有着巨大的应用价值。

技术领域

本发明属于遥感图像目标检测技术领域，具体涉及一种多光谱遥感图像舰船目标快速检测的方法。

背景技术

多光谱成像传感器在光谱维能获取各个谱段对应物质的光谱信息，同时在空间维获取场景的空间信息，形成包含了丰富地理环境信息的多维数据体。由于人工建造目标与自然物质背景在各个谱段的光谱特性上有较大的差异，所以多光谱图像数据在地物目标检测中有着独特的优势，能够用于自动目标检测任务。尤其在海洋交通运输、海洋渔业管理以及军事监测等方面，多光谱遥感图像的海上舰船检测更有着重要的意义。

常用的多光谱目标检测方法通常是基于光谱信息的统计性检测方法，即通过假设测量值是由背景、目标和噪声构成，利用统计的方法分别构造背景和目标的模型，再利用假设检验得到判别目标的检测结果，其中的具有代表性的方法就是Reed等提出的多通道恒虚警率(constant false alarm rate，CFAR)方法。在不同场景的多光谱图像中，光谱图像的统计特性是变化的，CFAR方法的目标是自适应的找到一个检测阈值，以在不同的光谱图像目标检测任务中维持恒定的检测虚警率。CFAR方法主要的缺点是，如果目标的光谱图像信号在灰度级上与其周围的环境相似，那么必然会造成虚警，自动目标检测就会变得困难。

尽管多光谱成像传感器能够为杂乱背景中的人造目标检测提供帮助，但在自动舰船检测的实际应用中将面临两个困难。首先，海风，洋流，船的尾迹，漏油等情况的存在，将造成海水辐射或光谱反射特性的变化。行进中舰船的光谱反射特性也是不稳定的，且难以估计。所有这些情况都会导致海面杂乱回波(海杂波)和舰船目标在各个谱段辐射能量的统计分布上的重叠。其次，海洋监测系统需要一种快速的目标检测算法，由于它需要实时分析和处理大量的多光谱数据，这一要求也为自动目标检测方法提出挑战。为了从虚警中区分出感兴趣目标，传统方法通常需要包含目标识别的算法，该识别过程通常对于实时系统来说运算过于复杂。此外，为了对目标的存在性做出判断,传统方法往往需要对所有图像区域进行验证,但实际上所关心的内容通常仅占图像中很小一部分。这种全面的加工处理既会造成计算浪费,又加重了分析难度。

发明内容

本发明的目的在于提出一种基于视觉显著性机制的多光谱遥感图像舰船检测方法，其计算复杂度低、参数设置简单、能够精确而有效地检测到多光谱遥感图像中的舰船目标。

为达到本发明的上述目的，本发明提供的多光谱遥感图像舰船检测方法，具体包括以下步骤：

1)将空间分辨率为M×N像素的多光谱遥感图像的l维光谱数据视为l幅灰度图像X_i,i＝1,...,l，分别对每一维光谱图像进行沃尔什哈达玛变换；

2)在沃尔什哈达玛变换域中，对每一维光谱图像的沃尔什哈达玛变换域系数进行归一化操作，即将所有正值元素设置为1，将所有负值元素设置为-1；

3)对每一维归一化的沃尔什哈达玛变换域系数进行相应的沃尔什哈达玛逆变换，计算出每一维光谱图像的谱段显著图；

4)将所有维度光谱图像的谱段显著图在空间维度上进行求和，然后用高斯平滑滤波器对求和的结果进行轻微的平滑处理，计算出最终的合成显著图；

5)根据最终显著图的均值计算出舰船目标的检测阈值；

6)利用舰船目标的检测阈值实现对舰船目标的自动检测，得到二值化的检测结果。