[发明专利]基于SAM和加权自相关CEM算法的水面目标探测方法

说明书

本发明提出了一种基于SAM和加权自相关CEM算法的水面目标探测方法，解决了加权自相关CEM算法对于大目标地物提取效果不佳的问题。该方法包括以下步骤：首先，对高光谱图像进行降维和端元提取，并利用提取的端元进行SAM分类来确定两大分类：舰船类和海水类；其次，从所有像元中减去舰船类像元作为背景像元，通过基于纯背景像元加权自相关矩阵的SAM‑CEM算法计算探测结果；然后，通过分类图像来获得只包含海水和舰船的灰度图像，并进行二值化和数学形态学处理，寻找范围最大的白色区域为海水区域；最后，通过对目标探测图像进行二值化，利用舰船目标在海水中的特点，去除不在海水区域内的虚警目标，从而确定最终的舰船目标。

技术领域

本发明涉及一种基于加权自相关CEM算法的水面目标探测方法。

背景技术

海面舰艇目标检测技术在民用和军用领域都有着极为广泛的应用前景。在民用方面，舰船检测可以用于海湾和港口舰船的监视和管理、海洋污染监视测量等^[1]；在军用领域，可以用于监视非法船只如偷渡、海盗、恐怖袭击等，以及对战时海面监视、战斗舰船的侦察等^[2]。传统的目标检测算法的研究对象主要是以红外图像和合成孔径雷达^[3](SyntheticApertureRadar,SAR)图像为主。随着过去20年来高光谱遥感系统和高光谱数据处理技术的迅猛发展，高光谱遥感图像以其所蕴涵的丰富光谱信息在目标探测方面具有巨大的优势。高光谱遥感目标探测算法依据算法输入可分为：已知目标、已知背景，已知目标、未知背景，未知目标、未知背景，未知目标、已知背景。

对于仅知道目标地物光谱而未知背景的情况，主要通过三条途径来进行目标探测：第一是简单匹配算法，如最小距离法、光谱角填图等算法；第二是利用样本相关矩阵(或者协方差矩阵)的性质进行目标探测，如约束能量最小法算法(CEM)、自适应余弦一致性评估器算法(ACE)等^[4]。第三是利用混合像元分解技术进行端元提取，获得背景信息，转化为已知目标、已知背景的情况。

约束能量最小算法(constrained energyed minimization,CEM)是在仅知道感兴趣目标的光谱、而背景未知的条件下对目标进行探测的算法。使用获得的舰船端元作为目标，则问题转化为对已知目标、未知背景的高光谱目标探测问题，利用样本相关矩阵的性质进行目标探测。CEM算法是利用线性约束最小方差波束形成器的思想，能够提取特定方向的信号而衰减其他方向的干扰。该方法很适合特定的成分占图像方差比例很小的情况，能突出某种地物信息(目标)而压制别的地物信息(背景)，从而达到从图像中分离某种地物的效果，即高光谱图像目标探测。该算法具体如下：

在高光谱图像中，目标为d，其中n表示每一维图像的包含的像元数，即图像高和宽的积，CEM的目的就是设计一个L维线性滤波器^[4]w＝(ω₁,ω₁,...,ω_L)^T，使得在如下条件下滤波输出能量最小：

w^Td＝1 (1)

当输入为x_i时，探测统计量y_i为经过滤波算法的输出

于是，所有观测样本经过滤波算法w的平均输出能量为

式中，为样本集合的自相关矩阵。这样滤波算法w的设计可以归结为如下最小值问题：

对于条件极值问题，用Langrange乘子法求解式(4)，则CEM算子(Harsanyi,1993)表示为

将CEM算子作用于图像中的每个像元，将得到目标d在图像中的分布情况，实现对目标d的探测，最终的目标探测函数为：