陳 克

基于高光譜遙感圖像的目標(biāo)毀傷區(qū)域檢測(cè)

陳 克

（中國(guó)人民解放軍海軍裝備部 北京 100071）

為精準(zhǔn)快速評(píng)估目標(biāo)傷毀區(qū)域，提出基于高光譜遙感圖像的目標(biāo)毀傷區(qū)域分割方法。首先利用分類概率保持的鑒別分析方法對(duì)高光譜數(shù)據(jù)進(jìn)行降維，然后利用基于局部高斯分布擬合模型的水平集演化方法對(duì)毀傷區(qū)域進(jìn)行分割。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了方法的有效性。

高光譜遙感圖像；降維；水平集；圖像分割

引 言

目標(biāo)毀傷評(píng)估是精確打擊作戰(zhàn)體系的重要環(huán)節(jié)和核心步驟，精準(zhǔn)快速的目標(biāo)毀傷評(píng)估有助于有效估計(jì)作戰(zhàn)進(jìn)程、制定和評(píng)估火力打擊方案、高效配置攻擊武器，是作戰(zhàn)進(jìn)程和戰(zhàn)后總結(jié)最重要的一個(gè)環(huán)節(jié)[1]?；趫D像變化的檢測(cè)方法主要是利用武器攻擊前后采集的多幅圖像檢測(cè)出某些特定設(shè)施的變化，再根據(jù)變化的嚴(yán)重程度進(jìn)行定量和定性的分析[2]。它可以更直接地捕獲毀傷區(qū)域的面積。

基于圖像變化的檢測(cè)方法主要經(jīng)歷了基于像素級(jí)的變化檢測(cè)、基于特征級(jí)的變化檢測(cè)和基于目標(biāo)級(jí)的變化檢測(cè)三個(gè)階段?；谙袼丶?jí)的變化檢測(cè)的主要思想是通過(guò)同一地區(qū)攻擊前后圖像的差異性判斷損傷程度。基于特征級(jí)的變化檢測(cè)[3]主要是對(duì)圖像進(jìn)行特征提取和變換得到變化的信息。基于目標(biāo)級(jí)的變化檢測(cè)則是對(duì)攻擊前后的數(shù)據(jù)進(jìn)行分類，再根據(jù)分類結(jié)果分析變化的區(qū)域信息。

高光譜圖像不但可以體現(xiàn)攻擊前后毀傷區(qū)域面積，還可以發(fā)掘毀傷區(qū)域內(nèi)部的真實(shí)變化，因此利用高光譜圖像作軍事目標(biāo)毀傷評(píng)估更加直接也更加準(zhǔn)確。本文提出一種基于高光譜遙感圖像的毀傷區(qū)域分割方法，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證其有效性。

1 基于高光譜遙感圖像的目標(biāo)毀傷區(qū)域分割方法

高光譜圖像維度較高，在利用圖像分割技術(shù)捕獲毀傷區(qū)域之前，首先需要進(jìn)行降維處理，提高后續(xù)分割速度。需要的是降維的結(jié)果應(yīng)保持原有的樣本差異性，以免影響后續(xù)分割。為此本文采用分類概率保持的鑒別分析方法[4]對(duì)高光譜數(shù)據(jù)進(jìn)行降維。

根據(jù)最大化后驗(yàn)概率理論，局部信息的能量擬合模型[5]為

其中，是圖像灰度閾值。

在整個(gè)圖像域?中曲線演化模型如式（5）所示。

該模型的能量極小化問(wèn)題可用交替迭代的方式求得[5]。

水平集方程有迭代解

其中，

當(dāng)能量達(dá)到最小時(shí)，由零水平集表示的曲線即為毀傷區(qū)域邊界。

基于高光譜圖像的毀傷區(qū)域分割算法步驟如下：

①采用分類概率保持的鑒別分析方法對(duì)攻擊前后差異圖作降維處理；

②根據(jù)式（5）初始化水平集；

③計(jì)算先驗(yàn)概率；

④根據(jù)式（6）或式（7）更新局部均值和方差；

⑤根據(jù)式（8）更新水平集函數(shù)；

⑥判斷迭代是否收斂，若收斂轉(zhuǎn)步驟⑦否則轉(zhuǎn)步驟④；

⑦根據(jù)水平集演化結(jié)果，求出每個(gè)毀傷區(qū)域的邊界并作標(biāo)記。

2 仿真與分析

為驗(yàn)證本文所提方法的有效性，在Sandiego高光譜數(shù)據(jù)集上進(jìn)行仿真，如圖1所示。模擬打擊后的Sandiego機(jī)場(chǎng)的毀傷效果，如圖1（b）所示有三個(gè)形狀各異的彈坑。在本實(shí)驗(yàn)中水平集初始化時(shí)設(shè)0=3。

圖1 Sandiego機(jī)場(chǎng)毀傷效果模擬

圖2顯示了基于LGDF的水平集演化方法的分割結(jié)果。其中第一列到第三列閾值分別取值為100,150,200。由圖2可以看出，隨著閾值不斷提高，分割結(jié)果面積越來(lái)越小。而較閾值方法得到的結(jié)果，水平集演化方法的分割結(jié)果更光滑，但其受初始曲線的影響也較大。增加了先驗(yàn)信息后，分割結(jié)果對(duì)閾值的敏感性降低，分割結(jié)果更加穩(wěn)定。

分割結(jié)果的光滑程度主要由式（5）中的第二項(xiàng)參數(shù)控制，其值越大，曲線越光滑且分割范圍小。為了平衡曲線的光滑程度和分割結(jié)果的準(zhǔn)確性，需要設(shè)計(jì)一個(gè)合理的值。為此，選擇不同值進(jìn)行仿真，結(jié)果如圖3所示。從圖中可以看出=2時(shí)，在Sandiego數(shù)據(jù)集的實(shí)驗(yàn)中分割結(jié)果最優(yōu)。

圖3 不同λ值對(duì)應(yīng)的分割結(jié)果

3 結(jié)束語(yǔ)

針對(duì)軍事目標(biāo)毀傷評(píng)估問(wèn)題，本文提出基于高光譜遙感圖像的毀傷區(qū)域分割方法。首先利用分類概率保持的鑒別分析對(duì)高光譜數(shù)據(jù)進(jìn)行降維。然后利用基于LGDF的水平集演化得到毀傷區(qū)域的分割結(jié)果，精確地捕獲目標(biāo)邊界。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法的有效性。

[1] 蘇高峰. 基于圖像理解的機(jī)場(chǎng)打擊效果評(píng)估研究[D]. 西安:西安電子科技大學(xué), 2007.

[2] 劉小鋒. 基于遙感圖像目標(biāo)識(shí)別的機(jī)場(chǎng)毀傷情況研究[D]. 西安:西安電子科技大學(xué), 2013.LIU Xiaofeng. Study of airport damage analysis based on remote sensing target recognition[D].Xi’An: Xidian University,2013.

[3] 牛鵬輝, 李衛(wèi)華, 李小春. 基于變化檢測(cè)的機(jī)場(chǎng)毀傷評(píng)估算法[J]. 電光與控制, 2012, 19(7):89–93.NIU Penghui, LI Weihua, LI Xiaochun. An airport damage assessment algorithm based on change detection[J]. Electronics Optics&Control,2012, 19(7):89–93.

[4] 楊章靜, 劉傳才, 黃璞,等. 分類概率保持鑒別分析及其在人臉識(shí)別中的應(yīng)用[J]. 模式識(shí)別與人工智能, 2014, 27(1):77–81.YANG Zhangjing, LIU Chuancai, HUANG Pu, et al. Classification probability preserving discrimimant analysis and its application to face recognition[J]. PR&AI, 2014,27(1):77–81.

[5] WANG L, HE L, MISHRA A, et al. Active contours driven by local gaussian distribution fitting energy[J]. Signal Processing, 2009, 89(12):2435–2447.

Damage area detection based on hyperspectral remote sensing image

CHEN Ke

（Armament Department of PLA Navy, Beijing 100071, China）

A damage area segmentation method based on hyperspectral remote sensing image is proposed to estimate the damage area quickly and accurately. Firstly the classification probability preserving discriminant analysis is used to reduce dimension of the hyperspectral image. Then the level set method based on local Gaussian distribution fitting (LGDF) is adopted to segment damage area. Simulation result indicates the effectiveness of the method.

Hyperspectral remote sensing image; Dimension reduction; Level set; Image segmentation

TP751

B

CN11-1780(2019)03-0028-04

陳 克 1979年生，本科，主要研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)、毀傷效果評(píng)估與分析。

2018-11-09

2019-04-09

Email:ycyk704@163.com

TEL:010-68382327 010-68382557