基于高光谱遥感图像的目标毁伤区域检测

陈 克

基于高光谱遥感图像的目标毁伤区域检测

陈 克

（中国人民解放军海军装备部 北京 100071）

为精准快速评估目标伤毁区域，提出基于高光谱遥感图像的目标毁伤区域分割方法。首先利用分类概率保持的鉴别分析方法对高光谱数据进行降维，然后利用基于局部高斯分布拟合模型的水平集演化方法对毁伤区域进行分割。仿真实验结果验证了方法的有效性。

高光谱遥感图像；降维；水平集；图像分割

引 言

目标毁伤评估是精确打击作战体系的重要环节和核心步骤，精准快速的目标毁伤评估有助于有效估计作战进程、制定和评估火力打击方案、高效配置攻击武器，是作战进程和战后总结最重要的一个环节[1]。基于图像变化的检测方法主要是利用武器攻击前后采集的多幅图像检测出某些特定设施的变化，再根据变化的严重程度进行定量和定性的分析[2]。它可以更直接地捕获毁伤区域的面积。

基于图像变化的检测方法主要经历了基于像素级的变化检测、基于特征级的变化检测和基于目标级的变化检测三个阶段。基于像素级的变化检测的主要思想是通过同一地区攻击前后图像的差异性判断损伤程度。基于特征级的变化检测[3]主要是对图像进行特征提取和变换得到变化的信息。基于目标级的变化检测则是对攻击前后的数据进行分类，再根据分类结果分析变化的区域信息。

高光谱图像不但可以体现攻击前后毁伤区域面积，还可以发掘毁伤区域内部的真实变化，因此利用高光谱图像作军事目标毁伤评估更加直接也更加准确。本文提出一种基于高光谱遥感图像的毁伤区域分割方法，并通过仿真实验验证其有效性。

1 基于高光谱遥感图像的目标毁伤区域分割方法

高光谱图像维度较高，在利用图像分割技术捕获毁伤区域之前，首先需要进行降维处理，提高后续分割速度。需要的是降维的结果应保持原有的样本差异性，以免影响后续分割。为此本文采用分类概率保持的鉴别分析方法[4]对高光谱数据进行降维。

根据最大化后验概率理论，局部信息的能量拟合模型[5]为

其中，是图像灰度阈值。

在整个图像域Ω中曲线演化模型如式（5）所示。

该模型的能量极小化问题可用交替迭代的方式求得[5]。

水平集方程有迭代解

其中，

当能量达到最小时，由零水平集表示的曲线即为毁伤区域边界。

基于高光谱图像的毁伤区域分割算法步骤如下：

①采用分类概率保持的鉴别分析方法对攻击前后差异图作降维处理；

②根据式（5）初始化水平集；

③计算先验概率；

④根据式（6）或式（7）更新局部均值和方差；

⑤根据式（8）更新水平集函数；

⑥判断迭代是否收敛，若收敛转步骤⑦否则转步骤④；

⑦根据水平集演化结果，求出每个毁伤区域的边界并作标记。

2 仿真与分析

为验证本文所提方法的有效性，在Sandiego高光谱数据集上进行仿真，如图1所示。模拟打击后的Sandiego机场的毁伤效果，如图1（b）所示有三个形状各异的弹坑。在本实验中水平集初始化时设0=3。

图1 Sandiego机场毁伤效果模拟

图2显示了基于LGDF的水平集演化方法的分割结果。其中第一列到第三列阈值分别取值为100,150,200。由图2可以看出，随着阈值不断提高，分割结果面积越来越小。而较阈值方法得到的结果，水平集演化方法的分割结果更光滑，但其受初始曲线的影响也较大。增加了先验信息后，分割结果对阈值的敏感性降低，分割结果更加稳定。

分割结果的光滑程度主要由式（5）中的第二项参数控制，其值越大，曲线越光滑且分割范围小。为了平衡曲线的光滑程度和分割结果的准确性，需要设计一个合理的值。为此，选择不同值进行仿真，结果如图3所示。从图中可以看出=2时，在Sandiego数据集的实验中分割结果最优。

图3 不同λ值对应的分割结果

3 结束语

针对军事目标毁伤评估问题，本文提出基于高光谱遥感图像的毁伤区域分割方法。首先利用分类概率保持的鉴别分析对高光谱数据进行降维。然后利用基于LGDF的水平集演化得到毁伤区域的分割结果，精确地捕获目标边界。仿真实验结果验证了本文方法的有效性。

[1] 苏高峰. 基于图像理解的机场打击效果评估研究[D]. 西安:西安电子科技大学, 2007.

[2] 刘小锋. 基于遥感图像目标识别的机场毁伤情况研究[D]. 西安:西安电子科技大学, 2013.LIU Xiaofeng. Study of airport damage analysis based on remote sensing target recognition[D].Xi’An: Xidian University,2013.

[3] 牛鹏辉, 李卫华, 李小春. 基于变化检测的机场毁伤评估算法[J]. 电光与控制, 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] 杨章静, 刘传才, 黄璞,等. 分类概率保持鉴别分析及其在人脸识别中的应用[J]. 模式识别与人工智能, 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

陈 克 1979年生，本科，主要研究方向为计算机应用技术、毁伤效果评估与分析。

2018-11-09

2019-04-09

Email:ycyk704@163.com

TEL:010-68382327 010-68382557