進(jìn)行閾值處理，剔除外界因素的干擾，真實(shí)山體紅外圖像如圖4所示，具體 過(guò)程如下：
[0095] (2. 1. 1)設(shè)變量r代表圖像中像素灰度級(jí)，在離散的形勢(shì)下，用rk代表離散灰度 級(jí)，用P(rk)代表概率密度函數(shù)，有下式成立：
[0096]
[0097] k= 0, 1，2. · · 1-1
[0098] 式中nk為圖像中出現(xiàn)r,灰度的像素?cái)?shù)，η為圖像中像素?cái)?shù)總數(shù)，^就是概率論中 的頻數(shù)，1為灰度級(jí)的總數(shù)目。
[0099] 已知外界因素影響占整幅圖像中所占面積比為P%，則有下式：
[0100] Pr(rk) ^P
[0101] 依次累計(jì)灰度直方圖，如果累計(jì)值大于或等于目標(biāo)物所占比例，停止累加，記錄rk 的值，作為背景的指導(dǎo)值。本實(shí)例中，P= 〇. 5,rk= 31000。
[0102] (2. 2)山體熱場(chǎng)模型的映射校正步驟
[0103] 山體熱場(chǎng)背景的灰度值根據(jù)上述得到的值和圖像的灰度最小值進(jìn)行線性映射校 正處理。具體的公式如下：
[0104] 0= -l-^j-(0ll-~0!) +0l
[0105] 其中，I為熱場(chǎng)模型的灰度值，I:為熱場(chǎng)模型的最低亮度灰度值，Ih為熱場(chǎng)模型的 最高亮度灰度值，為真實(shí)山體紅外圖像的最低亮度灰度值，〇h為上述求得的rk，0為映射 校正后的山體背景模型。校正后的山體背景如圖5所示。本實(shí)例中，0 1= 29852。
[0106] (3)利用映射后的山體背景熱場(chǎng)模型進(jìn)行背景濾波步驟，包括以下子步驟：
[0107] 由于遙感器觀測(cè)的角度和太陽(yáng)照射角的影響，可將山體分為陽(yáng)面和陰面。太陽(yáng)直 接照射的山體部分稱為陽(yáng)面，太陽(yáng)無(wú)法直接照射的部分稱為陰面。山體背景和周圍環(huán)境有 熱輻射，直接照射和非直接照射時(shí)的熱輻射存在差異。不僅如此，晝間山體背景的熱場(chǎng)和夜 間山體背景的熱場(chǎng)也不一樣，本發(fā)明針對(duì)的是山體背景熱場(chǎng)模型約束的地下熱源晝間探測(cè) 定位。
[0108] 首先找到陰面和陽(yáng)面的分界處的像素點(diǎn)，利用最小二乘擬合的方法擬合陰面和陽(yáng) 面的分割線，然后對(duì)陰面進(jìn)行灰度補(bǔ)償操作，最后進(jìn)行背景濾波處理。
[0109] (3. 1)原始紅外圖像陰面陽(yáng)面分界線提取步驟
[0110] (3. 1. 1)利用陰面和陽(yáng)面灰度差值的區(qū)別確定分界處的像素點(diǎn)，根據(jù)圖像數(shù)據(jù)的 信息可以確定分界線是東西走向，所以只需比較上下的像素點(diǎn)灰度值即可，如果上下鄰近 的像素灰度差異大于K，公式如下：
[0111] G(x,y)>G(x,y-l)+K
[0112] G(x,y) >G(x,y-2)+K
[0113] G(x,y)>G(x,y-3)+K
[0114] G(x,y)>G(x,y-l)+K
[0115] 如果上述四個(gè)不等式成立，就將（x，y)視為分界線附近的像素點(diǎn)，遍歷全圖得到 分界線附近的所有像素點(diǎn)，如圖6所示。本實(shí)例中，K= 40。
[0116] (3. 1. 2)接下來(lái)對(duì)上述得到的所有分界線附近的像素點(diǎn)進(jìn)行三次多項(xiàng)式最小二乘 法擬合線性處理，具體過(guò)程如下：
[0117]
[0118]
[0119] 其中φ(Λ_>為最小二乘擬合的三次多項(xiàng)式，err為誤差目標(biāo)函數(shù)，通過(guò)使err最小達(dá) 到最優(yōu)的三次多項(xiàng)式擬合，得到最終的分界線，如圖7所示。本實(shí)例中，a。= 0，ai=0. 001，a2 =0· 4635,a3= 42. 5124。
[0120] (3. 2)消除陽(yáng)面太陽(yáng)直接照射能量的步驟
[0121] 根據(jù)分界線得到紅外圖像陰面區(qū)域和陽(yáng)面區(qū)域之后，采用如下的映射策略對(duì)紅外 圖像紅外圖像陽(yáng)面區(qū)域的灰度值進(jìn)行消除：
[0122]
[01 23]u1noshadow、丄，J7 丄noshadow、丄，J7
[0124] 式中F'MshadOT(i，j)是紅外圖像太陽(yáng)未直接照射的陽(yáng)面區(qū)域灰度值，F(xiàn)MshadOT(i，j) 是紅外圖像太陽(yáng)直接照射陽(yáng)面區(qū)域灰度值，mshadcJPσ^^是紅外圖像陽(yáng)面區(qū)域灰度值的 均值和方差，m_hadcJPσ_hadOT是鄰近非紅外圖像紅外圖像陰面區(qū)域灰度值的均值和方差， A為補(bǔ)償強(qiáng)度系數(shù)，D為太陽(yáng)直接照射陽(yáng)面的能量灰度值。本實(shí)例中，mshadOT= 6478,mMshadOT =4478，σshadciw= 55. 2752，σncishadciw= 61. 9714,D= 225,A= 1· 0。
[0125] 從上述中得到太陽(yáng)直接照射產(chǎn)生的灰度值后，遍歷所有檢測(cè)到的陽(yáng)
[0126] 面區(qū)域，將紅外圖像陽(yáng)面區(qū)域減去紅外圖每一個(gè)點(diǎn)的灰度值補(bǔ)償D，得到消除太陽(yáng) 照射影響后的灰度圖。之前沒(méi)有考慮到太陽(yáng)照射的影響，將太陽(yáng)照射的分量濾掉，濾掉太陽(yáng) 陽(yáng)面被太陽(yáng)照射的能量，太陽(yáng)照射引起的熱輻射分量，被陽(yáng)面吸收了，熱平衡條件下，濾除 被太陽(yáng)直接照射的分量，結(jié)果如圖8所示。
[0127] (3. 3)山體真實(shí)紅外圖背景濾波處理步驟
[0128] 利用仿真得到的山體背景熱場(chǎng)模型作為真實(shí)山體紅外圖的背景，由于山體中的目 標(biāo)熱輻射符合熱傳導(dǎo)的數(shù)學(xué)模型，假設(shè)在某a時(shí)刻t。目標(biāo)位置（X。，y。，ζ。）的熱輻射曲面為 BT(x,y,z,t)
[0129] BT(x,y,z,t)
[0130] =B(x,y,z,t)+T(x,y,z,t) *Rb (x,y,z,t)
[0131 ] +A(x,y,z,t)+δ(χ,y,z,t)
[0132] 該時(shí)刻目標(biāo)背景體福射場(chǎng)BT(x,y,z,t)，由多重介質(zhì)體福射場(chǎng)B(x,y,z,t)，被多 重介質(zhì)體畸變了的目標(biāo)體福射場(chǎng)T(x,y,z,t) *Rb (x,y,z,t)，水體/地體與空氣接觸面散失 的福射量δ(X，y,z,t)和太陽(yáng)照射影響A(x,y,z,t)共同產(chǎn)生。
[0133] 目標(biāo)背景體輻射場(chǎng)的影響主要由B(x,y,z,t)和A(x,y,z,t)產(chǎn)生，因此有如下公 式：
[0134] T(x,y,z,t) =BT(x,y,z,t) -k*B(x,y,z,t)-A(x,y,z,t)
[0135] 其中T(x，y，z，t)為目標(biāo)的近似熱輻射場(chǎng)，BT(x，y，z，t)為目標(biāo)背景體輻射場(chǎng)， B(x,y,z,t)為多重介質(zhì)體背景福射場(chǎng)，A(x,y,z,t)為太陽(yáng)照射產(chǎn)生的能量場(chǎng)，k為背景福 射場(chǎng)的可調(diào)系數(shù)。最后得到真實(shí)山體紅外圖背景濾波后的圖像，如圖9所示。本實(shí)例中，k =0. 8〇
[0136] (4)地下目標(biāo)空間約束均值聚類探測(cè)定位步驟
[0137] 從背景濾波后的圖像中，選取待識(shí)別圖像塊有s個(gè)，模板大小為3*3,分別是 hb2,b3. ..bs，包括下有目標(biāo)圖像區(qū)域與下無(wú)目標(biāo)圖像區(qū)域，選擇的時(shí)候避免有房屋和道路 的影響。
[0138] 利用空間約束均值聚類算法把道路段kWh，...，bs分為下有目標(biāo)圖像區(qū)域與 下無(wú)目標(biāo)圖像區(qū)域兩類。空間約束均值聚類算法的具體實(shí)現(xiàn)過(guò)程如下：
[0139]St印1 :對(duì)于所有樣本點(diǎn)匕，計(jì)算距離比
[0140]
[0141] 選擇\^最小的點(diǎn)b;作為第一個(gè)類心，并置q= 1 ;
[0142] Step2 :對(duì)p= 1，2,將bpi= 1，2,…，s分配到離它最近的類，并更新類心
i= 1，2，隊(duì)是第i類的樣本數(shù)；
[0143] Step3 :置q=q+Ι，若q>2,算法中止；
[0144] Step4 :選擇下一個(gè)類的最佳初始中心點(diǎn)為#
最小的點(diǎn)匕，轉(zhuǎn)入 Step2〇
[0145] 本實(shí)例中，11^= 310,m2= 400
[0146] 通過(guò)上式得到聚類后的結(jié)果，灰度值大的那一類作為疑似地下目標(biāo)的一類，灰度 值小的一類作為非疑似地下目標(biāo)的一類。最后通過(guò)空間約束聚類算法得到地下目標(biāo)的位 置，如圖10所示。
[0147] 本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以 限制本發(fā)明，凡