一种条带状地下目标的探测定位方法技术

技术编号:15052484 阅读:132 留言:0更新日期:2017-04-05 23:20
本发明专利技术公开了一种条带状地下目标的探测定位方法,包括(1)建立条带状地下目标所在的仿真山体背景热辐射场;(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线性映射,得到山体背景热辐射模型;(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。本发明专利技术解决了现有技术中只针对浅层目标探测定位和条带状地下目标探测识别率低的问题,在条带状地下目标经过山体和环境热辐射干扰后形成畸变的极弱信号中,滤除山体背景信息场,得到条带状地下目标。通过执行本发明专利技术中的方法,克服了多时相红外图获取的困难,显著提高了条带状地下目标探测识别的准确性。

【技术实现步骤摘要】

本专利技术属于热物理学、自然地理、模式识别、遥感与信息处理的交叉领域,更具体地,涉及一种条带状地下目标的探测定位的方法。
技术介绍
条带状地下目标是一种条带状的立体目标,包括人防工事、地下河流、地下隧道、自然地下洞库等等。山体中的隧道在民用中有着举足轻重的地位,尤其是公路隧道与铁路隧道可以穿过山体,不仅大大缩短的道路的长度节省了人们在旅途中花费的时间,也降低了修建盘山公路、铁路所需要大量人力、物力,并且对于汽车来说,隧道的安全性远远大于盘山公路的安全性。地下河流、自然地下洞窟的探测、发现能更好的保护自然资源。因此,有必要开展山地环境中条带状地下目标探测、定位的研究。常规遥感探测仅实现地表上或水面上的条件对象,也有用于只受到空气介质衰减的浅层目标信号探测过程;然而多重介质较深层遥感探测面临着目标信号受到空气、固体、水体介质的多重衰减过程和介质本身的特性以及空气、固体、水体介质的多重畸变过程。最终信号变得十分微弱,用现有的常规方法根本无法探测到。条带状地下目标埋深通常有几十米上百米甚至几百米,其信号经过岩石土壤介质调制表现出来,属于深层的地下目标。目前,国内外对条带状地下目标山地条带状设施探测的方法大都是实地人工探测,缺乏遥感探测的有效手段,这种方法十分费时且需要大量的人力。部分使用红外成像的条带状地下目标探测技术,但大都是直接在红外图上进行人工判读,简单的地表干扰的滤除,缺乏模型,不能获得深度信息。国外利用机载中波和长波红外线扫传感器探测浅层地下目标(如古墓)的研究,但是未见利用遥感图像进行山地条件下的深度条带状地下目标(如人防工事、地下河流、地下隧道、自然地下洞库等)的相关报道。相应地,本领域亟需寻找一种适用于山体背景热辐射模型约束下对条带状地下目标进行探测定位的方法。
技术实现思路
针对现有技术的以上缺陷或不足,本专利技术提出了一种条带状地下目标探测定位的方法,克服了多时相红外图获取困难的问题,解决了现有的只针对浅层目标探测定位和条带状地下目标探测识别率低的问题。利用模拟仿真软件和热辐射理论基础建立山体背景热辐射模型,在上述模型约束下对红外遥感图像进行背景滤波处理,在视觉上就是逐次揭开地层,使条带状地下目标的辐射场逐步透明化。为实现上述目的,本专利技术提出了一种条带状地下目标探测定位的方法,其特征在于,所述方法具体包括以下步骤:1、一种条带状地下目标的探测定位方法,其特征在于,所述方法包括以下步骤:(1)建立条带状地下目标所在的仿真山体背景热辐射场;(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线性映射,得到山体背景热辐射模型;(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。作为进一步优选的,所述步骤(1)具体包括:(1.1)获取条带状地下目标所在山体的海拔高度数据信息;(1.2)根据步骤(1.1)的海拔高度数据信息,提取构建山体的点的(x,y,z)三维坐标,构建山体仿真模型;(1.3)对步骤(1.2)构建的山体模型进行有限元自由网格划分;(1.4)对上述划分后的山体模型进行载荷边界条件的设置,根据山体的热传导率K和山体-空气的热对流率Φ设置热传递的参数,求解估计得到山体的温度场分布,进而,对山体的温度场分布进行灰度图映射和温度分辨率调整,得到仿真山体背景热辐射场。作为进一步优选的,所述步骤(2)具体包括:(2.1)对目标所在山体红外遥感图进行聚类分析,在每一类中依次进行仿真山体背景热辐射场与目标所在山体红外遥感图的线性映射;(2.2)利用聚类分析后的目标所在山体红外遥感图每一类的灰度值对所述仿真山体背景热辐射场进行线性映射校正处理,得到山体背景热辐射模型。作为进一步优选的,所述对目标所在山体红外遥感图进行聚类分析,具体包括:(2.1.1)选取目标所在山体红外遥感图的每个像素的(x,y,g)作为一个样本,其中(x,y)表示像素的行列坐标,g表示像素灰度值;(2.1.2)计算所有样本的距离比;其中,第i个样本bi的距离比s为样本的个数,d()表示两个样本的距离,i≠j,j≠u;(2.1.3)选择距离比Vi最小的样本bi作为第一个类心m1,并置类的序号q=1;(2.1.4)对p=1,2,...,q类,将bi,i=1,2,...,s分配到离它最近的类,并更新类心Np是第p类的样本数,bpi表示第p类中第i个样本;(2.1.5)置q=q+1,若q大于k,则算法中止;否则继续下一步;其中k表示将所述目标所在山体红外遥感图总的类别划分数目;(2.1.6)选择使最小的点bi作为下一个类心mq的最佳初始中心点,转入(2.1.4)。作为进一步优选的,所述山体背景热辐射模型O具体为:O=I-IlIh-Il(Oh-Ol)+Ol]]>其中,Oh为目标所在山体红外遥感图中每一类的最高亮度灰度值,Ol为目标所在山体红外遥感图中每一类的最低亮度灰度值,I为仿真山体背景热辐射场的灰度值,Il为仿真山体背景热辐射场对应每一类所在区域的最低亮度灰度值,Ih为仿真山体背景热辐射场对应每一类所在区域的最高亮度灰度值。作为进一步优选的,所述步骤(3)具体包括:(3.1)通过累积灰度直方图统计后,初步滤除目标所在山体红外遥感图的强干扰背景;(3.2)利用步骤(2)得到的山体背景热辐射模型,进一步滤除目标所在山体红外遥感图的山体背景信息场,得到条带状地下目标信息场T(x,y,z,t)。作为进一步优选的,所述步骤(3.1)具体包括:首先,估计目标所在山体红外遥感图中像素离散灰度级rk的概率密度函数Pr(rk),有下式成立:Pr(rk)=nkn(0≤rk≤l)k=0,1,2...l-1]]>其中,r为像素灰度级,nk为目标所在山体红外遥感图中出现rk灰度的像素数,n为目标所在山体红外遥感图中像素数总数,l为像素离散灰度级的总数目;进一步地,依次累计灰度直方图,将满足下式的rk找出后并滤除,从而完成目标所在山体红外遥感图强干扰背景的初步滤除:Pr(r>rk)≤P其中,P%为强干扰背景在目标所在山体红外遥感图中所占面积比。作为进一步优选的,所述条带状地下目标信息场T(x,y,z,t)具体为:T(x,y,z,t)≈BT(x,y,z,t)-k*O其中,BT(x,y,z,t本文档来自技高网
...
一种条带状地下目标的探测定位方法

【技术保护点】
一种条带状地下目标的探测定位方法,其特征在于,所述方法包括以下步骤:(1)建立条带状地下目标所在的仿真山体背景热辐射场;(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线性映射,得到山体背景热辐射模型;(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。

【技术特征摘要】
1.一种条带状地下目标的探测定位方法,其特征在于,所述方法包括
以下步骤:
(1)建立条带状地下目标所在的仿真山体背景热辐射场;
(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线
性映射,得到山体背景热辐射模型;
(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红
外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。
2.如权利要求1所述的方法,其特征在于,所述步骤(1)具体包括:
(1.1)获取条带状地下目标所在山体的海拔高度数据信息;
(1.2)根据步骤(1.1)的海拔高度数据信息,提取构建山体的点的(x,y,z)
三维坐标,构建山体仿真模型;
(1.3)对步骤(1.2)构建的山体模型进行有限元自由网格划分;
(1.4)对上述划分后的山体模型进行载荷边界条件的设置,根据山体
的热传导率K和山体-空气的热对流率Φ设置热传递的参数,求解估计得到
山体的温度场分布,进而,对山体的温度场分布进行灰度图映射和温度分
辨率调整,得到仿真山体背景热辐射场。
3.如权利要求1或2所述的方法,其特征在于,所述步骤(2)具体
包括:
(2.1)对目标所在山体红外遥感图进行聚类分析,在每一类中依次进
行仿真山体背景热辐射场与目标所在山体红外遥感图的线性映射;
(2.2)利用聚类分析后的目标所在山体红外遥感图每一类的灰度值对
所述仿真山体背景热辐射场进行线性映射校正处理,得到山体背景热辐射
模型。
4.如权利要求3所述的方法,其特征在于,所述对目标所在山体红外

\t遥感图进行聚类分析,具体包括:
(2.1.1)选取目标所在山体红外遥感图的每个像素的(x,y,g)作为一个样
本,其中(x,y)表示像素的行列坐标,g表示像素灰度值;
(2.1.2)计算所有样本的距离比;
其中,第i个样本bi的距离比s为样本的个数,d()表
示两个样本的距离,i≠j,j≠u;
(2.1.3)选择距离比Vi最小的样本bi作为第一个类心m1,并置类的序号
q=1;
(2.1.4)对p=1,2,...,q类,将bi,i=1,2,...,s分配到离它最近的类,并更
新类心p=1,2,...,q,Np是第p类的样本数,bpi表示第p类中第...

【专利技术属性】
技术研发人员:张天序马文绚曹少平郝龙伟黄正华杨柳桑农王岳环
申请(专利权)人:华中科技大学
类型:发明
国别省市:湖北;42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1