[发明专利]一种基于随机几何模型的遥感地物目标自动检测方法

权利要求书

1.基于随机几何模型的遥感地物目标自动检测方法，其特征在于：首先建立多类包含遥感地物目标的图像代表集，然后针对待处理目标以组成目标的几何部件作为处理单元，构建随机几何模型；构建目标部件的随机几何模型后，将目标的自动检测问题转化为寻求随机目标过程的最优配置问题，采用马尔可夫链蒙特卡洛（MCMC）方法估计非参数概率密度的极大值；最后利用随机几何模型检测目标，对于测试图像，判断其中是否存在目标，如果不存在目标，结束并输出“不存在目标”的结果，如果存在目标，利用随机几何模型处理图像，获得最优配置对应的检测结果，并输出目标的最终检测位置。 

2.如权利要求1所述的基于随机几何模型的遥感地物目标自动检测方法，其特征在于：其中建立多类包含遥感地物目标的图像代表集采用以下方法： 

1.1、根据需要定义J个类别的遥感地物目标，类别编号为1～J，J为自然数； 

1.2、对每个目标类别选取T幅图像作为该类目标的代表图像，对每一类目标图像，任选T₁幅图像作为训练集，其余的T₂幅图像作为测试集； 

1.3、对每幅目标图像标记出目标所属类别及所在的区域范围； 

1.4、将所有J类目标的图像代表合并为多类目标图像代表集。 

3.如权利要求1或2所述的基于随机几何模型的遥感地物目标自动检测方法，其特征在于：其中第二步中构建随机几何模型采用以下方法： 

2.1、参照标记点过程，定义随机几何模型； 

2.2、采用泊松（Poisson）点过程对遥感图像地物目标的分布建模； 

2.3、构建矩形模型，用于描述目标各个几何部件所在的区域； 

2.4、将随机几何模型纳入贝叶斯概率分析框架中，在给定输入图像I以及目标配置x的条件下，将目标在场景中特定位置的概率密度分布表示为： 

p(x|I)∝p(I|x)p(x)  （1） 

2.5、将真实场景中目标配置x的最大后验概率估计x表示为： 

当p(.)＞0时，将后验概率密度p(x|I)写成Gibbs能量形式： 

定义U_d(x)＝-logp(I|x)为似然能量，是在目标配置x给定的前提下，考察图像I中是否存在目标，其主要作用是衡量当前目标配置与输入图像之间的匹配程度；定义 

U_p(x)＝-logp(x)为先验能量，用以约束x中各个目标以及目标之间的相互关系； 

2.6，结合目标结构的先验知识，构建模型的先验项，对各类部件的相对关系进行约束； 

2.7、数据项该项反映配置x，即所有标记点对图像数据的配合程度，根据不同的应用选择不同的模型数据项； 

2.8、将模型先验能量与似然能量相加，构建随机几何模型的能量函数，模型最优配置的估计值x即为能量函数的极小值。 

4.如权利要求3所述的基于随机几何模型的遥感地物目标自动检测方法，其特征在于：其中构建模型的先验项采用以下方法： 

2.6.1、构建避免部件之间重叠的惩罚项能量U_p1(x)； 

2.6.2、构建鼓励部件之间规则排列的奖励项能量U_p2(x)； 

2.6.3、构建避免部件孤立存在的惩罚项能量U_p3(x)； 

2.6.4、组合以上各项对应的能量函数，将随机几何模型的先验能量项定义为： 

U_p(x)＝U_p1(x)+U_p2(x)+U_p3(x)  （4） 。