[发明专利]点源目标检测的小虚警率的试验估计方法

摘要

一种点源目标检测的小虚警率的试验估计方法，包括①构建图像样本集合，计算图像均值m和图像局部统计标准差S，作为特征A和B，②特征A和B的分布进行数学建模；③构建样本特征空间；④寻找易发生虚警的背景图像；⑤根据找寻到的易产生虚警的背景图像数目与分布情况判断能否实现样本空间的分类，分别进入步骤⑥或⑦；⑥将图像分类结果扩展到整个图像特征空间，估计整个图像空间的检测性能；⑦根据样本集合在特征空间中的分布，设计新的样本特征值，仿真新的测试样本图像。本发明可降低工作量，减少模拟计算复杂程度。可运用于在云图背景远距离红外运动点目标有高可靠检测要求的任务中极低虚警率的测试估计。

主权项

1.一种点源目标检测的小虚警率的试验估计方法，其步骤包括：(1)从云层背景总体中随机抽取图像，构成图像样本集合；再对该图像样本集合中的每一个样本进行特征提取，计算图像均值m和图像局部统计标准差S，分别作为特征A和特征B；(2)分别对特征A和B在图像样本集合中的分布进行数学建模；(3)利用特征A和B构建图像样本特征空间；(4)按照下述过程在图像样本特征空间中寻找易发生虚警的背景图像：(4.1)以图像均值m和局部统计标准差S作为特征统计量，统计图像库中每一幅图像Imagek的特征值(mk，Sk)，其中，1≤k≤R，R为图像库中图像的数目，k为图像库中图像的序号；(4.2)遍历图像库中所有图像，对于图像Imagek(mk，Sk)，若在图像库中查找到图像Imagep(mp，Sp)有mp＞mk或Sp＞Sk，1≤p≤R，p≠k，则放弃记录图像Imagek，否则记录图像Imagek为Imagec k，继续对下一幅图像进行判断直到所有图像遍历完成；(4.3)利用待评估的被测试算法软件检测以Imagec k为背景的仿真序列图像，若出现虚警或漏警，记录为Imagec，k，并将其在从图像库中暂时剔出；对于所有的Imagec k而言，若仿真检测没有出现异常情况，则确定其边界图像Imagec，k和Imagec k，然后进入步骤(5)，否则转入步骤(4.2)；(5)根据找寻到的易产生虚警的背景图像数目与分布情况判断能否实现样本空间的分类，如果能够分类，进入步骤(6)，否则进入步骤(7)；(6)若采用某幅图像Imagec k(mc k，Sc k)仿真序列图像并进行目标测试且无虚警出现，则对于图像库中所有Imageq(mq，Sq)，有 mq≤mck 且Sq≤Sck, 1≤q≤R，q≠k，推测得到以Imageq为背景的仿真序列图像检测目标测试的虚警率Pf≈0，若采用某幅临界图像Imagec k(mc k，Sc k)仿真序列图像并进行目标测试且无漏警出现，则对于图像库中所有Imageq(mq，Sq)，有 mq≤mck 且 Sq≤Sck, 1≤q≤R，q ≠ k，推测得到以Imageq为背景的仿真序列图像检测目标测试的虚警率Pd≈100％；将步骤(5)中图像分类结果扩展到整个图像特征空间，对图像库中所有未进行仿真测试过的图像的试验仿真测试结果进行推测，结合试验测试结果，估计整个图像空间的检测性能；(7)根据样本集合在特征空间中的分布，设计新的样本特征值，仿真新的测试样本图像。