本发明公开了一种山体背景热场模型约束的地下热源昼间遥感探测定位方法，属于遥感技术、自然地理和模式识别的交叉领域，意在于对山体背景进行热场仿真，得到山体背景的热场模型，以热场模型为约束，对原始遥感红外图像进行背景滤波，清晰的揭示地下目标所在的位置。本发明包括山体背景热场模型建立步骤、山体背景热场8位到16位映射步骤、利用映射后的山体背景热场模型进行背景滤波步骤、地下目标空间约束均值聚类探测定位步骤。本发明利用山体背景热场构建模型，利用真实山体的背景对模型进行灰度映射，保证建立的热场模型接近真实的山体背景热场，最后对真实遥感红外图像进行背景滤波处理，确定地下目标的位置。
1.一种山体背景热场模型约束的地下热源昼间遥感探测定位方法，其特征在于，所述方法包括如下步骤：(1)山体背景热场模型的建立，包括以下子步骤：
(2)山体背景热场8位到16位映射，包括以下子步骤：(2.1)真实山体背景灰度值范围的确定；
(3)利用映射后的山体背景热场模型进行背景滤波，包括以下子步骤：(3.1)原始红外图像阴面阳面分界线提取；
2.如权利要求1所述的方法，其特征在于，所述步骤(4)具体包括如下子步骤：从背景滤波后的图像中，选取待识别图像块有s个，分别是b1,b2,b3,...,bs，包括下有目标图像区域与下无目标图像区域，利用空间约束均值聚类算法把道路段b1,b2,b3,...,bs分为下有目标图像区域与下无目标图像区域两类，其中空间约束均值聚类算法的具体实现过程如下：Step1：对于所有样本点bi，计算距离比
Step2：对p＝1,2，将bi，i＝1,2,...,s分配到离它最近的类，并更新类心i＝1,2，Ni是第i类的样本数；
Step4：选择下一个类的最佳初始中心点为使 最小的点bi，转入Step2。
3.如权利要求1或2所述的方法，其特征在于，所述步骤(1.1)具体包括如下子步骤：(1.1.1)通过遥感测绘获得山体的三维数字高程模型，得到真实山体的海拔高度数据信息；
(1.1.2)ANSYS几何山体模型的构建是以点、线、面和体来构成的，点是构建几何模型的基础，根据上述的海拔信息，几何山体的创建是由关键点生成闭合的曲线，由闭合的曲线生成平面，然后由闭合的曲面围成几何山体，几何山体就构成了整个山体模型。
4.如权利要求1或2所述的方法，其特征在于，所述步骤(2.1)具体包括如下子步骤：(2.1.1)设变量r代表图像中像素灰度级，用rk代表离散灰度级，用P(rk)代表概率密度函数，有下式成立:式中nk为图像中出现rk灰度的像素数，n为图像中像素数总数， 就是概率论中的频数，l为灰度级的总数目；
已知外界因素影响占整幅图像中所占面积比为P％，则有下式：Pr(rk)≥P
依次累计灰度直方图，如果累计值大于或等于目标物所占比例，停止累加，记录rk的值，作为背景的指导值。
5.如权利要求4所述的方法，其特征在于，所述步骤(2.2)具体为：山体热场模型背景的灰度值根据步骤(2.1)得到的值和图像的灰度最小值进行线性映射校正处理；具体的公式如下：其中，I为热场模型的灰度值，Il为热场模型的最低亮度灰度值，Ih为热场模型的最高亮度灰度值，Ol为真实山体红外图像的最低亮度灰度值，Oh为步骤(2.1)求得的rk，O为映射校正后的山体背景模型。
6.如权利要求1或2所述的方法，其特征在于，所述步骤(3.1)具体包括如下子步骤：(3.1.1)利用阴面和阳面灰度差值的区别确定分界处的像素点，根据图像数据的信息确定分界线是东西走向，比较上下的像素点灰度值，如果上下邻近的像素灰度差异大于K，公式如下：G(x,y)＞G(x,y-1)+K
如果上述四个不等式成立，则将(x,y)视为分界线附近的像素点，遍历全图得到分界线附近的所有像素点；
(3.1.2)对上述得到的所有分界线附近的像素点进行三次多项式最小二乘法拟合线性处理，具体过程如下：其中 为最小二乘拟合的三次多项式，err为误差目标函数，通过使err最小达到最优的三次多项式拟合，得到最终的分界线。
7.如权利要求1或2所述的方法，其特征在于，所述步骤(3.2)具体包括如下子步骤：根据分界线得到红外图像阴面区域和阳面区域之后，采用如下的映射策略对红外图像红外图像阳面区域的灰度值进行消除：D＝F′noshadow(i,j)-Fnoshadow(i,j)式中F'noshadow(i,j)是红外图像太阳未直接照射的阳面区域灰度值，Fnoshadow(i,j)是红外图像太阳直接照射阳面区域灰度值，mshadow和σshadow是红外图像阳面区域灰度值的均值和方差，mnoshadow和σnoshadow是邻近非红外图像红外图像阴面区域灰度值的均值和方差，A为补偿强度系数，D为太阳直接照射阳面的能量灰度值。
8.如权利要求1或2所述的方法，其特征在于，所述步骤(3.3)具体包括如下子步骤：利用仿真得到的山体背景热场模型作为真实山体红外图的背景，假设在某a时刻t0目标位置(x0,y0,z0)的热辐射曲面为BT(x,y,z,t)BT(x,y,z,t)
＝B(x,y,z,t)+T(x,y,z,t)*Rb(x,y,z,t)+A(x,y,z,t)+δ(x,y,z,t)
该时刻目标背景体辐射场BT(x,y,z,t)，由多重介质体辐射场B(x,y,z,t)、被多重介质体畸变了的目标体辐射场T(x,y,z,t)*Rb(x,y,z,t)、水体/地体与空气接触面散失的辐射量δ(x,y,z,t)和太阳照射影响的能量场A(x,y,z,t)共同产生；
目标背景体辐射场的影响由B(x,y,z,t)和A(x,y,z,t)产生，有如下公式：T(x,y,z,t)＝BT(x,y,z,t)-k*B(x,y,z,t)-A(x,y,z,t)其中T(x,y,z,t)为目标的近似热辐射场，BT(x,y,z,t)为目标背景体辐射场，B(x,y,z,t)为多重介质体背景辐射场，A(x,y,z,t)为太阳照射影响的能量场，k为背景辐射场的可调系数；最后得到真实山体红外图背景滤波后的图像。
9.如权利要求1或2所述的方法，其特征在于，所述步骤(1.2)具体为：进行自由网格划分，自由的在面上自动生成三角形或者是四面体网格，在体上自动生成四面体网格，同时人工进行智能尺寸的控制。
10.如权利要求1或2所述的方法，其特征在于，所述步骤(1.3)具体为：对上述网格划分后的山体进行载荷边界条件的设置，利用山体热传导和山体-空气热对流的基本热传递物理基础，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，经过Ansys的求解计算得到山体的温度场分布，最后对山体的温度场分布进行灰度图的映射和温度分辨率的调整，最终得到山体热场模型。
山体背景热场模型约束的地下热源昼间遥感探测定位方法
技术领域
[0001] 本发明属于遥感技术、自然地理和模式识别的交叉领域，具体涉及一种山体背景热场模型约束的地下热源昼间遥感探测定位方法。
背景技术
[0002] 人类的发展离不开各种自然资源，为了获得丰富的地下资源、矿产资源以及地下水资源等，需要修建大量的地下设施，因而地下建筑、地下设施等地下目标的探测技术显得日益重要。一切温度高于绝对零度的物体都能产生热辐射，地下目标和周围区域具有不同的热力学特性，在外界环境的作用下，地下目标的存在会影响周围区域的内部热传导过程，造成存在地下目标的地方和周围背景出现随时间变化的温度差异。从统计学意义上讲，即地下目标的温度场高于或低于山体背景的温度场。因此，可以将这些地下目标看作不同于背景热源的地下热源。相比于其他探测手段，红外技术手段探测具有一定的优势。非遥感探测手段无法实现大面积的同步观测，在恶劣的环境下难以使用，获取信息的速度慢，且耗时费力。现有的常规遥感探测手段主要针对于地表或水面上的条件对象，获取信息受到自然环境、背景环境的限制，无法探测到深层地下热源目标。目前，电磁诱导技术只可以探测浅层地表下的金属目标，同时容易受到地下散落金属碎片的影响。因此，红外技术手段探测成为了一种有效的地下目标探测手段。
[0003] 目前，国内外对地下目标的探测也有一定的研究。国内主要是集中在浅层目标的探测，以及针对多时相图像下目标的探测，且这些地下目标大多是大尺度的地下热源。多国内也未见深层(距地表距离大于10m)地下热源目标探测的相关报道，尤其是小尺度的地下热源目标。国外有利用机载中波和长波红外线扫传感器探测地下目标的研究，但是未见利用遥感图像进行地下目标探测的相关报道。对于平面的带状目标的探测，现有的模式识别方法并没有采用背景滤波的方法。而且它探测到的仅仅是疑似目标区，并没有准确定位地下目标所在位置。不仅如此，探测得到的疑似目标区的漏警率不理想，虚警率高，而定位准确度也不高。
发明内容
[0004] 本发明提出了一种山体背景热场模型约束下，对深层(距地表距离大于10m)的地下分布式热源昼间探测定位的方法，解决了现有的只针对浅层地下热源探测定位的问题，利用模拟仿真软件对山体进行热场的模拟仿真，分析得到山体本体背景的热场模型，利用真实红外图对山体热场模型进行映射统一，并利用映射后的模型对真实红外图像进行背景滤波处理，降低山体本体背景热场对探测的影响，最后准确定位地下目标所在的位置。
[0005] 本发明提供一种基于山体背景热场模型约束的地下分布式热源昼间探测定位方法。建立山体背景热场模型时，根据实际山体热场做适当的简化，得到简化的模型，具体步骤如下：
[0006] (1)山体背景热场模型的建立，包括以下子步骤：
[0007] (1.1)山体模型的建立步骤
[0008] (1.1.1)通过遥感测绘获得山体的三维数字高程模型，得到真实山体的海拔高度数据信息。
[0009] (1.1.2)ANSYS几何山体模型的构建是以点、线、面和体来构成的，点(坐标)是构建几何模型的基础。所以根据上述的海拔信息，几何山体的创建是由关键点生成闭合的曲线，闭合的曲线生成平面，然后由闭合的曲面围成几何山体。而几何山体就构成了整个山体模型。
[0010] (1.2)山体模型的有限元网格划分步骤
[0011] Anasy有限元网格划分是进行数值模拟分析至关重要的一步，由于山体的模型并不是规则的，因此进行自由网格划分，可以自由的在面上自动生成三角形或者是四面体网格，在体上自动生成四面体网格，同时人工进行智能尺寸的控制。
[0012] (1.3)山体模型边界条件设置和求解步骤
[0013] 对上述网格划分后的山体进行载荷边界条件的设置，利用山体热传导和山体-空气热对流的基本热传递物理基础，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，经过Ansys的求解计算得到山体的温度场分布，最后对山体的温度场分布进行灰度图的映射和温度分辨率的调整，最终得到山体热场模型。
[0014] (2)山体背景热场8位到16位映射，包括以下子步骤：
[0015] 由于建立的山体背景红外热场模型图像为8位，而真实的山体背景热场图像为16位，所以需要对上面得到的山体背景热场模型与真实山体背景热场进行8位到16位的映射处理。在模型的热场和真实的热场分布变化大致相同的情况下，保证模型热场更加接近真实山体的热场。
[0016] (2.1)真实山体背景灰度值范围的确定步骤
[0017] 真实山体背景的热场受到诸多外界因素的影响，比如房屋、道路等。由于这些外界因素在整个背景中所占的比例很小，因此可将其当作干扰。故而需要进行区域约束处理，通过直方图统计，进行阈值处理，剔除外界因素的干扰，具体过程如下：
[0018] (2.1.1)设变量r代表图像中像素灰度级，在离散的形势下，用rk代表离散灰度级，用P(rk)代表概率密度函数，有下式成立:
[0019]
[0020] k＝0,1,2...l-1
[0021] 式中nk为图像中出现rk灰度的像素数，n为图像中像素数总数， 就是概率论中的频数，l为灰度级的总数目。
[0022] 已知外界因素影响占整幅图像中所占面积比为P％，则有下式：
[0023] Pr(rk)≥P
[0024] 依次累计灰度直方图，如果累计值大于或等于目标物所占比例，停止累加，记录rk的值，作为背景的指导值。
[0025] (2.2)山体热场模型的映射校正步骤
[0026] 山体热场模型背景的灰度值根据上述得到的值和图像的灰度最小值进行线性映射校正处理。具体的公式如下：
[0027]
[0028] 其中，I为热场模型的灰度值，Il为热场模型的最低亮度灰度值，Ih为热场模型的最高亮度灰度值，Ol为真实山体红外图像的最低亮度灰度值，Oh为上述求得的rk，O为映射校正后的山体背景模型。
[0029] (3)利用映射后的山体背景热场模型进行背景滤波步骤
[0030] 由于遥感器观测的角度和太阳照射角的影响，可将山体分为阳面和阴面。太阳直接照射的山体部分称为阳面，太阳无法直接照射的部分称为阴面。山体背景和周围环境有热辐射，直接照射和非直接照射时的热辐射存在差异。不仅如此，昼间山体背景的热场和夜间山体背景的热场也不一样，本发明针对的是山体背景热场模型约束的地下热源昼间探测定位。首先找到阴面和阳面的分界处的像素点，利用最小二乘拟合的方法拟合阴面和阳面的分割线，然后对阴面进行灰度补偿操作，最后进行背景滤波处理。
[0031] (3.1)原始红外图像阴面阳面分界线提取步骤
[0032] (3.1.1)利用阴面和阳面灰度差值的区别确定分界处的像素点，根据图像数据的信息可以确定分界线是东西走向，所以只需比较上下的像素点灰度值即可，如果上下邻近的像素灰度差异大于K，公式如下：
[0033] G(x,y)>G(x,y-1)+K
[0034] G(x,y)>G(x,y-2)+K
[0035] G(x,y)>G(x,y-3)+K
[0036] G(x,y)>G(x,y-1)+K
[0037] 如果上述四个不等式成立，就将(x,y)视为分界线附近的像素点，遍历全图得到分界线附近的所有像素点。
[0038] (3.1.2)接下来对上述得到的所有分界线附近的像素点进行三次多项式最小二乘法拟合线性处理，具体过程如下：
[0039]
[0040]
[0041] 其中 为最小二乘拟合的三次多项式，err为误差目标函数，通过使err最小达到最优的三次多项式拟合，得到最终的分界线。
[0042] (3.2)消除阳面太阳直接照射能量的步骤
[0043] 根据分界线得到红外图像阴面区域和阳面区域之后，采用如下的映射策略对红外图像红外图像阳面区域的灰度值进行消除：
[0044]
[0045] D＝Fn'oshadow(i,j)-Fnoshadow(i,j)
[0046] 式中F'noshadow(i,j)是红外图像太阳未直接照射的阳面区域灰度值，Fnoshadow(i,j)是红外图像太阳直接照射阳面区域灰度值，mshadow和σshadow是红外图像阳面区域灰度值的均值和方差，mnoshadow和σnoshadow是邻近非红外图像红外图像阴面区域灰度值的均值和方差，A为补偿强度系数，D为太阳直接照射阳面的能量灰度值。
[0047] 从上述中得到太阳直接照射影响的灰度值后，遍历所有检测到的阴
[0048] 面区域，将红外图像阳面区域减去红外图每一个点的灰度值补偿D，得到消除太阳照射影响后的灰度图。之前没有考虑到太阳照射的影响，将太阳照射的分量滤掉，滤掉太阳阳面被太阳照射的能量，太阳照射引起的热辐射分量，被阳面吸收了，热平衡条件下，滤除被太阳直接照射的分量。
[0049] (3.3)山体真实红外图背景滤波处理步骤
[0050] 利用仿真得到的山体背景热场模型作为真实山体红外图的背景，由于山体中的目标热辐射符合热传导的数学模型，假设在某a时刻t0目标位置(x0,y0,z0)的热辐射曲面为BT(x,y,z,t)
[0051] BT(x,y,z,t)
[0052] ＝B(x,y,z,t)+T(x,y,z,t)*Rb(x,y,z,t)
[0053] +A(x,y,z,t)+δ(x,y,z,t)
[0054] 该时刻目标背景体辐射场BT(x,y,z,t)，由多重介质体辐射场B(x,y,z,t)，被多重介质体畸变了的目标体辐射场T(x,y,z,t)*Rb(x,y,z,t)，水体/地体与空气接触面散失的辐射量δ(x,y,z,t)和太阳照射影响A(x,y,z,t)共同产生。
[0055] 目标背景体辐射场的影响主要由B(x,y,z,t)和A(x,y,z,t)产生，因此有如下公式：
[0056] T(x,y,z,t)＝BT(x,y,z,t)-k*B(x,y,z,t)-A(x,y,z,t)
[0057] 其中T(x,y,z,t)为目标的近似热辐射场，BT(x,y,z,t)为目标背景体辐射场，B(x,y,z,t)为多重介质体背景辐射场，A(x,y,z,t)为太阳照射影响的能量场，k为背景辐射场的可调系数。最后得到真实山体红外图背景滤波后的图像。
[0058] (4)地下目标空间约束均值聚类探测定位步骤
[0059] 从背景滤波后的图像中，选取待识别图像块有s个，模板大小为3*3，分别是b1,b2,b3,...,bs，包括下有目标图像区域与下无目标图像区域，选择的时候避免有房屋和道路的影响。
[0060] 利用空间约束均值聚类算法把道路段b1,b2,b3,...,bs分为下有目标图像区域与下无目标图像区域两类。空间约束均值聚类算法的具体实现过程如下：
[0061] Step1：对于所有样本点bi，计算距离比
[0062]
[0063] 选择Vi最小的点bi作为第一个类心，并置q＝1；
[0064] Step2：对p＝1,2，将bi，i＝1,2,...,s分配到离它最近的类，并更新类心i＝1,2，Ni是第i类的样本数；
[0065] Step3：置q＝q+1，若q>2，算法中止；
[0066] Step4：选择下一个类的最佳初始中心点为使 最小的点bi，转入Step2。
[0067] 通过上式得到聚类后的结果，灰度值大的那一类作为疑似地下目标的一类，灰度值小的一类作为非疑似地下目标的一类。最后通过空间约束聚类算法得到地下目标的位置。
附图说明
[0068] 图1为本发明流程示意图；
[0069] 图2(a)为山体海拔信息示意图；
[0070] 图2(b)为山体等高线示意图；
[0071] 图2(c)为山体网格划分前示意图；
[0072] 图2(d)为山体网格划分后示意图；
[0073] 图3为山体的热辐射模型示意图；
[0074] 图4为山体真实红外图像；
[0075] 图5为映射后的背景热场模型图像；
[0076] 图6为山体阴阳面分界线附近像素点示意图；
[0077] 图7为山体阴阳面分界线示意图；
[0078] 图8为山体消除太阳直接照射影响后的红外图像；
[0079] 图9为基于热场模型背景滤波后的红外图像；
[0080] 图10为地下目标探测结果示意图。
具体实施方式
[0081] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0082] 本发明的流程如图1所示，其中具体的实施方法包括以下步骤。本发明包括山体背景热场模型建立步骤、山体背景热场8位到16位映射步骤、利用映射后的山体背景热场模型进行背景滤波步骤、地下目标空间约束均值聚类探测定位步骤：
[0083] (1)山体背景热场模型的建立，包括以下子步骤：
[0084] (1.1)山体模型的建立步骤
[0085] (1.1.1)通过遥感测绘获得山体的三维数字高程模型，得到真实山体的海拔高度数据信息，如图2(a)所示。
[0086] (1.1.2)ANSYS几何山体模型的构建是以点、线、面和体来构成的，点(坐标)是构建几何模型的基础。所以根据上述的海拔信息，几何山体的创建是由关键点生成闭合的曲线，闭合的曲线生成平面，然后由闭合的曲面围成几何山体。而几何山体就构成了整个山体模型，如图2(b)和图2(c)所示。
[0087] (1.2)山体模型的有限元网格划分步骤
[0088] Anasy有限元网格划分是进行数值模拟分析至关重要的一步，由于山体的模型并不是规则的，因此进行自由网格划分，可以自由的在面上自动生成三角形或者是四面体网格，在体上自动生成四面体网格，同时人工进行智能尺寸的控制。本实例采用二次四面体单元(92号单元)，保证计算计算精度，如图2(d)所示。
[0089] (1.3)山体模型边界条件设置和求解步骤
[0090] 对上述网格划分后的山体进行载荷边界条件的设置，利用山体热传导和山体-空气热对流的基本热传递物理基础，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，经过Ansys的求解计算得到山体的温度场分布，最后对山体的温度场分布进行灰度图的映射和温度分辨率的调整，最终得到山体热辐射模型。本实例中，K＝3.49Kg/m3，Φ＝3W/(m^2.C)，求解结果如图3所示。
[0091] (2)山体背景热场8位到16位映射过程，包括以下子步骤：
[0092] 由于建立的山体背景红外热场模型图像为8位，而真实的山体背景热场图像为16位，所以需要对上面得到的山体背景热场模型与真实山体背景热场进行8位到16位的映射处理。在模型的热场和真实的热场分布变化大致相同的情况下，保证模型热场更加接近真实山体的热场。
[0093] (2.1)真实山体背景灰度值的范围的确定步骤
[0094] 真实山体背景的热场受到诸多外界因素的影响，比如房屋、道路等。由于这些外界因素在整个背景中所占的比例很小，因此可将其当作干扰。故而需要进行区域约束处理，通过直方图统计，进行阈值处理，剔除外界因素的干扰，真实山体红外图像如图4所示，具体过程如下：
[0095] (2.1.1)设变量r代表图像中像素灰度级，在离散的形势下，用rk代表离散灰度级，用P(rk)代表概率密度函数，有下式成立:
[0096]
[0097] k＝0,1,2...l-1
[0098] 式中nk为图像中出现rk灰度的像素数，n为图像中像素数总数， 就是概率论中的频数，l为灰度级的总数目。
[0099] 已知外界因素影响占整幅图像中所占面积比为P％，则有下式：
[0100] Pr(rk)≥P
[0101] 依次累计灰度直方图，如果累计值大于或等于目标物所占比例，停止累加，记录rk的值，作为背景的指导值。本实例中，P＝0.5，rk＝31000。
[0102] (2.2)山体热场模型的映射校正步骤
[0103] 山体热场背景的灰度值根据上述得到的值和图像的灰度最小值进行线性映射校正处理。具体的公式如下：
[0104]
[0105] 其中，I为热场模型的灰度值，Il为热场模型的最低亮度灰度值，Ih为热场模型的最高亮度灰度值，Ol为真实山体红外图像的最低亮度灰度值，Oh为上述求得的rk，O为映射校正后的山体背景模型。校正后的山体背景如图5所示。本实例中，Ol＝29852。
[0106] (3)利用映射后的山体背景热场模型进行背景滤波步骤，包括以下子步骤：
[0107] 由于遥感器观测的角度和太阳照射角的影响，可将山体分为阳面和阴面。太阳直接照射的山体部分称为阳面，太阳无法直接照射的部分称为阴面。山体背景和周围环境有热辐射，直接照射和非直接照射时的热辐射存在差异。不仅如此，昼间山体背景的热场和夜间山体背景的热场也不一样，本发明针对的是山体背景热场模型约束的地下热源昼间探测定位。
[0108] 首先找到阴面和阳面的分界处的像素点，利用最小二乘拟合的方法拟合阴面和阳面的分割线，然后对阴面进行灰度补偿操作，最后进行背景滤波处理。
[0109] (3.1)原始红外图像阴面阳面分界线提取步骤
[0110] (3.1.1)利用阴面和阳面灰度差值的区别确定分界处的像素点，根据图像数据的信息可以确定分界线是东西走向，所以只需比较上下的像素点灰度值即可，如果上下邻近的像素灰度差异大于K，公式如下：
[0111] G(x,y)>G(x,y-1)+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-1)+K
[0115] 如果上述四个不等式成立，就将(x,y)视为分界线附近的像素点，遍历全图得到分界线附近的所有像素点，如图6所示。本实例中，K＝40。
[0116] (3.1.2)接下来对上述得到的所有分界线附近的像素点进行三次多项式最小二乘法拟合线性处理，具体过程如下：
[0117]
[0118]
[0119] 其中 为最小二乘拟合的三次多项式，err为误差目标函数，通过使err最小达到最优的三次多项式拟合，得到最终的分界线，如图7所示。本实例中，a0＝0,a1＝0.001,a2＝0.4635,a3＝42.5124。
[0120] (3.2)消除阳面太阳直接照射能量的步骤
[0121] 根据分界线得到红外图像阴面区域和阳面区域之后，采用如下的映射策略对红外图像红外图像阳面区域的灰度值进行消除：
[0122]
[0123] D＝Fn'oshadow(i,j)-Fnoshadow(i,j)
[0124] 式中F'noshadow(i,j)是红外图像太阳未直接照射的阳面区域灰度值，Fnoshadow(i,j)是红外图像太阳直接照射阳面区域灰度值，mshadow和σshadow是红外图像阳面区域灰度值的均值和方差，mnoshadow和σnoshadow是邻近非红外图像红外图像阴面区域灰度值的均值和方差，A为补偿强度系数，D为太阳直接照射阳面的能量灰度值。本实例中，mshadow＝6478，mnoshadow＝4478，σshadow＝55.2752，σnoshadow＝61.9714，D＝225，A＝1.0。
[0125] 从上述中得到太阳直接照射产生的灰度值后，遍历所有检测到的阳
[0126] 面区域，将红外图像阳面区域减去红外图每一个点的灰度值补偿D，得到消除太阳照射影响后的灰度图。之前没有考虑到太阳照射的影响，将太阳照射的分量滤掉，滤掉太阳阳面被太阳照射的能量，太阳照射引起的热辐射分量，被阳面吸收了，热平衡条件下，滤除被太阳直接照射的分量，结果如图8所示。
[0127] (3.3)山体真实红外图背景滤波处理步骤
[0128] 利用仿真得到的山体背景热场模型作为真实山体红外图的背景，由于山体中的目标热辐射符合热传导的数学模型，假设在某a时刻t0目标位置(x0,y0,z0)的热辐射曲面为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(x,y,z,t)
[0132] 该时刻目标背景体辐射场BT(x,y,z,t)，由多重介质体辐射场B(x,y,z,t)，被多重介质体畸变了的目标体辐射场T(x,y,z,t)*Rb(x,y,z,t)，水体/地体与空气接触面散失的辐射量δ(x,y,z,t)和太阳照射影响A(x,y,z,t)共同产生。
[0133] 目标背景体辐射场的影响主要由B(x,y,z,t)和A(x,y,z,t)产生，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)为目标的近似热辐射场，BT(x,y,z,t)为目标背景体辐射场，B(x,y,z,t)为多重介质体背景辐射场，A(x,y,z,t)为太阳照射产生的能量场，k为背景辐射场的可调系数。最后得到真实山体红外图背景滤波后的图像，如图9所示。本实例中，k＝0.8。
[0136] (4)地下目标空间约束均值聚类探测定位步骤
[0137] 从背景滤波后的图像中，选取待识别图像块有s个，模板大小为3*3，分别是b1,b2,b3...bs，包括下有目标图像区域与下无目标图像区域，选择的时候避免有房屋和道路的影响。
[0138] 利用空间约束均值聚类算法把道路段b1,b2,b3,...,bs分为下有目标图像区域与下无目标图像区域两类。空间约束均值聚类算法的具体实现过程如下：
[0139] Step1：对于所有样本点bi，计算距离比
[0140]
[0141] 选择Vi最小的点bi作为第一个类心，并置q＝1；
[0142] Step2：对p＝1,2，将bi，i＝1,2,...,s分配到离它最近的类，并更新类心i＝1,2，Ni是第i类的样本数；
[0143] Step3：置q＝q+1，若q>2，算法中止；
[0144] Step4：选择下一个类的最佳初始中心点为使 最小的点bi，转入Step2。
[0145] 本实例中，m1＝310,m2＝400
[0146] 通过上式得到聚类后的结果，灰度值大的那一类作为疑似地下目标的一类，灰度值小的一类作为非疑似地下目标的一类。最后通过空间约束聚类算法得到地下目标的位置，如图10所示。
[0147] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
