[发明专利]无人机搭载多光谱相机对伪装人员识别的方法、装置及介质

权利要求书

1.一种无人机搭载多光谱对伪装人员识别的方法，其特征在于，所述方法包括：

对多光谱相机所采集的遥感影像像元亮度DN值原始图像进行预处理以完成波段配准和辐射校正，获得与所述DN值原始图像对应的预处理后的反射率图像；

基于所述预处理后的反射率图像的波段反射率、被选取的植被指数特征、基于主成分分析PCA的纹理特征以及每个预处理后的反射率图像对应的高频信息和低频信息特征，生成原始特征集；

基于Relief算法通过交叉验证从所述原始特征集中筛选获得最优特征子集；

基于预设的数据集对候选监督分类器模型进行训练所获得的各候选监督分类器模型对应的分类评价结果，从所有候选监督分类器模型中选取最优模型；

将所述预处理后的反射率图像通过所述最优模型进行分类以获得预测二值图像；

从所述预测二值图像中识别伪装人员目标，并根据所述DN值原始图像中的位置信息确定被识别目标的位置。

2.根据权利要求1所述的方法，其特征在于，所述对多光谱相机所采集的遥感影像像元亮度DN值原始图像进行预处理以完成波段配准和辐射校正，获得与所述DN值原始图像对应的预处理后的反射率图像，包括：

利用所述多光谱相机拍摄灰板；

从所述拍摄的灰板图像中获取灰板区域；

基于所述灰板区域制作掩膜；

利用所述掩膜获取所述DN值原始图像中灰板区域的DN值；

基于下式对所述DN值原始图像中灰板区域的DN值消除渐晕效应，获得每个像素的辐亮度以及所述DN值原始图像中灰板区域内的平均辐亮度；

通过下行光传感器DLS对每组DN值原始图像的辐亮度进行辐照度补偿后，采用经验线反射率校正方法完成辐亮度到反射率的转换；

将转换后的反射率图像组通过加速稳健特征SURF(Speeded Up Robust Features)算法提取特征点之后，对提取的特征点进行匹配，并计算仿射变换矩阵以完成图像变换，生成与所述DN值原始图像对应的预处理后的反射率图像。

3.根据权利要求2所述的方法，其特征在于，所述从所述拍摄的灰板图像中获取灰板区域，包括：

对所述拍摄的灰板图像进行二值化处理后，根据最大类间方差法所确定的阈值对二值化处理后的图像数据进行得阈值化，以使得阈值化后的黑白像素的类内方差最小化；

采用16×16的正方形结构元素对阈值化后的图像数据进行闭运算，以获得尽可能少的连通区域，并从所有连通区域中选取最大非零连通区域为灰板区域。

4.根据权利要求1所述的方法，其特征在于，所述基于Relief算法通过交叉验证从所述原始特征集中筛选获得最优特征子集，包括：

利用Relief算法为所述原始特征集中的特征进行排序后，选取前N个特征对样本进行交叉验证，计算每组特征的平均分类准确率；

将所述原始特征集中平均分类准确率最高的特征子集选取为最优特征子集。

5.根据权利要求1所述的方法，其特征在于，所述基于预设的数据集对候选监督分类器模型进行训练所获得的各候选监督分类器模型对应的分类评价结果，从所有候选监督分类器模型中选取最优模型，包括：

对预设的数据集进行归一化处理后，利用所述最优特征子集分别对各候选监督分类器模型进行训练，通过10折交叉验证法获得各候选监督分类器对应的分类结果；

采用混淆矩阵的方式对各候选监督分类器对应的分类结果进行评价，选取最优的分类器模型。

6.根据权利要求1所述的方法，其特征在于，所述将所述预处理后的反射率图像通过所述最优模型进行分类以获得预测二值图像，包括：

针对所述预处理后的反射率图像的每个像素作为一个样本通过所述最优模型进行分类，对于符合目标特征的赋值为1，否则为0，从而所述预测二值图像。