王学军,李智勇,王亮亮

(1.中国人民解放军91635部队,北京102249;2.国防科技大学电子科学与工程学院,湖南长沙410073)

0 引言

海域分割是遥感图像海上舰船目标检测中的关键步骤。光学遥感图像的海域分割通常采用2种方式:① 基于地理信息,如德国的 Definiens利用eCognition软件和GIS数据进行海陆分离[1];②基于图像灰度分割,如利用直方图谷底法[2]、最大类间方差(OSTU)法[3]、分裂合并[4]和动态轮廓[5]算法等图像分割方法实现海陆分离。后一类方法应用更为广泛,但不适合处理有海域、陆地、云雾以及其他干扰的复杂背景图像,需要引入基于期望最大化(Expectation Maximization,EM)算法的直方图拟合方法来实现多类分割阈值的确定。

EM算法是一种求参数极大似然估计的迭代算法,其中一个重要参数——高斯模型个数M是通过经验预先获取,其大小对图像分割效果的影响较大。通常,M值选择较大时会产生“过拟合”现象,而选择较小时则会导致分割阈值不准确。对EM算法进行了改进,使其具有自动确定图像直方图高斯模型个数的能力,并利用最大后验概率法确定分割阈值,实现了海域背景的提取。

1 基于EM算法直方图拟合[6,7]

在图像处理领域,可将复杂背景遥感图像的直方图视为多个高斯分布的叠加,即利用高斯混合模型(Gauss Mixed Model,GMM)来拟合直方图,而各个高斯模型的统计参数可以通过EM算法来估计。假设有M个高斯分布叠加,那么由图像的灰度值计算出来的概率密度函数P(x)就是含有M个组成成分的混合高斯分布,即

式中,p(wi)为第i类的先验概率,满足