联合灰度阈值分割及轮廓形态识别的sar图像河道提取方法
【专利摘要】本发明公开了一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，包括：第一步，采用灰度阈值分割对SAR图像做第一次背景分割；第二步，根据河道轮廓形态特征，对河道区域进行分段建模，将所述河道区域表示为若干最小外接矩形窗的组合；第三步，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗；第四步，根据河道轮廓的形状及连通性，将满足条件的第二矩形窗拼接出粗略的河道区域；第五步，再次进行灰度阈值分割，得到河道提取图像。本发明主要通过河道的图像灰度特征和形态轮廓特征相结合及多模态的SAR图像分割决策，抑制SAR图像中与水体灰度及形态特征均较为接近的背景噪声，从而精准的提取出河道区域。
【专利说明】联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法
【技术领域】
[0001]本发明涉及合成孔径雷达(SAR, Synthetic Aperture Rader)河道图像的分割及识别技术，尤其涉及一种基于SAR图像利用联合灰度阈值分割及轮廓形态识别的技术来提取河道的方法，属于计算机视觉【技术领域】。
【背景技术】
[0002]在遥感图像河道目标识别与提取方面，合成孔径雷达成像同光学成像相比具有其独特的优势，主要体现在，一、合成孔径雷达(SAR)的空间分辨率较高，能够较为准确的描述河道目标。此外，它还能够全天候，全天时的实现对地观测且具备一定的穿透能力；二、河道区域中的水体具有显著的电磁波反射特性，反映在SAR图像中表现为灰度值较低的图像特征，同背景间具有显著对比。因此，基于SAR成像的遥感图像被广泛用于河道提取中。
[0003]在SAR图像河道提取中，灰度阈值分割及河道轮廓识别是较为常用的方法，这些方法对于SAR图像中的河道目标提取研究具有一定参考意义，但是单独使用单一的方法对河道识别、提取方面存在一定的问题，主要体现在以下几个方面:
[0004]目前，SAR图像分辨率已发展到亚米级，越来越多的小目标由于其电磁波反射率同水体接近，容易形成较强的背景噪声且难以通过灰度阈值实现滤除。此外，灰度阈值分割也无法区分河道区域与零星水体间的差异，河道是指河水流经的路线，通常指能通航的水路，零散的水体区域并不属于本研究的目标，对于该类目标单一的通过灰度阈值分割无法有效地实现抑制，因此在分割结果中形成了严重的干扰。最后，SAR图像中所固有的相干斑噪声也会对河道提取产生严重影响。
[0005]河道轮廓不同于战车飞机等团状目标，也不同于桥梁、道路等的规则线状目标，河道轮廓相对复杂，可以粗略视为平行线对所包络的条带状区域，但是这种带状区域并非笔直的，且不同区段河道的粗细也有显著差异，加之人工构筑物如桥梁，船坞等的影响，河道轮廓含有平行线对的先验知识也常不适用，因此，对于河道轮廓形态的准确建模十分困难，会严重影响基于轮廓形态特征的河道识别。目前，常用Snake建模方法对河道轮廓进行建模，但由于其对初始轮廓位置比较敏感，对噪音也比较敏感，在其应用受到一定的制约。
[0006]SAR图像中的河道目标不适合采用聚类等高级模式识别方法提取，因为不同河道的外观变化较大且较为复杂。根据现有的特征提取及聚类方法很难对河道及非河道区域进行准确的聚类，更不能寻找到最优的分类面。
[0007]鉴于上述问题，根据SAR图像的成像特点及河道的轮廓形态特征，本发明公开了一种新的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法。
【发明内容】
[0008]本发明的主要目的是利用联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法对河道进行提取，通过河道的图像灰度特征和形态轮廓特征相结合及多模态的SAR图像分割决策，抑制SAR图像中与水体灰度及形态特征均较为接近的背景噪声，从而精准的提取出河道区域。
[0009]为达到上述目的，本发明提供一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，所述的方法包括:
[0010]第一步，采用灰度阈值分割对SAR图像做第一次背景分割；
[0011]第二步，根据河道轮廓形态特征，对第一步得到的图像中的河道区域进行分段建模，具体是采用基于图论的图像分割方法，将所述河道区域表示为若干最小外接矩形窗的组合；
[0012]第三步，对前述各最小外接矩形窗进行形态识别，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗；
[0013]第四步，根据河道轮廓的形状及连通性，对前述各第二矩形窗进行筛选，将满足条件的第二矩形窗拼接出粗略的河道区域；
[0014]第五步，采用灰度阈值分割对第四步得到的图像做再次背景分割，得到河道提取图像。
[0015]上述第一步或第五步中，采用灰度阈值分割的详细内容是:根据下式进行最优灰度阈值k*计算:
[0016]
【权利要求】
1.一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述的方法包括: 第一步，采用灰度阈值分割对SAR图像做第一次背景分割； 第二步，根据河道轮廓形态特征，对第一步得到的图像中的河道区域进行分段建模，具体是采用基于图论的图像分割方法，将所述河道区域表示为若干最小外接矩形窗的组合； 第三步，对前述各最小外接矩形窗进行形态识别，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗； 第四步，根据河道轮廓的形状及连通性，对前述各第二矩形窗进行筛选，将满足条件的第二矩形窗拼接出粗略的河道区域； 第五步，采用灰度阈值分割对第四步得到的图像做再次背景分割，得到河道提取图像。
2.根据权利要求1所述的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述第一步或第五步中，采用灰度阈值分割的详细内容是:根据下式进行最优灰度阈值k*计算:
k* = arg(max <t~(/c))
k -z 其中，L表示灰度直方 图的等级汰表示区分水体目标与和水体目标差异较大目标的灰度阈值；σ〗表示整幅SAR图像总体的类间差异，Oli = η',η',?//, -μ2)ζ，其中，W1为目标水体出现的概率，W2为与目标水体差异较大目标出现的概率，U1为目标水体的平均灰度，μ2为与目标水体差异较大目标的平均灰度。
3.根据权利要求1所述的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述第二步中，河道区域表示为m个最小外接矩形窗的组合，且所有最小外接矩形窗均满足以下条件:
λ (Ci) = I Ci I / I Ri I > τ 其中，λ (Ci)表示第i个最小外接矩形窗的占空比，i = 1，2，…，HI5IciI表示第i个最小外接矩形窗的图像区域像素数；I Ri I表示第i个最小外接矩形窗所包络的像素数；τ表示预设的占空比阈值。
4.根据权利要求3所述的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述第三步的详细内容是，利用如下判据判断各最小外接矩形窗的边是否作为第二矩形窗的边界:
true if Dif(CrCl) > Minl(CrCl) or A(CiXi)^ β(λ(€]) +A(C /)((:?<
false otherwise 其中，i = 1，2，…，m, j = I, 2，…，m,且i关j ；Dif (Ci, Cj)表示为连接两个不同区域 Ci 和 Cj 顶点的最小权重；MInt (Ci, Cj) = min (Int (Ci) + n (Ci)，Int (Cj) + n (Cj))，其中，Int (Ci)、Int(Cj)分别表示Q、Cj的权重，采用相关性函数度量，由图像自身信息决定；n (Ci), n (Cj)分别表示CiXj的调制参数，且Ii (c) =a/|c|，其中|c|为区域中的像素数，a为预设的调制幅度；λ (Ci)、λ (Cj)分别表示区域Ci和&的占空比，λ (Ci, Cj)为区域Ci和Cj合并后第二矩形窗的占空比，β为调制参数，范围为:0< β < I。
5.根据权利要求4所述的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述第四步进行筛选的条件是: 各第二矩形窗对应的长宽比LK/WK大于阈值T，即: VWk > T， 且不同第二矩形窗的最近像素点的距离小于阈值Y，即:
(!(Ri, Rj) < Y。
6.根据权利要求1所述 的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述第五步后还包括第六步:采用区域膨胀腐蚀方法对第五步得到的图像的毛刺点噪声和孔洞进行优化处理。
【文档编号】G06K9/34GK103996039SQ201410189305
【公开日】2014年8月20日 申请日期:2014年5月6日 优先权日:2014年5月6日
【发明者】朱贺, 李臣明, 高红民, 张丽丽 申请人:河海大学