基于极化相似度合并的全极化sar影像分割方法和装置制造方法
【专利摘要】本发明实施例提供一种基于极化相似度合并的全极化SAR影像分割方法和装置，所述全极化合成孔径雷达SAR影像分割方法包括：利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像；利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS；根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果。本发明实施例达到了如下的技术效果：能够更好地对极化SAR数据进行影像分割，为利用全极化SAR影像分割提供一种解决方案，很好的保留了同质区域，分离了异质区域，具有较好的分割效果。
【专利说明】基于极化相似度合并的全极化SAR影像分割方法和装置
【技术领域】
[0001]本发明涉及SAR(Synthetic Aperture Radar,合成孔径雷达)【技术领域】,尤其涉及一种基于极化相似度合并的全极化SAR影像分割方法和装置。
【背景技术】
[0002]SAR技术是20世纪50年代发展起来的一项新的对地观测技术，它以一定的时间间隔发射电磁脉冲，并利用载体的运动在不同的位置上接收、记录地面物体的回波信号，从而形成高分辨率影像。SAR技术属于主动微波遥感技术，因此与可见光、红外等传统遥感技术相比，可以不受阳光、天气等自然条件的影响，具有夜间成像与穿透云雾的能力。
[0003]多年来，SAR影像分割研究一直是SAR影像处理技术研究中的焦点和热点。而当前主要的极化SAR处理软件，包括ERDAS Imagine、ENVI等的极化SAR专业模块和欧空局的PolSARpix)极化处理软件，都没有用包含SAR影像分割的功能模块，这说明了研究极化SAR分割算法具有重要的理论意义。随着具有全极化功能和更高分辨率的新一代雷达遥感卫星陆续升空，包括AL0S-PALSAR和RADARSAT-2，无论是在土地利用动态监测、地震灾情评估还是在海洋漏油监测、海冰分类等方面体现越来越高的应用价值。而传统的基于像素的SAR影像分类方法易受相干斑噪声的干扰，产生严重的错分、漏分等情况，因此，将面向对象的处理思想引入到SAR影像的分类处理中，这就需要应用到SAR影像分割技术。除了面向对象的分类算法中应用到分割技术，目标与背景的分离，感兴趣区域的提取等也可以用到分割技术。
[0004]与光学影像相比，SAR影像对目标的几何特性，无论是粗糙度和表面效应还是朝向都极其敏感，这是SAR影像较光学影像无法替代的优越性。但由于SAR影像的乘性相干斑噪声特性和极低的信噪比，也使得SAR影像分割成为研究的难点。同时，与传统的中、低空间分辨率的SAR影像相比，高分辨率SAR影像包含的空间信息更加丰富，地物目标细节信息表达的更加清楚。在针对高分辨率SAR影像的应用中，传统的基于像元信息的分割方法显现出它们的不足之处，原因如下:①针对高分辨率极化SAR影像，传统的针对光学影像的分割方法仅仅只考虑了某单一极化状态强度图像或者极化分解合成的彩色图像，不能充分利用和提取高分辨率SAR影像中包含的信息，也就不能完全体现出高分辨率SAR影像的优势；②分辨率的提高，使得单个像元表现出的信息十分有限，对影像分割没有多大的意义；③针对高分辨率SAR影像，“椒盐现象”更为严重，虽然一些预处理能在一定程度上消除这些噪声，但不能从根本上解决这一问题。
[0005]因此，基于以上几种原因，传统的针对光学影像提出的分割方法并不能在高分辨率SAR影像的处理中得到有效的应用。由此可见，如何更好的实现高分辨率SAR影像的信息提取，合理的利用高分辨率SAR影像提供的丰富信息，这是本领域的技术人员亟待解决的一个技术难题。
【发明内容】
[0006]本发明实施例提供一种基于极化相似度合并的全极化SAR影像分割方法和装置，以更好的实现高分辨率SAR影像的信息提取，合理的利用高分辨率SAR影像提供的丰富信息，利用全极化SAR影像分割提供一种解决方案。
[0007]—方面，本发明实施例提供了一种基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法，所述全极化合成孔径雷达SAR影像分割方法包括:利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像；利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS ;根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果。
[0008]优选的，在本发明一实施例中，所述全极化SAR影像包括HH、HV、VH、VV四种极化方式，其中，H表示水平极化，V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态。
[0009]优选的，在本发明一实施例中，所述利用覆盖区的全极化SAR影像，生成相干矩阵丁3和全功率SPAN功率图像，包括:利用覆盖区的全极化SAR影像进行极化滤波处理，生成所述相干矩阵T3和所述SPAN功率图像，以消除噪声影响。
[0010]优选的，在本发明一实施例中，所述利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像，包括:利用覆盖区的全极化SAR影像，生成相干矩阵T3 ;利用所述相干矩阵T3提取所述SPAN功率图像。
[0011]优选的，在本发明一实施例中，所述根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，包括:对于对象A寻找满足最佳匹配的对象B，而对于对象B同样寻找满足最佳匹配的对象C ;如果C = A，即对象A和对象B满足最佳互匹配，则两者进行合并；如果不满足，则重新寻找可合并的区域。
[0012]另一方面，本发明实施例提供了一种基于极化相似度合并的全极化合成孔径雷达SAR影像分割装置，所述全极化合成孔径雷达SAR影像分割装置包括:
[0013]生成单元，用于利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；
[0014]影像分割单元，用于利用分水岭影像分割算法对所述SPAN功率图像进行影像分害I]，获取初始分割影像；
[0015]相似性度量因子计算单元，用于利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS ；
[0016]区域合并单元，用于根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果。
[0017]优选的，在本发明一实施例中，所述全极化SAR影像包括HH、HV、VH、VV四种极化方式，其中，H表示水平极化，V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态。
[0018]优选的，在本发明一实施例中，所述生成单元，进一步用于利用覆盖区的全极化SAR影像进行极化滤波处理，生成所述相干矩阵T3和所述SPAN功率图像，以消除噪声影响。
[0019]优选的，在本发明一实施例中，所述生成单元包括:相干矩阵生成模块，用于利用覆盖区的全极化SAR影像，生成相干矩阵T3 ;功率图像生成模块，用于利用所述相干矩阵T3提取所述SPAN功率图像。
[0020]优选的，在本发明一实施例中，所述区域合并单元，用于根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，进一步包括:对于对象A寻找满足最佳匹配的对象B，而对于对象B同样寻找满足最佳匹配的对象C ;如果C = A，即对象A和对象B满足最佳互匹配，则两者进行合并；如果不满足，则重新寻找可合并的区域。
[0021]上述技术方案具有如下有益效果:因为采用所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法包括:利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像；利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS ;根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果的技术手段，所以达到了如下的技术效果:能够更好地对极化SAR数据进行影像分割，为利用全极化SAR影像分割提供一种解决方案，很好的保留了同质区域，分离了异质区域，具有较好的分割效果。
【专利附图】
【附图说明】
[0022]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本发明实施例一种基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法流程图；
[0024]图2为本发明实施例一种基于极化相似度合并的全极化合成孔径雷达SAR影像分割装置结构示意图；
[0025]图3为本发明实施例生成单元结构示意图；
[0026]图4为本发明应用实例一种基于极化信息的全极化SAR影像分割的方法流程图；
[0027]图5为本发明应用实例利用SPAN功率图像进行分水岭初始分割流程图；
[0028]图6为本发明应用实例的Sobel梯度图像；
[0029]图7为本发明应用实例区域合并策略的示意图；
[0030]图8为本发明应用实例原始Pauli基彩色合成图以及不同窗口大小的精制Lee滤波结果示意图；
[0031]图9为本发明应用实例在区域内的SPAN功率图像示意图；
[0032]图10为本发明应用实例利用分水岭分割算法对SPAN功率图像进行初始分割的结果及部分放大图像示意图；
[0033]图11所示，为本发明应用实例利用相似性度量因子CMBS和最佳互匹配合并策略对初始结果进行区域合并得到最终的影像分割结果及其局部放大图。
【具体实施方式】
[0034]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0035]为了更好的实现高分辨率SAR影像的信息提取，合理的利用高分辨率SAR影像提供的丰富信息，本发明实施例从极化散射信息统计分析出发，给出了一种基于极化散射矩阵或相干矩阵的极化SAR影像分割的方法。
[0036]如图1所示，为本发明实施例一种全极化合成孔径雷达SAR影像分割方法流程图，所述全极化合成孔径雷达SAR影像分割方法包括:
[0037]101、利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；
[0038]102、利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像；
[0039]103、利用所述相干矩阵T3,求解区域合并相似性度量因子CMBS ；
[0040]104、根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果。
[0041]优选的，所述全极化3么1?影像包括冊、取、￥!1、”四种极化方式，其中，H表示水平极化，V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态。
[0042]优选的，所述利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像，包括:利用覆盖区的全极化SAR影像进行极化滤波处理，生成所述相干矩阵T3和所述SPAN功率图像，以消除噪声影响。
[0043]优选的，所述利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像，包括:利用覆盖区的全极化SAR影像，生成相干矩阵T3 ;利用所述相干矩阵T3提取所述SPAN功率图像。
[0044]优选的，所述根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，包括:对于对象A寻找满足最佳匹配的对象B，而对于对象B同样寻找满足最佳匹配的对象C ;如果C = A，即对象A和对象B满足最佳互匹配，则两者进行合并；如果不满足，则重新寻找可合并的区域。
[0045]对应于上述方法实施例，如图2所示，为本发明实施例一种全极化合成孔径雷达SAR影像分割装置结构示意图，所述全极化合成孔径雷达SAR影像分割装置包括:
[0046]生成单元21，用于利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；
[0047]影像分割单元22，用于利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像；
[0048]相似性度量因子计算单元23，用于利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS ；
[0049]区域合并单元24，用于根据最佳互匹配原则，结合所述相似性度量因子CMBSJi所述初始分割影像进行区域合并，得到最终的影像分割结果。
[0050]优选的，所述全极化SAR影像包括HH、HV、VH、VV四种极化方式，其中，H表示水平极化，V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态。
[0051]优选的，所述生成单元21，进一步用于利用覆盖区的全极化SAR影像进行极化滤波处理，生成所述相干矩阵T3和所述SPAN功率图像，以消除噪声影响。
[0052]如图3所示,为本发明实施例生成单元结构示意图,优选的,所述生成单元21包括:相干矩阵生成模块211，用于利用覆盖区的全极化SAR影像，生成相干矩阵1~3 ;功率图像生成模块212，用于利用所述相干矩阵T3提取所述SPAN功率图像。
[0053]优选的，所述区域合并单元24，用于根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，进一步包括:对于对象A寻找满足最佳匹配的对象B，而对于对象B同样寻找满足最佳匹配的对象C ;如果C = A，即对象A和对象B满足最佳互匹配，则两者进行合并；如果不满足，则重新寻找可合并的区域。
[0054]本发明实施例上述技术方案具有如下有益效果:因为采用所述全极化合成孔径雷达SAR影像分割方法包括:利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像；利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像；利用所述相干矩阵T3，求解区域合并相似性度量因子:相似性度量因子CMBS ;根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果的技术手段，所以达到了如下的技术效果:能够更好地对极化SAR数据进行影像分割，为利用全极化SAR影像分割提供一种解决方案，很好的保留了同质区域，分离了异质区域，具有较好的分割效果。
[0055]以下结合应用实例对本发明实施例进行详细说明:
[0056]本发明应用实例的发明目的是为了解决如何利用极化散射信息对全极化SAR影像进行影像分割的问题。本发明应用实例提供一种基于极化散射信息的全极化SAR影像的影像分割的方法。所述方法包括:利用全极化SAR影像，生成相干矩阵T3和SPAN功率图像。基于分水岭影像分割算法对SPAN功率图像进行初始影像分割。利用相干矩阵T3,求解相似性度量因子CMBS。最后结合相似性度量因子CMBS和最佳互匹配原则，对初始分割影像进行区域合并，得到最终的影像分割结果。目前，利用光学遥感影像或者利用进行影像分割的技术在国内外已经比较成熟，但是利用全极化SAR影像的影像分割技术往往是照搬光学影像的分割算法，分割结果不够理想。本发明应用实例提供了一种前所未有的利用SPAN功率图像进行分水岭初始分割，然后利用相干矩阵T3建立合并准则，并且结合最佳互匹配的合并策略对初始分割的影像进行区域合并的全极化SAR影像分割方法。
[0057]如图4所示，为本发明应用实例一种基于极化信息的全极化SAR影像分割的方法流程图，所述方法包括:
[0058]第一步:极化SAR影像滤波:精制极化Lee滤波去除相干斑噪声的影响。原因是精制极化Lee滤波，既可以避免极化通道之间的串扰又保持了极化通道之间的极化信息和统计相关性。
[0059]相干斑噪声的存在使SAR影像的辐射分辨率明显变差，同时降低了 SAR影像的空间分辨率，严重影响了 SAR影像的解译性以及后续的各种应用。对于全极化来说，极化协方差矩阵和极化相干矩阵反应了极化通道之间的关系，如果使用乘性噪声模型对这两种矩阵进行滤波，只有矩阵的主对角线项才满足乘性噪声模型。精制Lee滤波则利用局部统计滤波器和非方形的边缘方向窗口较好的解决次对角线元素的滤波。其中，如图8所示，为本发明应用实例原始Pauli基彩色合成图以及不同窗口大小的精制Lee滤波结果示意图，图8中，为利用不同窗口大小进行精制极化Lee滤波得到的Pauli基合成图，其中，由左到右，由上到下依次为:a)试验区Pauli基彩色合成图；b)3*3窗口 ；c)5*5窗口 ；d)7*7窗口 ;e)9*9窗口。对比几种结果，可以看出窗口太小，噪声不能很好的被去除；窗口太大，会导致图像出现模糊现象，更甚者则会丢失一些重要的细节信息。本文最终采用5*5的窗口进行精制Lee滤波处理。
[0060]第二步:计算SPAN功率图像。利用极化相干矩阵T3提取SPAN功率图像，作为初始分割的输入参数；
[0061]全极化SAR影像记录了地面每个分辨率单元在4种基本极化状态，即HH、HV、VH、VV (其中，H表示水平极化、V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态)的散射回波的幅度和相位，形成如下散射矩阵S:
[0062]
~ c c
S — -HH kjHVC C
_^VH Uf7T」(I)
[0063]通常假定介质满足互易性,此时Shv = SVH。
[0064]在自然界中，绝大多数地物为分布式目标，用于描述分布式目标极化散射特性的是极化协方差矩阵C3或极化相干矩阵T3。CMBS目标的极化协方差矩阵C3表示为
[0065]
'(SllllS,:) ^(ShllSl,:) (SllllS,:) _
C3- ^2(ShvS,?；) 2〈5；,,.S:〉伸,,,.S,:〉(2)
^(SiySl,:) (S1,.5,；)
[0066]其中〈 > 表示取空间平均操作，上标*表示取复共轭。目标的极化相干矩阵T3可以表示为
[0067]
〈|?+、'|2〉((Shh+Srr)(Sllh-Sj) 2((Shll+Srv)Sh:)
T3=\ ((Shh -SJiShh + Sj)〈1、-S?,f) 2 ((Shh -SJS1,:)(3)
2(5,,(?,+Snr) !(Sllr(Sllll-Sj) 4{SllvSh；)
[0068]SPAN功率图像的定义如下:
[0069]SPAN = I Shh |2+1 Svv 12+2 | Shv |2 = Cn+C22+C33 = Tn+T22+T33 (4)
[0070]由定义可知，极化总功率SPAN包含了三种极化散射机制的散射强度信息，该表达式也可以看作是三个通道的极化数据进行融合的一种方法，如图9所示，为本发明应用实例在区域内的SPAN功率图像示意图。SPAN功率图像的主要特点如下:
[0071]I)很好地保留了 SAR图像的边缘信息和纹理结构；
[0072]2)具有极化旋转不变性；
[0073]3)具有明显的降噪效果。
[0074]第三步:分水岭SAR影像分割。分水岭分割方法是一种新型的数学形态学的影像处理方法和理论。其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
[0075]分水岭的计算过程是一个迭代标注过程。分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域，进行判断及标注。如图5所示，为本发明应用实例利用SPAN功率图像进行分水岭初始分割流程图，其中，分水岭算法的具体步骤如下:
[0076]I)利用梯度算子对SPAN功率图像进行计算得到梯度图像I，如图6所示，为本发明应用实例的Sobel梯度图像。
[0077]2)梯度排序。对梯度图像I中的各像素点在排序数组中的位置由该像素点的梯度值及该像素点的行列号共同决定。梯度值按照从小到大排列，其中具有相同梯度值的各像素点按照行遍历方式排列。
[0078]3)在h e [hmin，Kfflax-1]中，按照行遍历的方式依次处理各层像素点，并对各层已处理的像素点进行标识，称为标识点。从梯度值为hmin的第一个像元开始处理，将其标识号设为I。
[0079]4)在处理梯度层h时，依次处理所有当前层像素点。首先，判断某个像素点四邻域(或者八邻域)中是否存在标识点。若邻域中存在标识点，则将该像素点进行标识，标识号与其邻域标识点相同。继续搜索该像素点h层的邻域点，直至邻域中不存在本层像素点。
[0080]5)若该像素点的邻域中无标识点，则将当前区域标识编号加1，并对该像素点进行标识，赋予新的标识号。然后开始搜索该标识点的本层邻域像素点，依次标识各个像素点，循环执行本步直至本层像素点全部被标识。
[0081]6)返回步骤3，继续处理下一梯度层级(h+Ι)，直至将所有梯度层级都处理完毕为止。最后，具有相同标识编号的像素点为同一分割图斑，最终分水岭初始分割结果如图10所示。
[0082]第四步:区域合并。针对分水岭分割过分割现象，采用基于极化相干矩阵T3描述的图斑相似性进行区域合并。此步骤的关键点是相似性度量因子计算和合并策略的选择
[0083]I)相似性度量因子的计算
[0084]由于分水岭分割算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象。因此，需要在此基础上进一步合并相邻的相似图斑。
[0085]本发明提出了一种新的基于极化相干矩阵或极化协方差矩阵描述的相似性度量因子CMBS，以极化相干矩阵T3为例进行说明。
[0086]CMBS = 士"‘(Y 'V, + Vr1V1.)(II)
[0087]其中Vi, Vj分别表示两个待合并小图版的极化相干矩阵。使用本测度，图斑越相似，CMBS的值越小，且接近于3，越应该合并。当两个图斑完全一致，即相似性达到最高时CMBS有最小值CMBS = 3。
[0088]2)合并策略的选择
[0089]计算当前图斑与其每个相邻图斑的相似性度量因子，相似性度量因子最小值对应的图斑即为当前图斑的最佳匹配对象。本发明采用最佳互匹配策略进行相邻图斑的合并。具体方法如下:
[0090]设当前图斑为A，计算A与其相邻图斑的CMBS值，设图斑B与A的CMBS值最小，则A的最佳匹配对象为B。同样地，对于图斑B寻找其最佳匹配对象C。如果C = A，即对象A和B满足最佳互匹配，则两者进行合并。如果不满足，则重新寻找C的最佳匹配对象，直至出现最佳互匹配为止。
[0091]本发明应用实例为了更好的合并同质区域、保留异质图斑，采用最佳互匹配的合并策略，如图7所示，为本发明应用实例区域合并策略的示意图。本应用实例将采用相似性度量因子CMBS，结合最佳互匹配合并策略对过分割的SAR影像进行区域合并，得到最终的影像分割结果，如图11所示，为本发明应用实例利用相似性度量因子CMBS和最佳互匹配合并策略对初始结果进行区域合并得到最终的影像分割结果及其局部放大图。通过图11中的最终分割结果的局部放大图可以看出，本分割方法很好的保留了同质区域，分离了异质区域，具有较好的分割效果。
[0092]综上可见，上述本发明应用实例能够很好地对极化SAR数据进行影像分割，为全极化SAR影像分割提供了一种解决方案。
[0093]本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
[0094]本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
[0095]本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、⑶-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
[0096]在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
[0097]以上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法，其特征在于，所述全极化合成孔径雷达SAR影像分割方法包括: 利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像； 利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像； 利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS ； 根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果。
2.如权利要求1所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法，其特征在于，所述全极化SAR影像包括HH、HV、VH、VV四种极化方式，其中，H表示水平极化，V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态。
3.如权利要求1所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法，其特征在于，所述利用覆盖区的全极化SAR影像，生成相干矩阵TjP全功率SPAN功率图像，包括: 利用覆盖区的全极化SAR影像进行极化滤波处理，生成所述相干矩阵T3和所述SPAN功率图像，以消除噪声影响。
4.如权利要求1所述基于极化相似度合并的所述全极化合成孔径雷达SAR影像分割方法，其特征在于，所述利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像，包括: 利用覆盖区的全极化SAR影像，生成相干矩阵T3 ； 利用所述相干矩阵T3提取所述SPAN功率图像。
5.如权利要求1所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割方法，其特征在于， 所述根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，包括:对于对象A寻找满足最佳匹配的对象B，而对于对象B同样寻找满足最佳匹配的对象C ;如果C = A，即对象A和对象B满足最佳互匹配，则两者进行合并；如果不满足，则重新寻找可合并的区域。
6.一种基于极化相似度合并的全极化合成孔径雷达SAR影像分割装置，其特征在于，所述全极化合成孔径雷达SAR影像分割装置包括: 生成单元，用于利用覆盖区的全极化SAR影像，生成相干矩阵T3和全功率SPAN功率图像； 影像分割单元，用于利用分水岭影像分割算法对所述SPAN功率图像进行影像分割，获取初始分割影像； 相似性度量因子计算单元，用于利用所述相干矩阵T3，求解区域合并相似性度量因子CMBS ； 区域合并单元，用于根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，得到最终的影像分割结果。
7.如权利要求6所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割装置，其特征在于，所述全极化SAR影像包括HH、HV、VH、VV四种极化方式，其中，H表示水平极化，V表示垂直极化，前面字母表示发射状态、后面字母表示接收状态。
8.如权利要求6所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割装置，其特征在于，所述生成单元，进一步用于利用覆盖区的全极化SAR影像进行极化滤波处理，生成所述相干矩阵T3和所述SPAN功率图像，以消除噪声影响。
9.如权利要求6所述基于极化相似度合并的所述全极化合成孔径雷达SAR影像分割装置，其特征在于，所述生成单元包括: 相干矩阵生成模块，用于利用覆盖区的全极化SAR影像，生成相干矩阵T3 ； 功率图像生成模块，用于利用所述相干矩阵T3提取所述SPAN功率图像。
10.如权利要求6所述基于极化相似度合并的全极化合成孔径雷达SAR影像分割装置，其特征在于， 所述区域合并单元，用于根据最佳互匹配原则，结合所述相似性度量因子CMBS，对所述初始分割影像进行区域合并，进一步包括:对于对象A寻找满足最佳匹配的对象B，而对于对象B同样寻找满足最佳匹配的对象C ;如果C = A，即对象A和对象B满足最佳互匹配，则两者进行合并；如果不满足，则重新寻找可合并的区域。
【文档编号】G06T7/00GK104240234SQ201410409399
【公开日】2014年12月24日 申请日期:2014年8月19日 优先权日:2014年8月19日
【发明者】张永红, 郭明, 吴宏安, 张 杰, 汤豪 申请人:中国测绘科学研究院