一种遥感图像舰船目标分割方法与流程

本发明属于遥感图像处理领域，具体涉及一种sar遥感卫星图像海上舰船目标分割提取方法。

背景技术：

sar图像具有全天时、全天候的特点，因此被广泛应用于海上渔业监控、军民舰船管理、海洋开发监管、溢油检测和移民管控等领域。为了能够准确和快速地提取出海洋中的舰船目标，获取舰船的位置、航向、类别等信息，需要对检测的舰船目标进行良好的分割提取，为后续进一步的信息提取提供基础。

在sar图像中，由于相干斑噪声的影响，使图像不能很好地反映出目标自身的特点，难以进行特征的描述和实现良好的目标分割效果。由于sar图像的乘性噪声与光学图像中存在的加性噪声的特点不同，均值、中值等空域滤波方法在sar图像中的滤波效果并不理想。所以产生了许多基于噪声乘性特点的自适应局部统计滤波器，如lee、frost、gamma_map等经典的针对sar图像中的滤波器。但是它们的运算效率低，在去除噪声的同时纹理的损失比较严重。因此，在对目标进行分割处理之前，要对sar图像进行滤波增强等预处理，使得目标和背景达到更好的分离效果。

在sar成像时，由于方位模糊、距离模糊和散焦等因素会造成船只目标存在十字叉及拖影，光学图像中的分割方法不能很好地从海洋sar图像中完整分离出船只目标，这些会造成目标提取不精确，影响特征的提取与描述。因此，需要通过一些方法减弱相干斑噪声和十字叉及拖影的影响。

技术实现要素：

本发明的目的在于针对上述存在的问题，提供一种基于对数域小波滤波和导向滤波相结合的滤波增强方法，以及基于otsu阈值分割和randon变换相结合的船只分割技术。通过该技术可以更加精细地将船只从背景中提取出来，为后续的特征提取等操作提供基础。

本发明的技术方案如下：

一种遥感图像舰船目标分割方法，包括如下步骤：

步骤1，对原始图像切片进行对数域小波滤波，得到小波滤波后图像；

步骤2，对小波滤波后图像进行中值滤波；

步骤3，对中值滤波后图像进行导向滤波；

步骤4，对导向滤波后图像进行幂律变换；

步骤5，计算整体阈值，根据阈值进行分割得到二值图；

步骤6，对二值图进行膨胀腐蚀等形态学操作操作，之后进行连通域标记，具体包括如下子步骤：

步骤6.1，在步骤5得到二值图后，对二值图像依次进行膨胀、中值滤波以及腐蚀的形态学操作；

步骤6.2，之后进行连通域标记，得到最大的连通域面积，保留具有最大面积的连通域；

步骤7，对标记后的二值图进行randon变换，具体包括如下子步骤：

步骤7.1，对连通域标记后的二值图像进行randon变换，即沿二值图像平面中所有可能的直线方向进行积分；

步骤7.2，统计randon变换后的矩阵的值的大小，以最大值作为主方向，即为船体的倾斜方向；

步骤8，以randon变换的值为参考再次进行阈值分割，得到目标分割后的图像切片。

较佳的，所述步骤1具体为：

步骤1.1，对目标切片逐像素进行以2为底的对数运算，得到一幅新的对数域图像切片：

i＝w(t)n(t)

logi＝log(w(t))+log(n(t))

其中：i为sar图像，w(t)为理想的不包含噪声的图像，n(t)为乘性噪声，t表示像素序号，logi为对数运算后的图像；

步骤1.2，将前一步骤获得的对数域切片进行haar小波分解，取其第二层的低频部分进行小波逆变换；

步骤1.3，针对上一步骤得到的小波变换后的对数域图像切片进行以2为底的指数变换，重新得到灰度域图像。

较佳的，所述幂律变换的具体方法为：

在得到导向滤波后的图像后，对图像的灰度均值进行计算，根据灰度均值的大小进行相应的幂律运算，幂律变换的形式如下式所示：

s＝c×r^γ

其中c和γ是正常数，当图像整体的灰度小于设定值时，选择γ＜1，使图像增亮；反之，选择γ＞1，使图像变暗。

较佳的，所述步骤5中，采用otsu算法进行阈值分割。

较佳的，所述步骤8中，选择上一步骤中randon变换后的矩阵中最大值的0.8倍作为阈值，采用该阈值对图像进行二值化，由此得到二值矩阵，矩阵中的每一个点都对应着原图像中的一条直线，由此获得船体的上、下、左、右边界及船只目标的主方向，将船只目标旋转到主方向，最终将船体目标分割出来，得到目标分割后的图像切片。

本发明具有如下效果：

本发明提供了一种能够在sar遥感图像舰船分类识别技术中有效进行船只目标分割的方法，与通用舰船分割方法相比，本发明能够将目标精细地从背景中提取出来，同时有效避免了sar图像目标存在的十字叉及拖影的影响。

本发明提出的船只目标分割流程能够更加有效地对sar图像中的舰船目标进行分割。首先通过对数域小波滤波操作减弱了图像中的乘性噪声，并使用中值滤波进一步清除图像中的噪声。之后利用导向滤波来增强图像由于滤波而损失的纹理细节信息。最后通过对图像进行整体的拉伸，以提高图像对比度，突显出图像的细节信息。通过运用该滤波增强流程，可以在有效去除sar图像噪声的同时，保留图像的细节信息，有利于后续的分割处理。实验表明，经本算法滤波后，再进行目标的分割时，分割结果优于不进行滤波增强预处理的效果。

本发明通过使用otsu和randon变换相结合的目标分割流程，利用变换矩阵的信息消除了十字叉及拖影等对目标分割的影响，使得目标和背景能够达到更好的分离效果。因而避免了背景等冗余信息对舰船目标的干扰，可以为后续的舰船目标分类操作提供更加清晰的目标轮廓信息，可以提取出更加有效的特征，为实现精确的目标分类提供良好的基础。

附图说明

图1是遥感图像舰船目标分割方法流程框图；

图2是实施例的过程及结果图；

其中：图2(a)sar图像切片，图2(b)滤波增强后图像，图2(c)初级阈值分割后图像，图2(d)randon变换结果，图2(e)小于阈值的数置0结果，图2(f)最终分割结果。

具体实施方式

以下说明如何具体实施本发明提供的方法，图1是本发明提供的方法的流程框图。处理过程如下：

第一步：对数域小波滤波

第(1.1)步：对数运算。对目标切片逐像素进行以2为底的对数运算，得到一幅新的对数域图像切片。

i＝w(t)n(t)

logi＝log(w(t))+log(n(t))

其中：i为sar图像，w(t)为理想的不包含噪声的图像，n(t)为乘性噪声，t在这里表示像素序号，logi为对数运算后的图像。经过对数运算后，乘性噪声转换为加性噪声。

第(1.2)步：小波滤波。将前一步骤获得的对数域切片进行haar小波分解，取其第二层的低频部分进行小波逆变换。

第(1.3)步：指数变换。针对上一步骤得到的小波变换后的对数域图像切片进行以2为底的指数变换，重新得到灰度域图像。

第二步：中值滤波

使用中值滤波方法对图像进行滤波。

第(2.1)步：从图像中的某个采样窗口取出奇数个数据进行排序。

第(2.2)步：用排序后的中值取代要处理的数据。

第三步：导向滤波

对上一步得到的图像进行导向滤波。导向滤波可以抑制小尺度纹理，增强大尺度纹理，在滤波的同时可以保持并增强纹理。(参见：“hek,sunj,tangx.guidedimagefiltering[j].ieeetransactionsonpatternanalysis&machineintelligence,2011,35(6):1397-1409.”)

第四步：幂律变换

在得到导向滤波后的图像后，对图像的灰度均值进行计算，根据灰度均值的大小进行相应的幂律运算。幂律变换的形式如下式所示：

s＝c*r^γ

其中c和γ是正常数，当图像整体的灰度偏暗时，选择γ＜1,使图像增亮,反之,选择γ＞1,使图像变暗。

第五步：初级阈值分割

在上一步计算获取图像后，利用otsu算法进行阈值分割，令大于阈值的像素值为1，小于阈值的像素值为0，得到一幅二值图。

第六步：区域标记

第(6.1)步：形态学操作。在上一步骤得到二值图后，对二值图像依次进行膨胀，中值滤波以及腐蚀的形态学操作。

第(6.2)步：连通域标记。之后进行连通域标记，得到最大的连通域面积，保留具有最大面积的连通域。

第七步：randon变换

第(7.1)步：randon变换。对连通域标记后的二值图像进行randon变换，也就是沿二值图像平面中所有可能的直线方向进行积分。

第(7.2)步：找主方向。统计变换后的矩阵的值的大小，以最大值作为主方向，也就是船体的倾斜方向。

第八步：次级阈值分割

选择上一步骤中randon变换后的矩阵中最大值的0.8倍作为阈值，采用该阈值对图像进行二值化，由此得到二值矩阵，矩阵中的每一个点都对应着原图像中的一条直线，由此获得船体的上、下、左、右边界及船只目标的主方向，将船只目标旋转到主方向，最终将船体目标分割出来，得到目标分割后的图像切片.

实施例：

下面以图2为例进行进一步说明。

第一步：本例要实现对图2(a)所示的sar图像切片进行舰船目标分割。首先按照步骤一所述方法进行对数域小波滤波。

第二步：按照步骤二所述方法进行中值滤波。

第三步：按照步骤三所述方法进行导向滤波。

第四步：按照步骤四所述方法进行幂律变换。图2(b)为经过第一步、第二步、第三步和第四步得到的图像。

第五步：按照步骤五所述方法进行初级阈值分割。

第六步：按照步骤六所述方法进行区域标记。图2(c)为经过区域标记得到的图像。

第七步：对连通域标记后的二值图像进行randon变换，并找到船体的倾斜方向。图2(d)为经过randon变换得到的图像。

第八步：以图2(d)的图像中最大值的0.8倍作为阈值，小于阈值的将其直接置0，得到图2(e)。根据图2(e)的矩阵信息得到船体的上下左右边界及船只目标的主方向，并将船只目标旋转到主方向，根据图2(e)的矩阵信息将船体目标分割出来。

综上所述，以上仅为本发明的较佳实施例而已，并非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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。