基于似然比特征的sar图像超像素分割方法
【技术领域】
[0001] 本发明属于图像处理技术领域，特别涉及一种SAR图像超像素分割方法，可用于 SAR目标检测、识别及分类。
【背景技术】
[0002] 合成孔径雷达SAR是一种利用微波进行感知的主动传感器，它不受天气、光照等 条件的限制，可对感兴趣的目标进行全天候、全天时的侦查，成为目前对地观测和军事侦察 的重要手段。因而，SAR图像的处理和识别成为雷达领域研究的热点。
[0003] 目前，对SAR图像的处理大多以像素为单位，用二维矩阵来表示一幅SAR图像，并 未考虑像素之间的空间组织关系，这使得算法处理效率过低。超像素，是指具有相似纹理、 亮度等特征的相邻像素构成的图像块。超像素利用像素之间特征的相似程度对像素进行分 组，可以很大程度上降低后续SAR图像处理任务的复杂度。
[0004] SAR图像超像素分割是指按照一定的相似性准则将SAR图像划分成不同区域，每 个区域中的像素具有相似的特征，这些区域被称为超像素。现有的SAR图像超像素分割算 法PILS算法是一种基于SAR图像像素强度和位置相似性进行图像分割的方法。在分割SAR 图像不同区域时，该算法能够比传统Turbo pixel，Normalized-Cuts，Mean shift，Quick shift图像分割算法更好地保持区域的边缘，对噪声也更加稳健。但是对于复杂场景的SAR 图像，该算法分割性能有所下降。
【发明内容】
[0005] 本发明的目的在于提出一种基于似然比特征的SAR图像超像素分割方法，以提高 对于复杂场景的SAR图像分割质量。
[0006] 本发明的技术方案是这样实现的：
[0007] 一 ·技术思路：
[0008] 将分割分为三个阶段：初始化聚类中心阶段，划分超像素阶段，迭代划分超像素阶 段。其中：
[0009] 在初始化聚类中心阶段，完成对SAR图像划分、聚类，并对所有聚类中心标号。
[0010] 在划分超像素阶段，完成对SAR图像的所有像素点聚类和标号，并对SAR图像生成 超像素，重新计算每一个超像素聚类中心。
[0011] 在迭代划分超像素阶段，完成对新的聚类中心执行"划分超像素阶段"的操作，直 到达到设定的迭代次数。
[0012] 二.实现步骤
[0013] 本发明基于似然比特征的SAR图像超像素分割方法，包括如下步骤：
[0014] A.初始化聚类中心步骤：
[0015] Al)输入原始SAR图像，将其划分为η个SXS的矩形块T1, T2,... Tn，并取矩形块 T1, T2,... Tn的几何中心c ρ c2,... cn作为初始化聚类中心，其中，S为设定的矩形块边长，η =MN/S2, M，N分别为SAR图像的行数和列数；
[0016] A2)将初始化聚类中心C1, c2, · · · ~分别标号为1，2, · · ·，η ;
[0017] Β·划分超像素步骤：
[0018] BI)对原始SAR图像的第i个像素点，将处在以像素 i为中心，2SX 2S为边长的矩 形块内的聚类中心cn，ci2, ... Cik作为像素点i的备选聚类中心；分别计算像素点i与备选 聚类中心cn，c i2, . . . (^的差异值D (i，c n)，D (i，ci2)，. . . . D (i，cik)，找到与像素点i差异值 最小的备选聚类中心(^，将该备选聚类中心的标号设置为像素点i的标号；
[0019] B2)对原始SAR图像所有像素点进行BI)操作，得到SAR图像对应的标号图像L ;
[0020] B3)将SAR图像中相同标号且相互连通的像素点，集合为一个备选超像素1，得 到备选超像素集合I1, 12, ... Ip，并对备选超像素集合I1, 12, ... 15中的超像素分别标号为 1，2，· · · p ;
[0021] B4)将备选超像素集合I1, 12,... 15中像素个数小于t min的超像素称为无效超像 素，其余为有效超像素，其中tmin= S 2/h，h为设定的用于控制最小超像素大小的参数，将每 个无效超像素的标号设为其邻近某个有效超像素的标号；
[0022] B5)将SAR图像中每个像素点的标号设置为其所在的备选超像素的标号，得到新 的标号图像L' ；
[0023] B6)将SAR图像中相同标号且相互连通的像素点集合作为一个超像素1'，得到超 像素集合V，12'，... 1/，... 1,'，并将超像素集合V，12'，... 1/，... 1,'中每一个超像素 分别标号为1，2, ... j, ... q ;
[0024] B7)对每一个超像素1/得到其聚类中心Cj的坐标为（mean (x j)，mean (y』)），将聚 类中心Cj的标号设为其所在超像素 I /的标号，其中，mean( ·)表示对向量?求均值，Xj，yj 分别表示超像素1/包含的像素的横、纵坐标构成的列向量；
[0025] C.迭代划分超像素步骤：
[0026] Cl)重复步骤B，直到迭代次数达到设定迭代次数It，取值为5。
[0027] 本发明的特点和进一步改进在于：
[0028] 在步骤BI)中，计算像素点i与备选聚类中心Cim的差异值D(i，cim)，按如下步骤 进行：
[0029] B11)设（Xi，yi)，（Xd,)分别为像素点i与备选聚类中心Cim的坐标，计算像素 点i与备选聚类中心C im的距离d(i，c im):
【主权项】
1. 一种基于似然比特征的SAR图像超像素分割方法，包括： A.初始化聚类中心步骤： Al)输入原始SAR图像，将其划分为η个SXS的矩形块T1, T2,... Tn，并取矩形块 T1, T2,... Tn的几何中心c ρ c2,... cn作为初始化聚类中心，其中，S为设定的矩形块边长，η =MN/S2, M，N分别为SAR图像的行数和列数； Α2)将初始化聚类中心C1, C2,... cn分别标号为1，2, ...，η ; Β.划分超像素步骤： BI)对原始SAR图像的第i个像素点，将处在以像素 i为中心，2SX 2S为边长的矩形块 内的聚类中心cn，ci2,... Cik作为像素点i的备选聚类中心；分别计算像素点i与备选聚类 中心cn，c i2,. . . (^的差异值D (i，c n)，D (i，ci2)，. . . . D (i，cik)，找到与像素点i差异值最小 的备选聚类中心Cy将该备选聚类中心的标号设置为像素点i的标号； B2)对原始SAR图像所有像素点进行BI)操作，得到SAR图像对应的标号图像L ; B3)将SAR图像中相同标号且相互连通的像素点，集合为一个备选超像素1，得到 备选超像素集合I1, 12, ... Ip，并对备选超像素集合I1, 12,... 15中的超像素分别标号为 1，2，· · · p ; B4)将备选超像素集合I1, 12,. . . 15中像素个数小于t min的超像素称为无效超像素，其 余为有效超像素，其中tmin= S 2/h，h为设定的用于控制最小超像素大小的参数，将每个无 效超像素的标号设为其邻近某个有效超像素的标号； B5)将SAR图像中每个像素点的标号设置为其所在的备选超像素的标号，得到新的标 号图像L' ； B6)将SAR图像中相同标号且相互连通的像素点集合作为一个超像素1'，得到超像素 集合V，12'，... 1/，... 1,'，并将超像素集合V，12'，... 1/，... 1,'中每一个超像素分别 标号为 1，2, ... j, ... q ; B7)对每一个超像素1/得到其聚类中心Cj的坐标为（mean (Xj) ,mean (y』)），将聚类中 心Cj的标号设为其所在超像素1 /的标号，其中，mean( ·)表示对向量?求均值，Xj，7』分 别表示超像素1/包含的像素的横、纵坐标构成的列向量； C.迭代划分超像素步骤： Cl)重复步骤B，直到迭代次数达到设定迭代次数It，It取值为5。
2. 根据权利要求1所述方法，其中步骤Bl所述的计算像素点i与备选聚类中心c im的 差异值D (i，cim)，按如下步骤进行： B11)设（Xi，yi)，（xt""，yt"")分别为像素点i与备选聚类中心C im的坐标，计算像素点i 与备选聚类中心C1nl的距离d(i，c J :
B12)令V1, ￥2分别为以像素点i与备选聚类中心c im为中心的5X5的矩形块,计算V i 与％的强度差异值3(^^2): 当SAR图像强度服从视数为1的gamma分布，即指数分布时，则δ (Vl，V2)的计算公式 为：
其中，M为vjg形块中像素的个数，A,为矩形块Vi中的像素的强度构成的列向量； 当SAR图像幅度服从lognormal分布时，贝U δ (Vl，V2)的计算公式为
其中，M Sv1矩形块中像素的个数，（μ u O12)为矩形块V1像素的幅度分布参数的最 大似然估计，（μ 2, σ22)为矩形块V2像素的幅度分布参数的最大似然估计，V12表示矩形块 V1, V2中的所有的像素点，（μ 12, σ122)为Vl2像素的幅度分布参数的最大似然估计； Β13)根据Β11)与Β12)的计算结果，则像素点i与备选聚类中心Cim的差异值D(i，cim) 计算公式为 D(i，cim) = δ (Vl，v2) + X*d(i，cim) 其中λ为设定的用于调节距离d(i，cim)在总差异值D(i，cim)中所占比重的参数。
【专利摘要】本发明公开了一种基于似然比特征的SAR图像超像素分割方法，主要解决现有的SAR图像超像素分割方法分割结果不够准确的问题。其实现步骤为：(1)输入原始SAR图像，初始化聚类中心并对聚类中心标号；(2)对每个像素点聚类并标号；(3)对整幅SAR图像生成备选超像素；(4)去掉备选超像素中像素点个数小于阈值的无效超像素；(5)对整幅SAR图像生成超像素；(6)对每个超像素重新计算聚类中心；(7)重复步骤(2)～(6)，直到迭代次数达到设定值，得到标号图像。本发明能有效保持不同区域的边界，分割结果更准确，可用于SAR目标检测、识别及分类。
【IPC分类】G06K9-62
【公开号】CN104680181
【申请号】CN201510102543
【发明人】王英华, 余文毅, 刘宏伟, 魏明月, 董永飞, 王正珏
【申请人】西安电子科技大学
【公开日】2015年6月3日
【申请日】2015年3月9日