专利名称：基于Gabor特征的三马尔可夫场SAR图像分割方法
技术领域：
本发明属于图像处理技术领域，更进一步涉及目标识别领域中基于Gabor特征的三马尔可夫场合成孔径雷达(SAR)图像分割方法。该方法可应用于目标识别图像信息的获取、SAR图像目标识别，能够对图像的不同区域准确地进行分割。
背景技术：
图像分割是通过对图像信息的分析，提取出感兴趣的目标或区域的过程。是计算机视觉中最基本和最重要的图像处理方法，是成功进行图像分析、理解和描述的关键技术。 SAR图像是一种高分辨率的雷达图像，SAR图像分割技术在军事、农业、地质学等多个领域得到广泛的应用。由于SAR图像具有严重的相干斑噪声，而常规光学图像的分割方法对噪声的敏感度很高，所以SAR图像的处理经常建立在统计模型的基础上。目前比较流行的图像统计模型有贝叶斯模型及马尔科夫随机场模型。马尔可夫随机场模型很好地描述了当前像素与其邻域中像素之间的相互关系，能较好地分割噪声图像。基于马尔可夫场模型的分割方法有基于变换域的分割方法和基于空域的分割方法，例如西安电子科技大学在其专利申请“基于非下采样Contourlet变换的HMT图像分割方法”(专利申请号:200810232336. 5，公开号:CN101447080A)中提出了一种非下采样 Contourlet变换和隐马尔可夫随机场结合的方法。这种方法首先对SAR图像进行多尺度变换，利用变换后不同分辨率下的各尺度子带系数的统计特性来处理图像，但是这种方法存在的不足是，只考虑尺度间的相关性而忽略了同一尺度子带邻域的空间相关性信息，所以边缘不够准确，且分割的过程比较复杂。西北工业大学在其专利申请“一种无监督马尔可夫随机场图像分割方法”(专利申请号200710017875. 2，公开号CN101286227A)中提出了一种无监督马尔可夫随机场图像分割方法。这种方法利用了 SAR图像本身像素点之间的空域相关性，通过新的势能函数提高了抗噪声性能，虽然步骤简单，但是仍然存在的不足是，利用的图像信息较少，分割精度不高。
发明内容
本发明的目的在于解决上述现有技术的不足，在基于马尔可夫随机场图像分割的基础上提出了一种基于Gabor特征的三马尔可夫随机场SAR图像分割方法，相比多尺度马尔可夫模型的分割方法简化了分割过程，充分利用了 SAR的纹理特征和杂波分布特征，在保证分割结果区域一致性的同时，提高了分割结果区域边缘的准确性。本发明实现上述目的的思路是先对待分割SAR图像进行均值漂移分割初始化标号场，再对待分割图像进行Gabor小波变换提取图像的纹理特征建立附加场，然后利用贝叶斯后验概率框架建立三马尔可夫场分割模型，计算每个像素点的后验边缘概率，最后利用贝叶斯最大后验边缘概率准则不断更新标号，得到最终分割结果。本发明的步骤包括如下(1)输入待分割的SAR图像；(2)初始化标号场；(3)建立附加场3a)对待分割的SAR图像进行三个尺度、0°，90°，180°，270°四个方向的Gabor 小波变换，得到和原图大小相等的12个特征矩阵；3b)将每个方向上三个相邻尺度的特征矩阵相乘，得到四个方向的四个矩阵；3c)利用K-means聚类工具，将四个矩阵相加后得到的一个矩阵聚为输入的类别数，聚类后的矩阵作为附加场；
(4)利用吉布斯随机场的概率公式获得联合先验概率；
(5)构建贝叶斯后验边缘概率的分割模型
5a)利用下式计算图像中各像素点的似然概率；
权利要求
1.一种基于Gabor特征的三马尔可夫场SAR图像分割方法，包括如下步骤(1)输入待分割的SAR图像；(2)初始化标号场；(3)建立附加场3a)对待分割的SAR图像进行三个尺度、0°，90°，180°，270°四个方向的Gabor小波变换，得到和原图大小相等的12个特征矩阵；3b)将每个方向上三个相邻尺度的特征矩阵相乘，得到四个方向的四个矩阵；3c)利用K-means聚类工具，将四个矩阵相加后得到的一个矩阵聚为输入的类别数，聚类后的矩阵作为附加场；(4)利用吉布斯随机场的概率公式获得联合先验概率；(5)构建贝叶斯后验边缘概率的分割模型5a)利用下式计算图像中各像素点的似然概率； 1 (L\( Lv λp(ysI^J=T^ft 一 y^exP - ， y^o其中，P(ys|xs)为似然概率，is为像素点的灰度值，Xs为像素点的标号，s为像素点，r 为伽马函数，L为SAR图像的等效视数，σ为各类灰度的均值；5b)利用统计概率公式计算三马尔可夫场联合概率分布；5c)利用贝叶斯后验概率方法计算各像素点的后验边缘概率；(6)利用贝叶斯最大后验边缘概率准则确定每个像素点新的标号，分割图像；(7)逐点更新标号场中各像素点的标号；(8)将更新前后标号场中变化的像素点个数和标号场像素点总数的比率作为终止条件，如果比率大于输入的阈值，返回步骤G)，否则执行下一步骤；(9)输出最终分割结果。
2.根据权利要求1所述的基于Gabor特征的三马尔可夫场SAR图像分割方法，其特征在于步骤( 所述的初始化是指对待分割的SAR图像进行均值漂移分割，输入窗口宽度为5，输出分割结果图，将分割结果图中灰度值相同的像素标记为一类，得到的标号矩阵作为初始标号场，标号场的取值为1、2、……k，k为标号场的总类别数，取为正整数。
3.根据权利要求1所述的基于Gabor特征的三马尔可夫场SAR图像分割方法，其特征在于步骤(4)所述的吉布斯随机场的概率公式为p(x,u) = y exp[-w(x, u)]其中，p(x，u)为标号场χ和附加场u的联合先验概率，γ为归一化常数，W(x，u)为标号场χ和附加场u的能量函数。
4.根据权利要求1所述的基于Gabor特征的三马尔可夫场SAR图像分割方法，其特征在于步骤5b)所述的统计概率公式为p(x, u, y) = ρ (χ, u) · p(y |x, u) = y exp[-ff (χ, u)+ Σ s e slogp (ys | xs)]其中，ρ (χ, u, y)为标号场χ、附加场u和灰度值场y的三马尔可夫场联合概率分布，P (x, u)为联合先验概率，p(y|x, u)为似然概率，Y为归一化常数，W (x, u)为联合先验概率中标号场χ和附加场u的能量函数，s为像素点，S为像素点所属的集合，Σ为求和符号，p(ys|xs)为各像素点的似然概率，Is为像素点的灰度值，Xs为像素点的标号。
5.根据权利要求1所述的基于Gabor特征的三马尔可夫场SAR图像分割方法，其特征在于步骤5c)所述的贝叶斯后验概率方法如下第1步，对三马尔可夫场进行联合概率分布进行吉布斯采样，利用吉布斯随机场概率公式依概率随机取值，采样20-50次标号场和类别场的样本，选出样本中每个像素点出现次数最多的标号值，计算各像素点的后验概率P (xs, Us I y)；第2步，利用下式计算各像素点的后验边缘概率ρ (xs I y)；
6.根据权利要求1所述的基于Gabor特征的三马尔可夫场SAR图像分割方法，其特征在于步骤(6)所述的贝叶斯最大后验边缘概率准则的公式为
7.根据权利要求1所述的基于Gabor特征的三马尔可夫场SAR图像分割方法，其特征在于步骤(8)所述的阈值范围为[10_6，10_8]。
全文摘要
本发明公开了一种基于Gabor特征的三马尔可夫场SAR图像分割方法，其实现步骤为(1)输入SAR图像；(2)初始化标号场；(3)建立附加场；(4)获得联合先验概率；(5)构建后验边缘的分割模型；(6)最大化后验边缘概率分割；(7)更新标号场；(8)判断标号场变化率是否大于阈值；(9)输出最终分割结果。本发明相比多尺度马尔可夫模型的分割方法简化了分割过程，保证了分割结果的区域一致性，较好的保持了图像中不同区域的边缘，解决了图像分割问题中区域一致性差和边缘不清晰的问题。可应用于合成孔径雷达SAR图像分割和SAR图像目标识别。
文档编号G06K9/46GK102402685SQ20111035463
公开日2012年4月4日 申请日期2011年11月10日 优先权日2011年11月10日
发明者侯彪, 公茂果, 张小华, 焦李成, 王爽, 白雪, 缑水平, 钟桦 申请人:西安电子科技大学