专利名称：基于多分加权割的sar图像分割方法
技术领域：
本发明属于图像处理技术领域，主要涉及SAR图像分割，可用于SAR图像的目标检测与识别。
背景技术：
SAR(Synthetic Aperture Radar)是一种工作在微波波段的成像系统，由于其具有全天候、全天时、多视角、多分辨率数据获取能力，因此在国防和民用方面都有重要的应用。近年来随着SAR应用面越来越广，从各种渠道获得的SAR数据越来越多，传统的人工判读已难以实时快速的从所得的SAR数据中获取所需的信息，利用自动目标识别技术来加快数据的处理和提高目标识别的精度已成为当前的研究热点，而SAR图像分割则是SAR图像目标自动识别的基础和前提。目前已经提出许多SAR图像分割方法，如基于阈值的分割方 法，基于边缘的分割方法，基于区域增长的方法等。尽管这些方法在一些具体的SAR图像上都取得了较好的效果，但是它们仍存在一些不足之处，例如当两类目标的物理特性较为接近时，基于阈值的方法将面临阈值难以选取的问题，不合适的阈值将导致SAR图像的错分，误分。特别是，SAR图像固有的相干斑噪声对阈值的选择也有重要的影响。其它SAR图像分割方法也存在类似的问题。近年来，基于图的图像分割方法成为图像分割研究中的一个热点。该方法在进行图像分割时首先以待分割的图像的像素点为基础构造一个赋权图，然后通过对图进行分割即可得到图像的分割结果。Jianbo Shi 等在“Normalized cuts and image segmentation ^中提出了 Normalized cut分割模型。该模型在考虑类间相似度的同时还考虑了类内的相似度。然而，在进行图像分割时，由于Normalized cut仅利用了归一化Laplacian矩阵的第二个最小特征向量进行聚类，未考虑图谱中所含的其它聚类信息，所以图像分割的效果往往并不理想。作为改进，Andrew Y. Ng 等在 “Onspectral clustering: analysis andan algorithm”中提出利用图谱中多个特征向量所含的聚类信息实现图像的分割，并给出了具体的算法。然而，在利用该方法进行图像分割时需要计算一个以图像像素点为基础构造的矩阵的特征向量和特征值，由于当图像的维数较大时，相应的矩阵的维数也较大，图谱的计算也将很困难，甚至不可行，所以该方法在实际应用中受到了很大的限制。针对该问题，JitendraMalik 等在 “Spectral grouping using the nystr5m method” 中提出利用米样方法解决图谱难以计算的问题。但是该方法对采样点依赖过重，有时效果并不理想。此夕卜，在从图的多个特征向量中提取相应的聚类信息时，Jitendra Malik等建议利用k_means方法，但是，该方法的效果依赖于假设图像中不同目标的像素点映射到图谱构成的特征空间时将形成距离较远的凸类。由于在实际应用中该假设未必成立，所以图像的分割效果往往难以预料。为了进一步提高图像的分割效果，田铮等在“基于加权割的图像分割”(电子学报，2008, Vol. 36 (I))中提出了图的加权割模型，其最大的特点是通过加权的方式来区分像素点。但是与Normalized cut方法相似,该方法也仅仅只利用了图矩阵的第二个最小特征向量中的聚类信息，未考虑图谱中所含的其它聚类信息，这使得图像的分割效果受到了影响。
发明内容
本发明的目的在于针对上述已有技术的不足，提出了一种基于多分加权割的SAR图像分割方法，提高SAR图像的分割效果。实现本发明目的的技术方案是在对像素点加权的同时利用相应图矩阵的多个特征向量中所含的聚类 信息对SAR图像的像素点进行聚类，同时采用迭代更新的方法从图的多个特征向量中提取聚类信息，采用代表像素点投票的方法对像素点的聚类结果进行调整，具体步骤包括如下(I)输入待分割的SAR图像，以图像中的所有像素点为元素构成像素点集合，记为I= (P1, P2,…，P1J，其中Pa表示第λ个像素点，λ = 1，2，…，η,η表示SAR图像中像素点的个数；(2)计算像素点集合I中的像素点ρλ的分割特征Fa，所有像素点的分割特征组成分割特征集合F= (F11F2,-,FJ ；(3)从像素点集合I中随机抽取m个像素点，组成样本像素点集合S = …，<卜其中g表示第i个抽取的像素点，i = 1，2，…，m，未被抽取的像素点构
成非样本像素点集合t/ = IjPpjP2,…,凡—mj，其中&表示第h个未被抽取的像素点，h = 1，2，…，n_m ；(4)对样本像素点集合S中的任意两个像素点W和/，利用图像在这两个像素点处的分割特征<和<计算它们的相似度4，i，j = 1，2，···，!!!，并以4为元素构成一个mXm阶的矩阵(5)对样本像素点集合S中的任意一个像素点K利用矩阵AH十算图像在该点的权值<，i = 1，2，…，m ;(6)利用多分加权割对样本像素点集合S中的像素点进行聚类，得到k个类Cli, μ=1，2，…，k ;(7)对非样本像素点集合U中的任意一个像素卢&和样本像素点集合S中的任意
一个像素点-，利用图像在这两个像素点处的分割特征和疗计算它们的相似度^，h =1，2，…，n_m，i = 1，2，…，m ;(8)对非样本像素点集合U中的像素点&，按照近邻原则对其进行归类，得到图像的初始分割结果；(9)对图像的初始分割结果按照多数原则根据代表像素点的投票结果进行调整，即对像素点集合I中的任意一个像素点Pa，根据代表像素点的类标签对像素点Pa的类标签进行投票，并按照多数原则对像素点Ρλ的类标签进行调整，得到图像的最终分割结果。本发明与现有技术相比，有如下特点和效果I)在对图像进行分割时既通过加权的方式对像素点进行区分，同时又利用图矩阵的多个特征向量中所含的聚类信息对像素点进行归类；2)根据多分加权割最优解与其近似解之间的关系，采用迭代的方法从图矩阵多个特征向量中寻找多分加权割的近似最优解；3)对按近邻原则得到的图像分割结果，利用多数原则根据代表像素点的投票结果对分割结果进行调整。上述三个特点使本发明可以显著提高SAR图像的分割效果，这一点已经在实际试验中得到了证实。
图1是本发明的实现流程图；图2是本发明应用于一副SAR图像上的分割结果示意图；图3是本发明与现有方法对两副SAR图像的分割结果对比图。
具体实施例方式参照图1，本发明的具体实施过程如下步骤1.输入待分割的SAR图像，以图像中的所有像素点为元素构成像素点集合，记为I = (P1, P2,…，P1J，其中Pa表示第入个像素点，λ = 1,2，…，η, η表示SAR图像中像素点的个数。步骤2.计算像素点集合I中的像素点ρλ的分割特征Fa。(2a)对SAR图像的灰度级进行量化，量化为G级；(2b)对像素点Pa，在图像中以Pa为中心提取大小为wXw的图像块；(2c)计算以ρλ为中心的wXw图像块的灰度直方图，并将其归一化作为像素点ρλ的分割特征Fa ;(2d)重复上述步骤(2b)和(2c)，得到像素点集合I中每一个像素点的分割特征。步骤3.从像素点集合I中随机抽取m个像素点，组成样本像素点集合
5 = ，···，Κ ，其中g表示第i个抽取的像素点，i =未被抽取的像素点构
成非样本像素点集合C/ = ^1,/ 2，···，凡其中&表示第h个未被抽取的像素点，h = 1，2，…，n_m0步骤4.对样本像素点集合S中的任意两个像素点<和g，利用图像在这两个像素点处的分割特征€和<计算它们的相似度4 L, j = 1，2，···，!!!，并以4为元素构成一个mXm阶的矩阵I本步骤在实施时可以采用多种方法，例如，直接利用像素点的灰度值来计算像素点之间的相似度，利用图像小波变换系数计算像素点之间的相似度等等，本发明采用像素点附近图像的灰度分布特征来计算像素点之间的相似度，具体步骤如下(4a)计算样本像素点集合S中的任意两个像素点丨和之间的相似度< :
权利要求
1.一种基于多分加权割的SAR图像分割方法，包括如下步骤 (1)输入待分割的SAR图像，以图像中的所有像素点为元素构成像素点集合，记为I=(P1, P2,…，pj ,其中ρλ表示第λ个像素点，λ = 1，2，…，η,η表示SAR图像中像素点的个数； (2)计算像素点集合I中的像素点ρλ的分割特征Fa，所有像素点的分割特征组成分割特征集合 F= (F1, F2, ···, Fj ； (3)从像素点集合I中随机抽取m个像素点，组成样本像素点集合S=其中K表示第i个抽取的像素点，i = 1，2，- ,m,未被抽取的像素点构成非样本像素点集合
2.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(2)所述的计算像素点集合I中像素点Ρλ处的图像分割特征Fa，按如下步骤进行 (2a)对SAR图像的灰度级进行量化,量化为G级； (2b)对像素点ρλ，在图像中以ρλ为中心提取大小为wXw的图像块； (2c)计算以ρλ为中心的wXw图像块的灰度直方图，并将其归一化作为像素点ρλ的分割特征Fa ; (2d)重复上述步骤(2b)和(2c)，得到I中每一个像素点的分割特征。
3.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(4)所述的对样本像素点集合S中的任意两个像素卢P和g利用图像在这两个像素点的分割特CEF和F/计算它们的相似度4，按如下步骤进行 (4a)计算样本像素点集合S中任意两个像素点和4之间的相似度4=exp(Jk),其中，ο为尺度参数，χ =;Σ、p ;，Ft (t)表示像素点t的分 割特征€在灰度级为t时的值，表示像素点*的分割特征-在灰度级为t时的值，若卩
4.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(5)所述的对样本像素点集合S中的任意一个像素点g利用矩阵A*计算图像在该点的权值<，按如下步骤进行 (5a)对样本像素点集合S中的像素点<计算图像在该点的权值，
5.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(6)所述的利用多分加权割对样本像素点集合S进行聚类，按如下步骤进行 (6a)设类数为 k,令 WwX,···，!^)，A* = w A*w D =diag(J^e),其中—^!(，■^，…，^^表示以卜“^^…乂^为主对角元素的mXm阶对角矩阵,ifergge)表示以3>为主对角元素的mXm阶对角矩阵，e为元素全为I的m维列向量，计算的前k+1个单位正交最小特征向量；(6b)以贫的前第2个到第k+Ι个单位正交最小特征向量为列向量组成列向量矩阵Y; (6c)将列向量矩阵Y的每一行元素中值最大的元素置为1，其余元素置为-1，得到一个新矩阵，称为类标签矩阵X ; (6d)将列向量矩阵Y的转置YT与类标签矩阵X左相乘得到过渡矩阵B ； (6e)将列向量矩阵Y与过渡矩阵B左相乘，并将所得的矩阵的每一行元素中值最大的元素置为I，其余元素置为-1，得到另一个新矩阵，将其赋予类标签矩阵X ； (6f)以类标签矩阵X的第ω列^为第ω类的类标签向量，ω = 1，2，···Λ，计算样本像素点集合S的多分加权割的值
6.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(7)所述的利用图像在像素点A的分割特征]^计算A与样本像素点集合S中任意一个像素点P的相似度Ii ,按如下步骤进行 (7a)对非样本像素点集合U中的像素点和样本像素点集合S中像素点<，按下式计算二者之间的相似度21,:
7.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(8)所述的对非样本像素点集合U中的任意一个像素点，根据近邻原则对其进行归类，按如下步骤进行 (8a)在非样本像素点集合U中取像素点& ,并在集合成丨中求值最大的元素； (Sb)若集合{4，4，.··，Χ,丨中数值最大的元素为,且像素卢/7属于Cli，则将像素点的类标签置为P，如果 ， 2，··.，^4中有多个元素的值都等于该集合的最大值，则任取其中一个元素作为了 (8c)重复步骤(8a)和(8b)，得到非样本像素点集合U中所有像素点的类标签，从而得到图像的初始分割结果。
8.根据权利要求1所述的基于多分加权割的图像分割方法，其中步骤(9)所述的对像素点集合I中的任意一个像素点Ρλ，根据代表像素点的类标签对Ρλ的类标签进行投票，并按照多数原则对Ρλ的类标签进行调整，得到图像的最终分割结果，按如下步骤进行 (9a)随机抽取r个像素点，组成代表像素点集合S1 =| ···,心，其中<表示第u个抽取的代表像素点，其类标签为lu，该Iu在类标签集合{1，2，···，1 }中取值，U= 1，2，···，!■，未被抽取的像素点组成非代表像素点集合Rd，其中表不第Θ个非代表像素点，0 = I, 2,…，n-r ； (9b)对非代表像素点集合U1中的任意一个像素点知和代表像素点集合S1中的任意一个像素点<，按下式计算它们的相似度:
全文摘要
本发明公开了一种基于多分加权割的SAR图像分割方法。主要解决现有技术提取图像分割信息不全面，分割质量不高的缺点。其实现过程是(1)输入待分割的SAR图像，计算图像在每个像素点处的分割特征；(2)从SAR图像中随机抽取少量像素点作为样本集S；(3)对样本集中的任意两个像素点计算其相似度，并据此计算样本像素点的权；(4)利用多分加权割对样本集中的像素点进行聚类；(5)计算未被抽样的像素点与样本像素点之间的相似度，并根据近邻原则对未被抽样的像素点归类，得到图像的初分割；(6)按多数原则根据代表像素点的投票结果对像素点的分割进行调整，得到图像的最终分割结果。本发明具有分割质量高，抗噪性强的优点，可用于自动目标识别等。
文档编号G06T7/00GK103020977SQ201210593839
公开日2013年4月3日 申请日期2012年12月30日 优先权日2012年12月30日
发明者李小斌, 刘三阳, 杨国平, 王红军, 唐厚俭, 刘建强 申请人:西安电子科技大学