基于条件三重马尔可夫场的sar图像分割方法
【专利摘要】本发明公开了一种基于条件三重马尔可夫场的SAR图像分割方法，主要解决现有技术中分割区域一致性不足的问题。其实现步骤是：1.输入SAR图像，并初始化标记场和辅助场；2.提取SAR图像的纹理特征，构建标记场和辅助场联合作用下的联合后验分布；3.利用Gibbs采样对联合后验分布采样，得到标记场和辅助场的几个样本；4.利用最大后验边缘概率MPM准则更新样本，得到更新的标记场和辅助场；5.利用更新前的标记场和辅助场进行参数训练，并判断更新的标记场是否满足退出条件，若满足则输出最终的分割结果，否则返回第3步继续迭代。本发明提高了SAR图像分割区域的一致性及边缘定位的准确性，可用于SAR图像目标检测与识别。
【专利说明】基于条件三重马尔可夫场的SAR图像分割方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，更进一步涉及SAR图像分割方法，可用于对目标检测和目标识别。
【背景技术】
[0002]随着合成孔径雷达SAR在各个领域的广泛应用，SAR图像解译技术日益受到人们的重视。SAR图像分割是对SAR图像进行解译的基础和前提，是一个非常重要的步骤。通过图像分割可以提供图像整体结构信息并发现感兴趣的目标区域，为SAR图像后期的分类和识别奠定基础。然而由于SAR的成像特点使得SAR图像包含大量相干斑噪声，给图像分割技术带来很大困难。
[0003]目前，SAR图像分割处理技术已经有较多的研究成果，其中马尔可夫随机场MRF模型在SAR图像分割中已经得到了广泛的应用，它为描述图像邻域像素空域上的相互依赖关系提供了一个有效的建模方法。然而该模型没有考虑图像的非平稳性，在处理非平稳SAR图像时显得过于简单。针对非平稳图像，三重马尔可夫场TMF模型被提出来。TMF模型引入第三个随机场对图像的非平稳性进行建模，用辅助场的几个不同取值来定义图像分布的不同的同质性。因此，TMF模型较好地处理了非平稳性，并且能够采用多样的统计模型对数据进行精确建模，因此在处理SAR图像分割问题时取得了令人满意的结果。
[0004]然而，经典TMF模型在对图像建模时，通常假设观测数据是关于给定标号场条件独立的，没有充分考虑图像数据之间的相关性。目前，也涌现了一些基于TMF模型的扩展模型和与其他理论相结合的模型，如分层TMF模型、小波域TMF模型、模糊TMF模型等。这些研究成果利用不同的方法在TMF中引入全局或尺度间的相关性信息或纹理特征以解决经典TMF没有利用观测数据相关性的不足，也在对实测SAR图像的仿真中得到了满意的分割结果，然而它们捕获的数据相关性范围有限，影响了分割区域的一致性。
【发明内容】
[0005]本发明的目的在于针对上述现有技术的不足，提出一种基于条件三重马尔可夫场的SAR图像分割方法，以在保证分割准确性的同时，提高分割结果的区域一致性。
[0006]实现本发明目的的技术方案是:直接对非平稳SAR图像的标记场与辅助场的联合后验分布建模；根据任意的观测数据相关性，引入图像纹理特征，重新定义辅助场在条件三重马尔可夫场中的意义，构建标记场与辅助场联合作用下的一元和二元势函数；依据最大后验边缘概率准则完成对SAR图像的分割。具体步骤包括如下:
[0007] (I)输入SAR图像Y '，Y ' = {Yi I i e S}，yi为像素点i的灰度值，Yi e [0，1，...，255]，S 为 SAR 图像像素点集；
[0008](2)初始化:对SAR图像Y'进行初始分割，获得分割标记场X，X = Ixi lies}，Xi为像素点i的分割标号，Xi e [1，2，...，K, ]，K,为分割标号的总类别数；将辅助场U初始化，U = Iui |ies}, Ui 为像素点 i 的辅助场标号，Ui e [ λ 1； λ 2，...，λ M], X1, λ 2，…，λ Μ表不辅助场U中的标号，M为SAR图像中包含的平稳态个数；
[0009](3)提取SAR图像在各像素点的半方差纹理特征Vt⑴；
[0010]3a)以像素点i为中心，分别计算其5X5滑动窗口内东-西、南-北、东北-西南、西北-东南四个方向的绝对值变差函数值:
【权利要求】
1.一种基于条件三重马尔可夫场的SAR图像分割方法，包括如下步骤: (1)输入SAR 图像 Y' ,Y' ={7」1￡3}，71为像素点1的灰度值，71￡[0，1，...，255]，S为SAR图像像素点集； (2)初始化:对SAR图像Y'进行初始分割，获得分割标记场X，X= {Xi I i e S}，Xi为像素点i的分割标号，Xi e [1，2，...，K' ]，K'为分割标号的总类别数；将辅助场U初始化，U = Iui|ies},Ui 为像素点 i 的辅助场标号，Ui e [ λ 1； λ 2，...，λM], X1, λ 2，…，λΜ表不辅助场U中的标号，M为SAR图像中包含的平稳态个数； (3)提取SAR图像在各像素点的半方差纹理特征Vt(i)； 3a)以像素点i为中心，分别计算其5X5滑动窗口内东-西、南-北、东北-西南、西北-东南四个方向的绝对值变差函数值:
2.根据权利要求1所述的基于条件三重马尔可夫场的SAR图像分割方法，其特征在于:步骤⑵所述的初始分割，是指对SAR图像Y'进行直方图分割，其分割步骤如下: 2a)对SAR图像进行K'类分割，K'为分割标号的总类别数，取值为正整数；根据SAR图像的灰度直方图确定每一类的临界值；然后根据临界值将SAR图像像素点划分为K'类，得到初始分割标记场X, X = Ixi I i e S}, Xi为像素点i的分割标号,Xi e [1，2，...，K']；2b)根据初始分割标记场X初始化辅助场U，即在以像素点i为中心的5X5邻域内统计具有不同标号的像素对个数，如果像素对个数大于设定的阈值τ =18，则认为该像素点i属于一种平稳态并标记为1，否则认为它属于另一种平稳态并标记为O，得到任意SAR图像的两个平稳态。
3.根据权利要求1所述的基于条件三重马尔可夫场的SAR图像分割方法，其特征在于:步骤(4)所述的构建标记场X与辅助场U的联合后验分布函数P (X，u |y)，按如下步骤进行: 4a)用最小距离分类器得到一元势函数fi(Xi，Ui|y):
4.根据权利要求1所述的基于条件三重马尔可夫场的SAR图像分割方法，其特征在于:步骤(5)所述的利用Gibbs采样方法对联合后验分布函数P (X，u |y)进行采样，按如下步骤进行: 5a)在每个像素点处计算不同标号和不同辅助场标号下的联合后验分布P (X，u I y)； 5b)在所得到的不同情况下的联合后验分布中，查找使联合后验分布取得最大值的标号，将其作为新标号，得到标号的后验分布P (x I y)，即标记场X的一个样本； 5c)在所得到的不同情况下的联合后验分布中，查找使联合后验分布取得最大值的辅助场标号，将其作为新的辅助场标号，得到辅助场标号的后验分布P (u I y)，即辅助场U的一个样本； 5d)进行T次查找，得到标记场X与辅助场U的T个样本:[X1,...，Xt]和[U1,...，Ut]。
5.根据权利要求1所述的基于条件三重马尔可夫场的SAR图像分割方法，其特征在于:步骤(6)所述的利用贝叶斯最大后验边缘概率准则MPM更新标记场X'和辅助场U'，按如下步骤进行: 6a)利用标记场X与辅助场U的T个样本[X1, - ,Xt]和[U1,…，Ut]，创建两个离散马尔可夫链 X(t) = (X11X2, - ,Χτ}和 U(t) = IU1, U2，…，UT}，其中，T 为样本的总数，t e [1,2,-，T]； 6b)根据离散马尔可夫链X (t)和U (t)，计算像素点i的标号Xi的后验分布P Ui |y)和辅助场标号Ui的后验分布P (Ui I y):
6.根据权利要求1所述的基于条件三重马尔可夫场的SAR图像分割方法，其特征在于:步骤(7)所述的对一元和二元势函数中的参数进行参数训练，按如下步骤进行: 7a)利用随机梯度下降法S⑶估计一元势函数中的参数?，?和α: 7al)给定灰度平均值ιδ、纹理特征平均值?调节系数α e [1,-,5]和学习速率n e (O，I)，其中，α为在[1，...，5]中设置的任意值，Π为在(O，I)中设置的任意值，迭代次数ρ = ι; 7a2)分别计算灰度平均值1?、纹理特征平均值(5和调节系数α的梯度和
【文档编号】G06T7/00GK103745472SQ201410018003
【公开日】2014年4月23日 申请日期:2014年1月15日 优先权日:2014年1月15日
【发明者】吴艳, 王凡, 廉肖洁, 李明, 张强, 吉新涛 申请人:西安电子科技大学