基于稀疏表示和多字典的sar图像分割的制作方法
【专利摘要】本发明公开了一种SAR图像分割的方法，属于图像处理领域，主要解决SVM应用于SAR图像分割易产生边缘分割效果差问题。分割过程为：确定分类中尺度和每个尺度使用次数，得到包含K个元素的尺度向量；第k次分类中，为每类地物在其类别区域内选取像素点作为训练样本用来构造第k次分类字典Ak；对SAR图像的像素点使用尺度向量中第k个元素得到特征向量；根据特征向量和字典Ak，得到稀疏系数；根据稀疏系数判断像素点所属类别；遍历整幅图像，得到图像的本次分类结果；若k＜K,则令k=k+1，为每一类地物随机选取像素点作为下次分类的训练样本，重复上述步骤。本发明具有分割结果区域一致性好，保留信息完整的优点，且对噪声具有鲁棒性。
【专利说明】基于稀疏表示和多字典的SAR图像分割
【技术领域】
[0001]本发明属于图像处理领域，是一种基于多尺度和多层稀疏表示的SAR图像分割方法，可应用于目标识别。
【背景技术】
[0002]合成孔径雷达SAR是一种高分辨率雷达体制，可应用于军事，农业，导航，地理监视等诸多领域。它与其它遥感成像系统，光学成像系统相比有很多差异。SAR图像含有大量相干斑噪声，而常规分割方法通常对噪声具有很高的敏感度，不宜用于此类图像；SAR图像反映的是被测地域的电磁波散射特性，这种特性近似的区域会成像为SAR图像中相近的灰度级，而该地域的光学图像中这些区域却很可能呈现不同的灰度级。
[0003]图像分割是图像分析的重点部分，同时也是难点。它的目的是将图像中目标从复杂的背景中提取出来，以便进行进一步的分析和处理。支持向量机(SVM)是高维数据分类常用的方法，且在各种分类算法中都有不错的效果。最近，很多文章将稀疏表示的方法用于模式识别和分类，并证明稀疏表示在分类中较SVM有更好的性能。稀疏表示之所以能用于目标分类，是因为即使信号有很高的维数，但相同的信号往往位于同一个低维空间中。因此，对于每个信号，在合适的基上都存在稀疏表不。
【发明内容】
[0004]本发明的目的在于将稀疏表示的方法用于SAR图像分割，提出一种基于直方图和纹理特征的SAR图像分割方法。
[0005]本发明实现过程如下:
[0006]步骤一、在待分割一幅SAR图像中，为每一类地物选择一个只包含此类地物的区域作为该类地物的类别区域，分别在每类地物的类别区域随机选取N个像素点作为训练样本用来构建字典；
[0007]步骤二、根据多个类别区域的图像特征，确定分类所使用一系列尺度，按照由大到小的顺序排列所述一系列尺度作为尺度向量的元素，得到尺度向量[S1，S2,..., Sk,..., Sk]，其中Sk表示第k次分类所使用的尺度，K表示总的分类次数；
[0008]步骤三、令k= I;
[0009]步骤四、在第k次分类中，使用对应的尺度Sk作为提取特征的窗口，以选取的像素点为中心点，对窗口内的像素点的值提取直方图特征和纹理特征，构造第k次分类用到的字典Ak;
[0010]步骤五、对待分割SAR图像中的每一个像素点使用尺度Sk作为提取特征的窗口，以选取的像素点为中心点，采取与步骤四中提取直方图特征和纹理特征相同的方式对窗口内的像素点的值提取直方图特征和纹理特征，根据直方图特征和纹理特征得到特征向
量€，其中i，j表示像素点的横、纵坐标；[0011]步骤六、求解
【权利要求】
1.一种利用稀疏表示进行SAR图像分割方法，包括如下步骤: 步骤一、在待分割一幅SAR图像中，为每一类地物选择一个只包含此类地物的区域作为该类地物的类别区域，分别在每类地物的类别区域随机选取N个像素点作为训练样本用来构建字典； 步骤二、根据多个类别区域的图像特征，确定分类所使用一系列尺度，按照由大到小的顺序排列所述一系列尺度作为尺度向量的元素，得到尺度向量[S1，S2，...，Sk，...，Sk]，其中Sk表示第k次分类所使用的尺度，K表示总的分类次数； 步骤三、令k=l ； 步骤四、在第k次分类中，使用对应的尺度Sk作为提取特征的窗口，以选取的像素点为中心点，对窗口内的像素点的值提取直方图特征和纹理特征，构造第k次分类用到的字典Ak; 步骤五、对待分割SAR图像中的每一个像素点使用尺度Sk作为提取特征的窗口，以选取的像素点为中心点，采取与步骤四中提取直方图特征和纹理特征相同的方式对窗口内的像素点的值提取直方图特征和纹理特征，根据直方图特征和纹理特征得到特征向量€，其中i，j表示像素点Yi，j的横、纵坐标； 步骤六、求解
2.如权利要求1所述的利用稀疏表示进行SAR图像分割方法，其中，步骤三中对窗口内的像素点的值提取直方图特征包括:以选取的像素点为中心点，以尺度Sk作为提取特征的窗口，将窗口内像素点的值压缩为H级，分别统计窗口内的像素点的值在每级中的个数，统计出每级中像素点的个数，然后用统计出的每级中的像素点的个数除以窗口内的像素点总数，得到该窗口内各级像素点的百分比。
3.如权利要求2所述的利用稀疏表示进行SAR图像分割方法，其中，H为8或者16。
4.如权利要求1所述的利用稀疏表示进行SAR图像分割方法，其中，使用灰度共生矩阵提取纹理特征，选择了二阶距、熵、对比度和相关度四个特征作为纹理特征，对纹理特征的值除以一个常数使其与直方图特征对应的向量内元素的数量级相近。
5.如权利要求1所述的利用稀疏表示进行SAR图像分割方法，其中，使用正交匹配追踪法(OMP)求解
6.如权利要求5所述的利用稀疏表示进行SAR图像分割方法，其中，使用正交匹配追踪法(OMP)求解
7.如权利要求1所述的利用稀疏表示进行SAR图像分割方法，确定分类所使用一系列尺度包括多次使用同一个尺度。
8.如权利要求7所述的利用稀疏表示进行SAR图像分割方法，其中，每个尺度使用的次数与尺度的大小有关，尺度越大，使用的次数越多。
9.如权利要求1所述的利用稀疏表示进行SAR图像分割方法，其中，threshl为0.16，thresh2 为 0.1。
【文档编号】G06T7/00GK103955915SQ201410097599
【公开日】2014年7月30日 申请日期:2014年3月17日 优先权日:2014年3月17日
【发明者】焦李成, 侯彪, 李慧艳, 霍丽娜, 王爽, 张向荣, 马文萍, 马晶晶 申请人:西安电子科技大学