基于多特征联合稀疏图的sar图像分割方法
【专利摘要】本发明公开了一种基于多特征联合稀疏图的SAR图像分割方法，主要解决现有方法对分割结果产生不利影响以及图像规模增大影响计算复杂度的问题。其实现步骤为：1)输入待分割图像；2)将待分割图像进行过分割得到超像素；3)提取超像素的四个特征集；4)对四个特征集进行联合稀疏表示得到四个稀疏表示系数；5)将四个稀疏表示系数融合为一个全局稀疏表示系数；6)计算超像素的局部空间邻域相关性；7)将全局稀疏表示系数与局部空间邻域相关性相结合生成联合稀疏图；8)使用谱聚类算法分割联合稀疏图的顶点得到最终的分割结果。本发明能有效分割SAR图像并不受噪声影响，可用于SAR图像的自动目标识别。
【专利说明】基于多特征联合稀疏图的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】，特别涉及一种SAR图像的分割，用于SAR图像目标 识别。
【背景技术】
[0002]合成孔径雷达SAR是一种高分辨成像雷达，能穿透云层和植被，几乎不受气候条 件影响，可以全天时、全天候进行工作，因此在地面监测和识别中得到广泛应用。SAR系统的 自身特点导致SAR图像不像光学遥感图像直观，所以SAR图像的后期理解和解译也极为关 键。SAR图像分割作为SAR图像解译的关键环节之一，近些年来已经引起了广泛关注。已有 很多方法被用于SAR图像分割，如：阈值、聚类、支撑矢量积、马尔科夫随机场等。
[0003]基于支撑矢量积和马尔科夫随机场的分割方法需要少量的样本，这对于SAR图像 是很难准确获取的。而对于阈值分割方法，通常很难选取一个合适的阈值。目前已有很多 成熟的聚类算法被用于SAR图像分割，但大部分聚类方法都是基于像素的；这类方法的复 杂度会随着图像规模的增加而急剧增大，从而影响聚类方法的推广与应用。
[0004]另外，由于SAR图像是通过雷达回波的干涉作用而获得的，所以SAR图像本身不可 避免的含有相干斑噪声。众所周知，在SAR图像解译中，对SAR图像相干斑噪声的抑制是极 为关键的。已有的SAR图像分割算法为了避免噪声对分割结果的影响，大部分方法都先使 用滤波算法对SAR图像进行预处理，再应用其它技术对其进行分割。然而，滤波算法在降低 噪声的同时，图像中的边缘和纹理会变模糊，这就造成了图像中部分细节不可逆转的丢失， 进而可能导致最终分割结果不精确。
【发明内容】
[0005]本发明的目的在于针对上述已有技术的不足，提出一种基于联合稀疏图的SAR图 像分割方法，以避免相干斑噪声和参数选择的影响，获得较好的SAR图像分割结果。
[0006]为实现上述目的，本发明的技术方案包括如下步骤：
[0007] ⑴输入待分割SAR图像，确定需要将图像划分的类数k > 2 ;
[0008] (2)使用区域生长算法对输入的待分割SAR图像进行过分割，生成多个表示同质 区域的超像素集Y ;
[0009] (3)对超像素集Y中的每个超像素提取其灰度直方图特征、局部二值模式直方图 特征、Gabor滤波器组特征、灰度共生矩阵统计特征，构成灰度直方图特征集Χι、局部二值模 式直方图特征集X 2、Gabor滤波器组特征集χ3、灰度共生矩阵概率统计特征集χ4 ;
[00^0] (4)对所有超像素的上述四个特征集Χ2, Χ3, Χ4进行联合稀疏表示，分别得到四 个特征集合的稀疏表示系数Zl，Ζ2, Ζ3, Ζ4,每个稀疏表示系数的大小为ηΧη，η为超像素个 数；
[00川⑶在四个ηΧη大小的稀疏表示系数Ζι，ζ2，Ζ3，ζ 4中依次分别取任意相同位置 的兀素[Ζ1] "，[Ζ2] [Ζ3] [Ζ4] i」，其中，1 < i在η，1 < j < η，将这四个元素融合， 得到全局稀疏表不系数中相同位置的元素
【权利要求】
1.基于多特征联合稀疏图的SAR图像分割方法，包括如下步骤： (1) 输入待分割SAR图像，确定需要将图像划分的类数k彡2 ; (2) 使用区域生长算法对输入的待分割SAR图像进行过分割，生成多个表示同质 的超像素集Y ; ' (3) 对超像素集Y中的每个超像素提取其灰度直方图特征、局部二值模式直方图特征、 Gabor滤波器组特征、灰度共生矩阵统计特征，构成灰度直方图特征集&、局部二值模式直 方图特征集X2、Gabor滤波器组特征集χ 3、灰度共生矩阵概率统计特征集& ; (4) 对所有超像素的上述四个特征集X" χ2, χ3, χ4进行联合稀疏表示，分别得到四个特 征集合的稀疏表示系数Ζ" Ζ2, Ζ3, Ζ4,每个稀疏表示系数的大小为ηχη，η为超像素个数； (5) 在四个ηχη大小的稀疏表示系数Ζι，ζ2, & &中依次分别取任意相同位置的元素 [Ζ1]"，[Ζ2]^，[Ζ3]^，[Ζ4]^，其中，1彡i彡η，?彡j彡 η，将这四个元素融合，得到全局稀 疏表不系数中相同位置的元素
，对四个稀疏表 示系数中的每个元素都按照上式进行融合，得到全局稀疏表示系数
? (6) 根据超像素的相邻关系构造出超像素的局部空间邻域相关性c，该局部空间邻域 相关性c是一个以超像素个数为行数和列数的方阵，对于任意两个超像素 Yi与Yj，当Yi与 Yj相邻时，C中第i行的第j个元素 h的值为1,否则L的值为〇 ; (7) 将全局稀疏表示系数S与局部空间邻域相关性c相结合，生成联合稀疏图的邻接 矩阵6=(1/2)卬+?)，其中？ = 8.卿((：/2〇2)，1'表示转置，〇是一个正则参数，取值为 1.4； (8) 使用谱聚类中规范切Ncuts算法将联合稀疏图的顶点划分为1^类，得到最终分割结 果。
2·根据权利要求1所述的基于多特征联合稀疏图的SAR图像分割方法，其中所述步骤 ⑶中直方图特征集\，按如下步骤构成： ' (3a)统计每个超像素的直方图，将任意一个超像素 γ』的直方图特征排成一列,得到超 像素 Y」的直方图特征列向量Xu ; (3b)按照超像素集Y中超像素的顺序，将所有超像素的直方图特征列向量依次排列构 成直方图特征集& = (χ^,χ^，…，χ^.，...，xln)，其中，1彡j彡n，n为超像素个数。
3.根据权利要求1所述的基于多特征联合稀疏图的SAR图像分割方法，其中所述步骤 (3)中局部二值模式直方图特征集X2，按如下步骤构成： (3c)对待分割SAR图像的每个像素，在其八邻域内计算出局部二值模式，统计每个超 像素的局部二值模式直方图； (3d)将任意一个超像素 Yj的局部二值模式直方图特征排成一列，得到超像素Yj的局 部二值模式直方图特征列向量x2>j ; ' (3e)按照超像素集Y中超像素的顺序，将所有超像素的局部二值模式直方图特征列 向量依次排列构成局部二值模式直方图特征集X2 = (x2;1，x2,2，…，x2』，…，x 2 J，其中， 1. j < η，η为超像素个数。
4. 根据权利要求1所述的基于多特征联合稀疏图的SAR图像分割方法，其中所述步骤 (3)中Gabor滤波器组特征集Χ3,按如下步骤构成： (3f)计算出5个尺度、8个方向共40种Gabor滤波器，构成Gabor滤波器组，使用Gabor 滤波器组对待分割SAR图像进行滤波，并计算每个超像素的每种滤波器滤波结果的平均 值； (3g)将任意一个超像素 Y」的40个Gabor滤波结果平均值排成一列，得到超像素\的 Gabor滤波器组特征列向量χ3,」； (?)按照超像素集Y中超像素的顺序，将所有超像素的Gabor滤波器组特征列向量依 次排列构成Gabor滤波器组特征集X3 = (Xy, χ3,2,…，χ3，」，…，χ3，η)，其中，1 < j < η，η为 超像素个数。 ' ' ' '
5. 根据权利要求1所述的基于多特征联合稀疏图的SAR图像分割方法，其中所述步骤 (3)中灰度共生矩阵概率统计特征集Χ4,按如下步骤构成： CBi)计算每个超像素的灰度共生矩阵，统计灰度共生矩阵的14种概率统计特征：角二 阶距、对比度、相关性、平方总和、逆差矩、平均总和、方差总和、熵、熵总和、变差、熵的方差、 X方向信息相关性、Y方向信息相关性、最大相关系数； (3 j)将任意一个超像素 Y」的14种概率统计特征排成一列，得到超像素Yj的灰度共生 矩阵概率统计特征列向量x4，j; (3k)按照超像素集Y中超像素的顺序，将所有超像素的灰度共生矩阵概率统计特征列 向量依次排列构成灰度共生矩阵概率统计特征集χ4 = (X4 i，x4 2，…，X4 j，…，X4 n)，其中， 1 < j < η，η为超像素个数。
6·根据权利要求1所述的基于多特征联合稀疏图的SAR图像分割方法，其中步骤（4) 所述的对所有超像素的上述四个特征集Χ1; χ2, χ3, χ4进行联合稀疏表示，通过如下公式进 行：
9 s. t. diag (Zf) = 0, f = 1, ···, m, 其中^=&1，％，2，...，^，...，\」表示第 :?种特征集合，1是超像素集￥中第]· 个超像素的特征，η是超像素个数；α > 〇和> 〇是两个权衡各部分作用的参数，其取 值为α = 〇· 5, β = 〇· 3, m = 4 ; | | · | |F表示矩阵的F范数；| |Zf| I。。。为&每列的丄范 数；当f = 1时特征集合&的稀疏表示系数为Ζι，当f = 2时特征集^ &的稀疏表示系数 为Z2，当f、= 3时特征集合χ3的稀疏表示系数为Z3，当f = 4时特征集合&的稀疏表示系 数为Ζ4, Ζ为四个稀疏表示系数Zl，ζ2, ζ3, ζ4的联合稀疏表示系数，其具体形式如下：
式中ΜΖ111>2为联合稀疏表示系数ζ的L 2范数，|Wp =写^^，其中为ζ中第 i行的第j个元素，其中1彡i彡n，1彡j彡η。
【文档编号】G06T7/00GK104217436SQ201410472497
【公开日】2014年12月17日 申请日期:2014年9月16日 优先权日:2014年9月16日
【发明者】焦李成, 古晶, 马文萍, 杨淑媛, 刘红英, 熊涛, 侯彪, 王爽, 霍丽娜 申请人:西安电子科技大学