基于非平稳条件场的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SAR图 像进行目标检测和目标识别。
【背景技术】
[0002] 合成孔径雷达SAR系统因其全天时，全天候，具有穿透性等特点而广泛应用于军 事和民用领域。SAR图像分割是SAR图像目标识别与解译技术的重要环节，它可以提供图像 整体结构信息，揭示SAR图像本质，为SAR系统的自动目标识别建立基础，并推动SAR的应 用。这一领域已逐渐成为近年来国内外的一个研宄热点。然而SAR系统成像时发射相干电 磁波照射目标会使图像产生大量的斑点噪声，使得传统的光学图像分割算法用于SAR图像 分割时无法取得令人满意的结果。
[0003] 在众多的SAR图像分割算法中，条件场CRF模型因其能够充分考虑图像局部相关 性而受到广泛关注。近年来，CRF模型也在不断地发展和完善，涌现出多种扩展模型，包括条 件三重马尔可夫场模型，树结构条件场模型。尽管CRF模型能够有效地描述SAR图像空间 相关性以及分割结果的邻域相关性，提高SAR图像分割结果中对斑点噪声的抑制，但条件 场模型通常是在平稳的邻域系统下进行构建，并未充分考虑到SAR图像的非平稳特性。SAR 图像中通常存在复杂的图像内容，包括匀质区域以及点目标、边缘等非平稳细节信息。采 用平稳的邻域系统描述信息空间相关性，能够有效地降低匀质区域内斑点噪声对分割的影 响，然而，平稳邻域系统无法有效的描述非平稳的图像细节信息，会对SAR图像分割结果中 的点目标以及边缘信息造成影响。
【发明内容】
[0004] 本发明的目的在于针对上述已有问题的缺点，提出一种非平稳条件场的SAR图像 分割方法，在保证SAR图像匀质区域分割抗噪性的同时，提高SAR图像中非平稳细节特征的 分割准确性。
[0005] 实现本发明目的的技术方案是：利用canny算子获取SAR图像的边缘强度图并进 行分水岭变换处理，对SAR图像进行初始区域划分，通过稀疏描述算法进行区域间相关性 分析，构建SAR图像的非平稳邻域系统，在此基础上建立基于非平稳邻域的一元、二元势能 函数，完成非平稳条件场模型的构建，并依据贝叶斯概率推导，完成对SAR图像的分割。具 体步骤包括如下：
[0006] (1)输入SAR图像Y，Y = {Ys| s e Q}，\为像素点 s 的灰度值，Yse [0, 1，· · ·，255]， Q为SAR图像像素点集；
[0007] (2)对SAR图像Y进行初始分割，获得分割标记场X，X = {Xs I s e Q}，\为像素点 s的分割标记值，Xse [1，2, ...，K]，K为分割标记的总类别数，取值为正整数；
[0008] (3)对SAR图像Y采用canny算子进行边缘检测，获取SAR图像对应的边缘强度 图，在边缘强度图上采用分水岭算法得到初始区域划分集合R y= {Rm，m= 1，2，...，M}，Rm 为第m个区域，M为初始区域总个数，对于Ry中任一区域R m，提取SAR图像在该区域内像素 灰度分布直方图作为该区域对应的特征Hm;
[0009] (4)采用稀疏描述算法计算初始区域集合Ry中任意两个不同区域1^与Rn之间相 关性测度 corr (m, η)，其中 m = 1，2, · · ·，Μ，η = 1，2, · · ·，M，且 η 辛 m ;
[0010] (5)对于SAR图像中任一像素点s，根据区域之间相关性测度corr (m, η)，构建该像 素点对应的非平稳邻域:
[0011] 5a)获取像素点s所处区域的区域标号，假设该像素点所处的区域为Rm;
[0012] 5b)依据区域相关性测度，获得与区域Rn^有相关性区域的集合心：
[0013] 疋丨，其中，Ts为区域相关性阈值，设置为 0. 6 ；
[0014] 5c)根据像素点s所处区域匕以及其对应的相关性区域集合构建像素点s对 应的非平稳邻域AC :
[0015] < =尺,U<,，其中，U为并集符号；
[0016] (6)对于SAR图像中任一像素点s及其对应的非平稳邻域，构建非平稳条件场 模型在该点处的一元势能函数/^心^山以及二元势能函数//^^，·^):
【主权项】
1. 一种基于非平稳条件场的SAR图像分割方法，包括如下步骤： (1) 输入 SAR 图像 Y，Y = {Ys I s e Q}，^为像素点 s 的灰度值，Y se [〇, 1，· · ·，255]， Q为SAR图像像素点集； (2) 对SAR图像Y进行初始分割，获得分割标记场X，X = {Xs I s e Q}，\为像素点s的 分割标记值，Xse [1，2,...，K]，K为分割标记的总类别数，取值为正整数； (3) 对SAR图像Y采用canny算子进行边缘检测，获取SAR图像对应的边缘强度图，在 边缘强度图上采用分水岭算法得到初始区域划分集合R y= {Rm，m = 1，2,...，M}，Rm为第m 个区域，M为初始区域总个数，对于Ry中任一区域Rm，提取SAR图像在该区域内像素灰度分 布直方图作为该区域对应的特征H m; (4) 采用稀疏描述算法计算初始区域集合Ry中任意两个不同区域1^与Rn之间相关性 测度 corr (m, η)，其中 m = 1，2, · · ·，Μ，η = 1，2, · · ·，M，且 η 辛 m ; (5) 对于SAR图像中任一像素点s，根据区域之间相关性测度corr (m，η)，构建该像素点 对应的非平稳邻域: 5a)获取像素点s所处区域的区域标号，假设该像素点所处的区域为Rm; 5b)依据区域相关性测度，获得与区域Rm具有相关性区域的集合尤： C 矣"丨，"=1，…，糾，其中，Ts为区域相关性阈值，设置为0.6 ; 5c)根据像素点s所处区域Rni以及其对应的相关性区域集合，构建像素点s对应的 非平稳邻域: 疋^圮，其中，U为并集符号； (6) 对于SAR图像中任一像素点s及其对应的非平稳邻域，构建非平稳条件场模型 在该点处的一元势能函数，以及二元势能函数乂P :
其中，Ω = [1，2, · · ·，Κ]，当 Xs= I s时，δ (X s，1S) = 1，当 Xs^ I s时，δ (X s，1S) = 〇， 1)\)为在观测数据众条件下的局部分类器，t为非平稳邻域AC内的像素点，A0?,,) 为像素点t的空间作用参数，当Xs= X t时，δ (X S, Xt) = 1，当Xs^ X t时，δ (X S, Xt) = 〇 ; (7) 根据SAR图像每一像素点处的局部一元、二元势能函数，利用吉布斯随机场概率公 式计算SAR图像在非平稳条件场模型下的全局后验概率p NnBP(x |y):
其中，21^^是归一化常数； (8) 对全局后验概1 y)进行20次吉布斯采样处理，计算任一像素点s的后验 边缘概率PraF (Xs I y)，利用贝叶斯最大后验边缘概率准则，将后验边缘概率PraF (Xs I y)最大 时所对应的类别作为像素点S的分割标记值结果； (9)对SAR图像中所有像素点按步骤⑶进行处理，获得SAR图像对应的分割结果X。
2. 根据权利要求1所述的基于非平稳条件场的SAR图像分割方法，其特征在于：所 述步骤（2)的初始分割，是将SAR图像所有像素点依据其灰度特征自动划分为指定K类， 根据聚类结果得到初始分割标记场X，X = {Xs|s e Q}，\为像素点s的分割标记值， Xse [1，2,...，K]，K为设定的总类别数，取值为正整数。
3. 根据权利要求1所述的基于非平稳条件场的SAR图像分割方法，其特征在于：步骤 4)所述的计算任意两个不同区域1^与Rn2间相关性测度corr(m, η)，按如下步骤进行： 4a)将初始区域集合矿中每一区域的特征向量依次按列排列，组成完整字典矩阵D ; 4b)对于第一区域Rm，将完整字典矩阵D中第m列设为空向量，获得第一区域Rm对应的 字典矩阵Dm; 4c)根据第一区域Rm对应的特征Hm，以及该区域Rm对应的字典矩阵D m，采用OMP算法 计算区域Rm在字典矩阵D _"上的稀疏描述系数向量c m: Cni= argmin I IDniCni-H1J I2Subject to I |cK L，其中，I IDniCni-H1J |2为（DniCni-Hni)的模 值，I kl Ici为向量Cm中非零元素的个数，L为稀疏度，设置为6 ; 4d)对于第二区域Rn，将完整字典矩阵D中第η列设为空向量，获得第二区域Rn对应的 字典矩阵Dn; 4e)根据第二区域Rn对应的特征Hn，以及该区域Rn对应的字典矩阵D η，采用OMP算法 计算区域Rn在字典矩阵D "上的稀疏描述系数向量c η: cn= argminl | Dncn-Hn| |2subject to | |cn| |〇^L； 4f)计算第一区域Rni与第二区域R n之间的相关性测度corr (m，η):
4. 根据权利要求1所述的基于非平稳条件场的SAR图像分割方法，其特征在于：所述 步骤（6)中的局部分类器八\ |及），其表示如下：
其中，wCvi)为SAR图像中区域RmR像素灰度均值，饩为对应于类别Is的分类器均值 参数，％为对应于类别Is的分类器标准差参数，其中I se [1，2, ...，K]，这两个参数通过对 样本数据进行最大似然估计获得。
5. 根据权利要求1所述的基于非平稳条件场的SAR图像分割方法，其特征在于：所述 步骤（6)中的空间作用参数其表示如下： 4(?) = 〃.,,(」',），其中，Hm为第一区域R$应的灰度直方图特征向量。
【专利摘要】本发明公开了一种基于非平稳条件场的SAR图像分割方法，主要解决现有技术分割不准确的问题。其实现步骤是：1.输入SAR图像，初始化分割获得分割标记场；2.对SAR图像进行初始区域划分，采用稀疏描述算法获取初始区域之间的相关性测度；3.依据初始区域之间的相关性测度，构建每一像素点对应的非平稳邻域；4.将非平稳邻域引入到条件场模型中，构建非平稳邻域下的一元、二元势能函数；5.对一元、二元势能函数进行整合，构建非平稳条件场模型中的全局后验概率；6.对全局后验概率进行贝叶斯推导，获得最终分割结果。本发明提高了SAR图像同质区域的分割一致性及细节特征的分割精度，可用于SAR图像目标检测与识别。
【IPC分类】G06T7-00
【公开号】CN104732552
【申请号】CN201510165617
【发明人】吴艳, 王凡, 张鹏, 李明, 樊建伟, 张磊
【申请人】西安电子科技大学
【公开日】2015年6月24日
【申请日】2015年4月9日