專利名稱：基于局部和全局區(qū)域信息的水平集sar圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及SAR圖像分割領(lǐng)域的應(yīng)用，具體地說是一種基于局部和全局區(qū)域信息相結(jié)合的水平集SAR圖像分割方法，可用于SAR圖像的分割、邊緣檢測和目標(biāo)識別。
背景技術(shù)：
合成孔徑雷達(dá)SAR是一種高分辨率主動式雷達(dá)，具有全天候、全天時、分辨率高、 可側(cè)視成像等優(yōu)點(diǎn)，可應(yīng)用于軍事、農(nóng)業(yè)、導(dǎo)航、地理監(jiān)視等諸多領(lǐng)域。SAR圖像被廣泛的應(yīng)用在目標(biāo)檢測領(lǐng)域，而SAR圖像分割則是從圖像處理到圖像分析的重要步驟，是目標(biāo)分類和識別的基礎(chǔ)。由于SAR是一種相干成像系統(tǒng)，SAR圖像在本質(zhì)上是對目標(biāo)的電磁散射特性和結(jié)構(gòu)特性的反應(yīng)，其成像效果很大程度上依賴于雷達(dá)參數(shù)和地域電磁參數(shù)。由于SAR成像系統(tǒng)的特殊性，使SAR圖像的信息表達(dá)方式和光學(xué)圖像有很大差異，并且會受到相干斑噪聲及陰影等許多幾何特征的影響，正因?yàn)檫@些因素使適用于光學(xué)圖像的分割方法對SAR 圖像不再適用?？傮w上說常規(guī)的SAR圖像分割方法差不多還是用傳統(tǒng)的分割模型對SAR圖像進(jìn)行分割，如一些基于閾值的分割、基于邊緣的分割和基于區(qū)域生長的分割方法等，但是其中的很多分割方法容易受到SAR圖像中相干斑噪聲的影響，所以此類方法都需要先通過預(yù)處理抑制相干斑噪聲。這些預(yù)處理方法在抑制相干斑噪聲的同時，不可避免地?fù)p失了很多邊緣與目標(biāo)信息，影響了分割效果。水平集圖像分割方法是重要的圖像處理方法之一。水平集方法的優(yōu)點(diǎn)是可以適應(yīng)拓?fù)浣Y(jié)構(gòu)的變化，而且算法穩(wěn)定性較高。利用水平集方法研究SAR圖像分割問題，通過建立合適的能量泛函，可以在能量泛函的定義中引入圖像區(qū)域信息，在不需要相干斑預(yù)處理的情況下，對于受相干斑噪聲影響的SAR圖像可以獲得比較準(zhǔn)確的分割結(jié)果?；趨^(qū)域的水平集方法可分為基于局部區(qū)域和基于全局區(qū)域的方法?；诰植繀^(qū)域的方法利用圖像的局部區(qū)域的灰度信息構(gòu)造能量函數(shù)，在醫(yī)學(xué)圖像和自然圖像上取得了較好的分割結(jié)果，Chan和Vese提出的CV模型是一種基于區(qū)域的水平集分割方法，作為一種能有效提高曲線演化拓?fù)渥赃m應(yīng)能力的區(qū)域水平集分割模型，它利用了圖像的全局區(qū)域信息。但是其同樣也存在不足之處，該模型的內(nèi)部能量項(xiàng)只是保證零水平集曲線光滑，而沒有考慮水平集函數(shù)本身所固有的內(nèi)在性質(zhì)，在某些應(yīng)用中還需要對水平集函數(shù)進(jìn)行重新初始化，以使它接近符號距離函數(shù)，保證數(shù)值解法的穩(wěn)定性.雖然水平集分割方法已經(jīng)在光學(xué)和醫(yī)學(xué)圖像分割中獲得了巨大的成功，但是在 SAR圖像分割領(lǐng)域，研究的還比較少，目前國際上研究基于區(qū)域信息的水平集方法的學(xué)者有 Chunming Li和Ayed等人，Chunming Li偏重研究局部二值擬合LBF方法在醫(yī)學(xué)圖像分割的應(yīng)用，由于SAR圖像噪聲是乘性噪聲，不同于醫(yī)學(xué)圖像和自然圖像中的加性噪聲，局部區(qū)域方法易受到乘性相干斑噪聲影響，因此LBF方法不適用于SAR圖像。Ayed等人研究的水平集方法對較復(fù)雜SAR圖像容易產(chǎn)生漏分割現(xiàn)象，對復(fù)雜區(qū)域SAR圖像的分割結(jié)果不是很王困相

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述已有技術(shù)的不足，提供一種基于局部和全局區(qū)域信息相結(jié)合的水平集SAR圖像分割方法，以實(shí)現(xiàn)對邊緣模糊的SAR圖像區(qū)域的準(zhǔn)確分割，提高邊緣的定位性能，從而提高SAR圖像分割的質(zhì)量。實(shí)現(xiàn)本發(fā)明目的技術(shù)思路是根據(jù)SAR圖像的灰度信息，應(yīng)用一個局部窗函數(shù)高斯核函數(shù)對圖像內(nèi)外區(qū)域的強(qiáng)度信息進(jìn)行卷積，作為局部區(qū)域信息，再根據(jù)SAR圖像的統(tǒng)計(jì)特性，計(jì)算由水平集劃分得到的兩個區(qū)域的概率密度的估計(jì)值，以各估計(jì)值的對數(shù)作為全局區(qū)域信息，最后結(jié)合水平集長度的約束項(xiàng)和避免重新初始化的懲罰項(xiàng)，將這四部分信息相結(jié)合進(jìn)行能量函數(shù)的建模，從而達(dá)到理想的分割結(jié)果。其具體的實(shí)現(xiàn)過程包括如下(1)將水平集函數(shù)Φ初始化成符號距離函數(shù)形式，根據(jù)水平集函數(shù)值的正負(fù)，將待分割SAR圖像I的整個圖像區(qū)域Ω分割成內(nèi)部區(qū)域Q1和外部區(qū)域Ω2;(2)根據(jù)所述的兩個區(qū)域Q1和Ω2，構(gòu)造對應(yīng)的局部區(qū)域能量函數(shù)& El=A1 瓜 Κ{φ)叫/—乂 ⑷ I2 Η{φ) + A2 Κ{φ)叫/—/2 ⑷I2 (l — Hm，其中，入工和入2是局部能量項(xiàng)的權(quán)值，φ是水平集函數(shù)，Κ(Φ)是高斯核函數(shù)，I是待分割圖像， \(Φ)是區(qū)域Q1的局部灰度均值， ·2(φ)是區(qū)域Ω2的局部灰度均值，Η(Φ) 為 Heaviside 函數(shù)；(3)根據(jù)所述的兩個區(qū)域口工和Ω 2，構(gòu)造對應(yīng)的全局區(qū)域能量函數(shù)Ea = jjQi Iog^1(J)) -^2 Iogip2(I))，其中，入工和λ 2是全局能量項(xiàng)的權(quán)值，Pl(I)是區(qū)域Q1的估計(jì)概率密度，ρ2 (I)是區(qū)域Ω2的估計(jì)概率密度；(4)結(jié)合步驟二構(gòu)造的局部區(qū)域能量函數(shù)&和步驟三構(gòu)造的全局區(qū)域能量函數(shù) Ee，構(gòu)造總能量函數(shù)4a)根據(jù)局部二值擬合LBF方法中求水平集長度 (Φ)的公式，計(jì)算水平集長度項(xiàng) (Φ)1(φ)=\\α\νΗ(φ)\,其中V是梯度算子，Η( Φ)為Heaviside函數(shù)；4b)根據(jù)局部二值擬合LBF方法中求避免重新初始化的懲罰項(xiàng)Ρ(Φ)的公式，計(jì)算懲罰項(xiàng)Ρ(φ)Ρ{φ) = \\α\{\^φ\- )2,其中V^是對水平集函數(shù)φ求梯度；4c)結(jié)合步驟二求得的局部區(qū)域能量函數(shù)&，步驟三求得的全局區(qū)域能量函數(shù)&， 步驟4a)求得的約束項(xiàng)L ( Φ)和步驟4b)求得的懲罰項(xiàng)P ( Φ)，構(gòu)造完整的總能量函數(shù)Esak Esae = α El+(1-α )Eg++ μ (Φ)+ νΡ(φ),其中α用來調(diào)節(jié)局部和全局能量項(xiàng)的比例，μ是約束項(xiàng)的權(quán)值，用來調(diào)節(jié)長度約束項(xiàng)的值，ν是懲罰項(xiàng)的權(quán)值，用來調(diào)節(jié)懲罰項(xiàng)的值，μ和ν的取值通過實(shí)驗(yàn)取得。 6
(5)根據(jù)步驟⑷構(gòu)造的總能量函數(shù)對SAR圖像I進(jìn)行分割5a)對總能量函數(shù)Esak利用變分法，得到梯度下降流方程
權(quán)利要求
1. 一種基于局部和全局區(qū)域信息相結(jié)合的水平集SAR圖像分割方法，包括0步驟(1)將水平集函數(shù)Φ初始化成符號距離函數(shù)形式，根據(jù)水平集函數(shù)值的正負(fù)，將待分割SAR圖像I的整個圖像區(qū)域Ω分割成內(nèi)部區(qū)域Q1和外部區(qū)域Ω2 ；(2)根據(jù)所述的兩個區(qū)域Q1和Ω2，構(gòu)造對應(yīng)的局部區(qū)域能量函數(shù)
2.根據(jù)權(quán)利要求1所述的水平集SAR圖像分割方法，其中步驟( 所述的構(gòu)造對應(yīng)的局部區(qū)域能量函數(shù)，按如下步驟進(jìn)行2a)選取常用的高斯核函數(shù)作為局部核函數(shù)，其表達(dá)式如下
3.根據(jù)權(quán)利要求1所述的水平集SAR圖像分割方法，其中步驟C3)所述的構(gòu)造對應(yīng)的全局區(qū)域能量函數(shù)，按如下步驟進(jìn)行 3a)計(jì)算區(qū)域Q1和Ω2的強(qiáng)度均值
全文摘要
本發(fā)明公開了一種基于局部和全局區(qū)域信息相結(jié)合的水平集SAR圖像分割方法，主要解決現(xiàn)有水平集方法受SAR相干斑噪聲影響和難以分割灰度不均勻的SAR圖像的問題。其實(shí)現(xiàn)步驟包括首先初始化水平集函數(shù)φ，將SAR圖像分成內(nèi)部區(qū)域Ω1和外部區(qū)域Ω2；其次應(yīng)用高斯核函數(shù)對圖像內(nèi)外區(qū)域的強(qiáng)度信息作卷積，作為局部區(qū)域信息，構(gòu)造基于局部區(qū)域的能量項(xiàng)；接著求這兩個內(nèi)外區(qū)域的強(qiáng)度均值c1和c2以及概率密度p1和p2，構(gòu)造全局區(qū)域能量項(xiàng)；最后加入水平集長度的約束項(xiàng)L(φ)和避免重新初始化的懲罰項(xiàng)P(φ)，構(gòu)造總能量函數(shù)ESAR，應(yīng)用變分法求梯度下降流方程，并更新水平集φ，得到新的分割區(qū)域和實(shí)驗(yàn)結(jié)果表明本發(fā)明的分割方法能得到比較理想的分割效果，可用于SAR圖像的分割和目標(biāo)識別。
文檔編號G06T5/00GK102426700SQ20111034651
公開日2012年4月25日 申請日期2011年11月4日 優(yōu)先權(quán)日2011年11月4日
發(fā)明者侯彪, 劉娜娜, 劉芳, 尚榮華, 焦李成, 王爽 申請人:西安電子科技大學(xué)