基于條件三重馬爾可夫場(chǎng)的sar圖像分割方法
【專利摘要】本發(fā)明公開了一種基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，主要解決現(xiàn)有技術(shù)中分割區(qū)域一致性不足的問題。其實(shí)現(xiàn)步驟是：1.輸入SAR圖像，并初始化標(biāo)記場(chǎng)和輔助場(chǎng)；2.提取SAR圖像的紋理特征，構(gòu)建標(biāo)記場(chǎng)和輔助場(chǎng)聯(lián)合作用下的聯(lián)合后驗(yàn)分布；3.利用Gibbs采樣對(duì)聯(lián)合后驗(yàn)分布采樣，得到標(biāo)記場(chǎng)和輔助場(chǎng)的幾個(gè)樣本；4.利用最大后驗(yàn)邊緣概率MPM準(zhǔn)則更新樣本，得到更新的標(biāo)記場(chǎng)和輔助場(chǎng)；5.利用更新前的標(biāo)記場(chǎng)和輔助場(chǎng)進(jìn)行參數(shù)訓(xùn)練，并判斷更新的標(biāo)記場(chǎng)是否滿足退出條件，若滿足則輸出最終的分割結(jié)果，否則返回第3步繼續(xù)迭代。本發(fā)明提高了SAR圖像分割區(qū)域的一致性及邊緣定位的準(zhǔn)確性，可用于SAR圖像目標(biāo)檢測(cè)與識(shí)別。
【專利說明】基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，更進(jìn)一步涉及SAR圖像分割方法，可用于對(duì)目標(biāo)檢測(cè)和目標(biāo)識(shí)別。
【背景技術(shù)】
[0002]隨著合成孔徑雷達(dá)SAR在各個(gè)領(lǐng)域的廣泛應(yīng)用，SAR圖像解譯技術(shù)日益受到人們的重視。SAR圖像分割是對(duì)SAR圖像進(jìn)行解譯的基礎(chǔ)和前提，是一個(gè)非常重要的步驟。通過圖像分割可以提供圖像整體結(jié)構(gòu)信息并發(fā)現(xiàn)感興趣的目標(biāo)區(qū)域，為SAR圖像后期的分類和識(shí)別奠定基礎(chǔ)。然而由于SAR的成像特點(diǎn)使得SAR圖像包含大量相干斑噪聲，給圖像分割技術(shù)帶來(lái)很大困難。
[0003]目前，SAR圖像分割處理技術(shù)已經(jīng)有較多的研究成果，其中馬爾可夫隨機(jī)場(chǎng)MRF模型在SAR圖像分割中已經(jīng)得到了廣泛的應(yīng)用，它為描述圖像鄰域像素空域上的相互依賴關(guān)系提供了一個(gè)有效的建模方法。然而該模型沒有考慮圖像的非平穩(wěn)性，在處理非平穩(wěn)SAR圖像時(shí)顯得過于簡(jiǎn)單。針對(duì)非平穩(wěn)圖像，三重馬爾可夫場(chǎng)TMF模型被提出來(lái)。TMF模型引入第三個(gè)隨機(jī)場(chǎng)對(duì)圖像的非平穩(wěn)性進(jìn)行建模，用輔助場(chǎng)的幾個(gè)不同取值來(lái)定義圖像分布的不同的同質(zhì)性。因此，TMF模型較好地處理了非平穩(wěn)性，并且能夠采用多樣的統(tǒng)計(jì)模型對(duì)數(shù)據(jù)進(jìn)行精確建模，因此在處理SAR圖像分割問題時(shí)取得了令人滿意的結(jié)果。
[0004]然而，經(jīng)典TMF模型在對(duì)圖像建模時(shí)，通常假設(shè)觀測(cè)數(shù)據(jù)是關(guān)于給定標(biāo)號(hào)場(chǎng)條件獨(dú)立的，沒有充分考慮圖像數(shù)據(jù)之間的相關(guān)性。目前，也涌現(xiàn)了一些基于TMF模型的擴(kuò)展模型和與其他理論相結(jié)合的模型，如分層TMF模型、小波域TMF模型、模糊TMF模型等。這些研究成果利用不同的方法在TMF中引入全局或尺度間的相關(guān)性信息或紋理特征以解決經(jīng)典TMF沒有利用觀測(cè)數(shù)據(jù)相關(guān)性的不足，也在對(duì)實(shí)測(cè)SAR圖像的仿真中得到了滿意的分割結(jié)果，然而它們捕獲的數(shù)據(jù)相關(guān)性范圍有限，影響了分割區(qū)域的一致性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，以在保證分割準(zhǔn)確性的同時(shí)，提高分割結(jié)果的區(qū)域一致性。
[0006]實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是:直接對(duì)非平穩(wěn)SAR圖像的標(biāo)記場(chǎng)與輔助場(chǎng)的聯(lián)合后驗(yàn)分布建模；根據(jù)任意的觀測(cè)數(shù)據(jù)相關(guān)性，引入圖像紋理特征，重新定義輔助場(chǎng)在條件三重馬爾可夫場(chǎng)中的意義，構(gòu)建標(biāo)記場(chǎng)與輔助場(chǎng)聯(lián)合作用下的一元和二元?jiǎng)莺瘮?shù)；依據(jù)最大后驗(yàn)邊緣概率準(zhǔn)則完成對(duì)SAR圖像的分割。具體步驟包括如下:
[0007] (I)輸入SAR圖像Y '，Y ' = {Yi I i e S}，yi為像素點(diǎn)i的灰度值，Yi e [0，1，...，255]，S 為 SAR 圖像像素點(diǎn)集；
[0008](2)初始化:對(duì)SAR圖像Y'進(jìn)行初始分割，獲得分割標(biāo)記場(chǎng)X，X = Ixi lies}，Xi為像素點(diǎn)i的分割標(biāo)號(hào)，Xi e [1，2，...，K, ]，K,為分割標(biāo)號(hào)的總類別數(shù)；將輔助場(chǎng)U初始化，U = Iui |ies}, Ui 為像素點(diǎn) i 的輔助場(chǎng)標(biāo)號(hào)，Ui e [ λ 1； λ 2，...，λ M], X1, λ 2，…，λ Μ表不輔助場(chǎng)U中的標(biāo)號(hào)，M為SAR圖像中包含的平穩(wěn)態(tài)個(gè)數(shù)；
[0009](3)提取SAR圖像在各像素點(diǎn)的半方差紋理特征Vt⑴；
[0010]3a)以像素點(diǎn)i為中心，分別計(jì)算其5X5滑動(dòng)窗口內(nèi)東-西、南-北、東北-西南、西北-東南四個(gè)方向的絕對(duì)值變差函數(shù)值:
【權(quán)利要求】
1.一種基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，包括如下步驟: (1)輸入SAR 圖像 Y' ,Y' ={7」1￡3}，71為像素點(diǎn)1的灰度值，71￡[0，1，...，255]，S為SAR圖像像素點(diǎn)集； (2)初始化:對(duì)SAR圖像Y'進(jìn)行初始分割，獲得分割標(biāo)記場(chǎng)X，X= {Xi I i e S}，Xi為像素點(diǎn)i的分割標(biāo)號(hào)，Xi e [1，2，...，K' ]，K'為分割標(biāo)號(hào)的總類別數(shù)；將輔助場(chǎng)U初始化，U = Iui|ies},Ui 為像素點(diǎn) i 的輔助場(chǎng)標(biāo)號(hào)，Ui e [ λ 1； λ 2，...，λM], X1, λ 2，…，λΜ表不輔助場(chǎng)U中的標(biāo)號(hào)，M為SAR圖像中包含的平穩(wěn)態(tài)個(gè)數(shù)； (3)提取SAR圖像在各像素點(diǎn)的半方差紋理特征Vt(i)； 3a)以像素點(diǎn)i為中心，分別計(jì)算其5X5滑動(dòng)窗口內(nèi)東-西、南-北、東北-西南、西北-東南四個(gè)方向的絕對(duì)值變差函數(shù)值:
2.根據(jù)權(quán)利要求1所述的基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，其特征在于:步驟⑵所述的初始分割，是指對(duì)SAR圖像Y'進(jìn)行直方圖分割，其分割步驟如下: 2a)對(duì)SAR圖像進(jìn)行K'類分割，K'為分割標(biāo)號(hào)的總類別數(shù)，取值為正整數(shù)；根據(jù)SAR圖像的灰度直方圖確定每一類的臨界值；然后根據(jù)臨界值將SAR圖像像素點(diǎn)劃分為K'類，得到初始分割標(biāo)記場(chǎng)X, X = Ixi I i e S}, Xi為像素點(diǎn)i的分割標(biāo)號(hào),Xi e [1，2，...，K']；2b)根據(jù)初始分割標(biāo)記場(chǎng)X初始化輔助場(chǎng)U，即在以像素點(diǎn)i為中心的5X5鄰域內(nèi)統(tǒng)計(jì)具有不同標(biāo)號(hào)的像素對(duì)個(gè)數(shù)，如果像素對(duì)個(gè)數(shù)大于設(shè)定的閾值τ =18，則認(rèn)為該像素點(diǎn)i屬于一種平穩(wěn)態(tài)并標(biāo)記為1，否則認(rèn)為它屬于另一種平穩(wěn)態(tài)并標(biāo)記為O，得到任意SAR圖像的兩個(gè)平穩(wěn)態(tài)。
3.根據(jù)權(quán)利要求1所述的基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，其特征在于:步驟(4)所述的構(gòu)建標(biāo)記場(chǎng)X與輔助場(chǎng)U的聯(lián)合后驗(yàn)分布函數(shù)P (X，u |y)，按如下步驟進(jìn)行: 4a)用最小距離分類器得到一元?jiǎng)莺瘮?shù)fi(Xi，Ui|y):
4.根據(jù)權(quán)利要求1所述的基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，其特征在于:步驟(5)所述的利用Gibbs采樣方法對(duì)聯(lián)合后驗(yàn)分布函數(shù)P (X，u |y)進(jìn)行采樣，按如下步驟進(jìn)行: 5a)在每個(gè)像素點(diǎn)處計(jì)算不同標(biāo)號(hào)和不同輔助場(chǎng)標(biāo)號(hào)下的聯(lián)合后驗(yàn)分布P (X，u I y)； 5b)在所得到的不同情況下的聯(lián)合后驗(yàn)分布中，查找使聯(lián)合后驗(yàn)分布取得最大值的標(biāo)號(hào)，將其作為新標(biāo)號(hào)，得到標(biāo)號(hào)的后驗(yàn)分布P (x I y)，即標(biāo)記場(chǎng)X的一個(gè)樣本； 5c)在所得到的不同情況下的聯(lián)合后驗(yàn)分布中，查找使聯(lián)合后驗(yàn)分布取得最大值的輔助場(chǎng)標(biāo)號(hào)，將其作為新的輔助場(chǎng)標(biāo)號(hào)，得到輔助場(chǎng)標(biāo)號(hào)的后驗(yàn)分布P (u I y)，即輔助場(chǎng)U的一個(gè)樣本； 5d)進(jìn)行T次查找，得到標(biāo)記場(chǎng)X與輔助場(chǎng)U的T個(gè)樣本:[X1,...，Xt]和[U1,...，Ut]。
5.根據(jù)權(quán)利要求1所述的基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，其特征在于:步驟(6)所述的利用貝葉斯最大后驗(yàn)邊緣概率準(zhǔn)則MPM更新標(biāo)記場(chǎng)X'和輔助場(chǎng)U'，按如下步驟進(jìn)行: 6a)利用標(biāo)記場(chǎng)X與輔助場(chǎng)U的T個(gè)樣本[X1, - ,Xt]和[U1,…，Ut]，創(chuàng)建兩個(gè)離散馬爾可夫鏈 X(t) = (X11X2, - ,Χτ}和 U(t) = IU1, U2，…，UT}，其中，T 為樣本的總數(shù)，t e [1,2,-，T]； 6b)根據(jù)離散馬爾可夫鏈X (t)和U (t)，計(jì)算像素點(diǎn)i的標(biāo)號(hào)Xi的后驗(yàn)分布P Ui |y)和輔助場(chǎng)標(biāo)號(hào)Ui的后驗(yàn)分布P (Ui I y):

6.根據(jù)權(quán)利要求1所述的基于條件三重馬爾可夫場(chǎng)的SAR圖像分割方法，其特征在于:步驟(7)所述的對(duì)一元和二元?jiǎng)莺瘮?shù)中的參數(shù)進(jìn)行參數(shù)訓(xùn)練，按如下步驟進(jìn)行: 7a)利用隨機(jī)梯度下降法S⑶估計(jì)一元?jiǎng)莺瘮?shù)中的參數(shù)?，?和α: 7al)給定灰度平均值ιδ、紋理特征平均值?調(diào)節(jié)系數(shù)α e [1,-,5]和學(xué)習(xí)速率n e (O，I)，其中，α為在[1，...，5]中設(shè)置的任意值，Π為在(O，I)中設(shè)置的任意值，迭代次數(shù)ρ = ι; 7a2)分別計(jì)算灰度平均值1?、紋理特征平均值(5和調(diào)節(jié)系數(shù)α的梯度和
【文檔編號(hào)】G06T7/00GK103745472SQ201410018003
【公開日】2014年4月23日 申請(qǐng)日期:2014年1月15日 優(yōu)先權(quán)日:2014年1月15日
【發(fā)明者】吳艷, 王凡, 廉肖潔, 李明, 張強(qiáng), 吉新濤 申請(qǐng)人:西安電子科技大學(xué)