[發明專利]結合背景信息和最大后驗邊緣概率準則的SAR圖像分割方法

無效

• 申請號: 201010290040.6
• 申請日: 2010-09-20
• 公開（公告）號: CN101937566A
• 公開（公告）日: 2011-01-05
• 發明（設計）人: 侯彪;焦李成;李囡;王爽;張向榮;馬文萍;尚榮華;李陽陽
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種結合背景信息和最大后驗邊緣準則的SAR圖像分割方法，包括如下步驟：

1)在大小為L×L的待分割SAR圖像上截取M類訓練樣本，提取Gabor小波能量特征和基于灰度直方圖的紋理描述子特征；

2)對SAR圖像在2×2的窗口上進行平均采樣，得到N層的四叉樹結構，

3)從四叉樹的最細層至最粗層分別計算各層節點似然概率Pⁿ(y_d(s)|x_s)，n＝{0，1，...，N-1}，得到各層基于像素的最大似然分割結果；

4)計算四叉樹除最粗層外其他各層上的梯度圖，將基于像素的似然分割結果與各層梯度圖疊加實現梯度修正，在修正后的梯度圖上進行分水嶺分割；

5)將各層分水嶺分割得到的區域進行合并，根據各層最大似然分割結果，由各節點類標來標定所在區域的類別，如果一個區域內某一類的節點個數達到三分之二以上，則本區域由該類標標定，反之，該區域不作處理，最后將具有相同類標的區域進行合并；

6)將合并的區域作為處理單元，計算各層區域的似然概率Pⁿ(y_d(s)|x_A)；

7)對四叉樹除最粗層外其他各層依次通過最大期望值方法訓練，得到各層上各區域的背景向量先驗概率Pⁿ(x_A)和條件概率對背景條件概率進行Gibbs采樣得到背景邊緣概率根據這些參數分別計算各層上每個區域的后驗邊緣概率：

Pn(xA|y)=ΣVnPn(xA)Pn(VAn|xA)Pn(yd(s)|xA)VAnΣxAPn(xA)Pn(VAn|xA)Pn(yd(s)|xA)VAnPn(VAn|y)---(1)]]>

其中，x_A為區域A的類標，x_A＝{1，2，...，M}，M為分割類別數；

8)從各層區域后驗邊緣概率中取出最細層的區域后驗邊緣概率，依據最大后驗邊緣概率準則確定最細層上各區域類標，完成對SAR圖像的分割。

2.根據權利要求1所述的圖像分割方法，其中步驟7)所述的對四叉樹除最粗層外其他各層依次通過最大期望值方法訓練參數，計算各層上每個區域的后驗邊緣概率，按如下過程進行：

2a)初始化層數n＝1；

2b)令迭代次數t＝1，初始化先驗概率條件概率和背景向量

2c)計算各區域條件概率

Ptn(xA|VAn,yd(s))=Ptn(xA)Ptn(VAn|xA)Pn(yd(s)|xA)VAnΣxAPtn(xA)Ptn(VAn|xA)Pn(yd(s)|xA)VAn---(2)]]>

2d)分別計算第n層上各區域的父區域主類標NP：

如果層數n＝1，其中P⁰(x_s|y)為最粗層上像素s的后驗邊緣概率，它通過在最粗層上利用基于像素的馬爾可夫分割方法得到，A^-為區域A內所有節點的父節點集合，定義為A的父區域；

如果層數n＞1，其中P^n-1(x_s|y)為第n-1層上節點s的后驗邊緣概率，它與節點s所在區域A^-的后驗邊緣概率P^n-1(x_A|y)相同，且由上一層訓練中得到；

2e)分別計算各區域的鄰接區域主類標NC：

NC=argmaxΣPtn(xA*|VA*n,yd(s)),A*∈∂A---(3)]]>

其中，為區域A的鄰接區域集合；

2f)對每個區域的NP和NC根據它們出現的各種狀態進行0-1編碼，得到每個區域新的背景向量

2g)更新先驗概率和條件概率

Pt+1n(xA=m)=1NΣAPtn(xA=m|VAn,yd(s))---(5)]]>

其中，m為區域的狀態值，m＝{1，2，...，M}，M為分割類別數；

2h)計算背景條件概率

Pt+1n(VAn|yd(s))=Σm=1MPtn(xA=m)Ptn(VAn|xA=m)Pn(yd(s)|xA=m)ΣVAnΣm=1MPtn(xA=m)Ptn(VAn|xA=m)Pn(yd(s)|xA=m)---(6)]]>

2i)對進行Gibbs采樣50次，得到背景邊緣概率

2j)令t′＝t+1，如果t′＞MAX_t，MAX_t為最大迭代次數，則將參數和代入(1)式計算n層各區域后驗邊緣概率Pⁿ(x_A|y)，然后轉至2k)；否則，返回2c)；

2k)令n′＝n+1，如果n′＞N-1，結束；否則，返回2b)。