[發明專利]基于邊緣和區域信息的水平集SAR圖像分割方法

有效

• 申請號: 201110346314.3
• 申請日: 2011-11-04
• 公開（公告）號: CN102426699A
• 公開（公告）日: 2012-04-25
• 發明（設計）人: 侯彪;焦李成;劉娜娜;王爽;劉芳;尚榮華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，涉及SAR圖像分割，具體地說是一種基于邊緣和區域信息相結合的水平集SAR圖像分割方法，可用于SAR圖像的分割、邊緣檢測和目標識別。

背景技術

合成孔徑雷達SAR是一種高分辨率主動式雷達，具有全天候、全天時、分辨率高、可側視成像等優點，可應用于軍事、農業、導航、地理監視等諸多領域。SAR圖像被廣泛的應用在目標檢測領域，而SAR圖像分割則是從圖像處理到圖像分析的重要步驟，是目標分類和識別的基礎。由于SAR是一種相干成像系統，SAR圖像在本質上是對目標的電磁散射特性和結構特性的反應，其成像效果很大程度上依賴于雷達參數和地域電磁參數。由于SAR成像系統的特殊性，使SAR圖像的信息表達方式和光學圖像有很大差異，并且會受到相干斑噪聲及陰影等許多幾何特征的影響，正因為這些因素使適用于光學圖像的分割方法對SAR圖像不再適用。

總體上說常規的SAR分割方法大多數還是用傳統的分割模型對SAR圖像進行分割，如一些基于閾值的分割、基于邊緣的分割和基于區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處理抑制相干斑噪聲。這些預處理方法在抑制相干斑噪聲的同時，不可避免地損失了很多邊緣與目標信息，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。水平集方法的優點是可以適應拓撲結構的變化，而且算法穩定性較高。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域信息，在不需要相干斑預處理的情況下，對于受相干斑噪聲影響的SAR圖像可以獲得比較準確的分割結果。

經典的水平集方法分基于邊緣信息和基于區域信息的兩種方法。測地線活動輪廓模型GAC模型是基于邊緣信息的水平集方法中應用最廣的一種，它能在不附加任何外界控制條件下，自由處理曲線運動時的拓撲結構變化，但是該模型僅利用圖像的梯度信息，由于圖像運動中的邊緣并非都是理想的階梯邊緣，難以分割出邊緣模糊的圖像中的同質區域，另外當圖像中的對象有較深的凹陷邊界時，GAC模型可能使演化曲線停止在某一局部極小值狀態，并不與對象的邊界相一致。Chan和Vese提出的CV模型是一種基于區域的水平集分割方法，作為一種能有效提高曲線演化拓撲自適應能力的區域水平集分割模型，它利用了圖像的全局區域信息。但是其同樣也存在不足之處，該模型的內部能量項只是保證零水平集曲線光滑，而沒有考慮水平集函數本身所固有的內在性質，在某些應用中還需要對水平集函數進行重新初始化，以使它接近符號距離函數，保證數值解法的穩定性，另外，模型中僅僅利用了圖像的區域信息，而另一個重要的圖像的邊緣信息沒有很好地利用，在一些分割應用中尤其是對灰度不均勻的圖像可能產生圖像邊緣定位不準確的缺陷。

雖然水平集分割方法已經在光學圖像和醫學圖像分割中獲得了巨大的成功，但是在SAR圖像分割領域，研究的還比較少。目前國際上知名的有法國的Refregier等人和美國的Chen等人所領導的兩個機構，并且兩個機構各有偏重，前者偏重研究測地線活動輪廓GAC模型在SAR圖像分割和邊緣檢測方面的應用，且此模型依賴于圖像梯度定義邊緣檢測算子，由于GAC模型中的梯度信息本身就不適用于SAR圖像，所以產生許多錯誤分割，后者主要研究幾何活動輪廓CV模型對多區域SAR圖像的分割，由于CV模型是一個基于加性高斯噪聲的分割模型，若直接將該模型應用于SAR圖像，由于乘性相干斑噪聲的存在，得到的檢測結果十分不理想，且它僅利用了SAR圖像的區域信息，而SAR圖像很重要的邊緣信息未被充分利用，無法正確地分割SAR圖像。

發明內容

本發明的目的在于針對上述已有技術的不足，提供一種基于邊緣和區域相結合的水平集SAR圖像分割方法，以實現對邊緣模糊的SAR圖像區域的準確分割，提高邊緣的定位性能，從而提高SAR圖像的分割的質量。

實現本發明目的技術思路是：根據SAR圖像的統計特性，應用Gamma分布作為SAR圖像的概率密度函數，并且計算由水平集劃分得到的兩個區域的概率密度的估計值，以各估計值的對數作為區域信息，同時應用對SAR圖像有很好邊緣定位性能的指數加權均值比率的邊緣檢測算子的檢測結果代替梯度值作為邊緣信息，最后加入避免重新初始化的修正項，將這三部分信息結合進行能量函數的建模，從而達到理想的分割結果。其具體的實現過程包括如下：

(1)對待分割SAR圖像I應用指數加權均值比率的邊緣檢測算子進行邊緣檢測，得到邊緣強度模值|R_max|；