[發明專利]基于圖論和超像素的并行快速SAR圖像分割方法

有效

• 申請號: 201310279504.7
• 申請日: 2013-06-25
• 公開（公告）號: CN103400368A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 侯彪;焦李成;龔德釗;王爽;張向榮;馬文萍;馬晶晶
• 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: 張問芬;王品華

技術領域

本發明屬于圖像處理領域，特別是一種涉及SAR圖像分割的方法，可應用于目標識別，地物分類等領域。

背景技術

地理圖像分割是地理信息測繪更新、水利資源調查、農業生產監測、水上目標如橋梁、船舶等識別等工作必不可少的基礎步驟。作為一種主動的微波遙感雷達，SAR所具有的全天時、全天候、穿透性強等優點，使得SAR圖像成為地面目標監測的研究重點和熱點。

本質上SAR圖像反映的是目標的電磁散射特性和結構特性，其成像效果很大程度上依賴于雷達參數和地域電磁參數。SAR成像的特殊性使得針對該類圖像的分割方法有別于普通光學圖像：非光學成像方式導致SAR圖像灰度級變化緩慢，因此光學圖像常用的自適應閾值分割方法對此類圖像收效甚微；SAR圖像含有大量相干斑噪聲，常規分割方法通常不適用于SAR圖像。

針對SAR圖像的以上特點，經典分割方法有：

基于抑斑的分割方法。這類方法首先對SAR進行濾波，然后利用光學圖像的常規分割方法處理。常用濾波方法有Lee方法、Sigma濾波、Kuan方法和Gamma-MAP方法。經過濾波抑斑后再分割與直接分割方法相比效果有所提升，而且通常分割效率較高；但是抑斑過程中模糊了邊緣和紋理信息，導致圖像細節信息丟失。

基于SAR概率分布模型的分割方法。主要有Markov隨機場分割方法，分為非因果Markov隨機場和因果Markov隨機場兩種。非因果Markov隨機場參數估計困難，且需要迭代；因果Markov隨機場易形成方向性塊效應。這類方法由于考慮了SAR圖像的物理統計特性和先驗概率分布知識，因而分割效果較基于抑斑的分割方法有所改善，但是由于復雜度較高，分割效率較低，難以工程化。

在大量的試驗中，我們發現一種基于圖論的分割方法在處理SAR圖像中展現出了良好的分割效果；并且相對于SAR概率分布模型的分割方法有較低的復雜度。比較易于工程化實現。

發明內容

本發明的目的在于降低上述方法的復雜度得到一種快速高效的SAR圖像分割方法。為此，提出了一種基于圖論和超像素理論的并行快速的SAR圖像分割方法，提高分割的時間和空間性能。

為實現上述發明目的，本發明的技術方案包括如下步驟：

(1)對待分割的SAR圖像進行歸一化處理，將圖像的灰度從實際灰度分布數規范化到0～255之間，使圖像灰度值分布一致；

(2)對歸一化后的圖像進行分塊處理；將其分成等大小的4塊；并對每一塊并行進行以下下5個步驟的處理，便可得到4個完成分類的子圖：

(2a)對歸一化后的圖像進行高斯濾波處理；

(2b)利用灰度和位置信息進行超像素的生成；具體操作如下：

對于每一個像素點利用其灰度信息與位置信息(x，y坐標)進行是否合并為一個超像素的判別。當前像素點只可以與固定區域內的的像素點合并；而合并的另一個準則就是兩個像素點像素值差的絕對值要小于經驗閾值8；

(2c)將生成好的超像素結果向無向圖轉化，將所有超像素轉化得到的無向圖節點集合記作V，計算超像素內邊緣的像素點與超像素外相鄰的像素點的灰度差，并將灰度差信息與位置信息作為連接超像素的邊，將這些邊的集合記作E，利用節點集合V和邊的集合E構成無向圖G＝(V，E)；

(2d)利用傳統的基于圖論的分類方法將每個節點進行分類處理，對無向圖中每一條邊所連接的兩個節點所屬的不同的類別，進行類別合并而得到每個區塊的分割子圖；具體操作如下：

設這兩個節點的不同類別分別為C₁，C₂，用Dif(C₁，C₂)表示連接兩個不同的類別的C₁，C₂所處區域交界處節點的邊中所包含的最小的灰度差；當Dif(C₁，C₂)＜min(Int(C₁)+T(C₂)，Int(C₂)+T(C₂))時，則將類別C₁，C₂合并起來，否則不予合并；式中Int(C)表示類別C所處區域內連接所有節點的邊中所包含的最大的灰度差；T(C)表示與類別C所處區域內所包含的的節點數目負相關的控制變量；

(2e)將所含節點數小于一定經驗值(與圖像中目標所包含的像素點的個數相關，通常手動設定)的類別與相鄰的類間差異最小的類別進行合并，避免過分割的發生。