[發明專利]基于形狀補全區域圖和特征編碼的SAR圖像分割方法

在審

• 申請號: 201410773612.4
• 申請日: 2014-12-15
• 公開（公告）號: CN104463882A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 劉芳;馬文萍;劉佳;李玲玲;焦李成;郝紅俠;楊淑媛;孫濤;張向榮;尚榮華
• 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: 程曉霞;王品華

技術領域

本發明屬于圖像處理技術領域，涉及SAR圖像的區域提取方法，具體是一種基于形狀補全區域圖和特征編碼的SAR圖像分割方法，可用于SAR圖像的分割。

背景技術

SAR圖像分割是SAR圖像處理與解譯中的關鍵環節之一。在SAR圖像的成像過程中，由于地物的高低以及成像角度的不同，導致地物聚集區域在SAR圖像中呈現出明暗交錯變化的特性。《Local?maximal?homogenous?region?search?for?SAR?speckle?reduction?with?sketch-based?geometrical?kernel?function》提出的SAR圖像的素描圖是SAR圖像的一種稀疏表示，它以素描線的形式刻畫了SAR圖像中的灰度變化信息。《基于Primal素描圖和語義信息分類的SAR圖像分割》提出的基于語義信息的素描線分類方法將SAR圖像初始素描圖中的素描線分為表示聚集的素描線和表示邊界、線目標與孤立目標的素描線兩類。進而，上述文獻又使用基于區域生長的線段集合求解方法和基于形態學的區域提取方法提取到了完整的聚集區域，從而克服了現有的SAR圖像分割方法無法完整的分割聚集區域的缺陷。

不過，由于SAR圖像成像過程中相干斑的影響，單一閾值的素描圖還是無法準確完整的表示邊界，其在閾值較大的情況下只會在強邊緣的地方有響應，在閾值較低的情況下則會出現很多的偽邊緣。因此已有的區域提取方法無法很好的提取到閉合的勻質區域。

特征學習常用于自然圖像的分類，現有的一些特征學習框架如詞袋模型和深度學習模型都可以很好的學習出各個類別的模式，從而用于分類。目前也存在一些現有的工作將特征學習用于SAR圖像的分割中，它們主要是對過分割的小區域進行特征提取與學習。但是過分割的小區域只包含完整地物的某一局部信息，最終也就無法很好的把同一類的區域分到一起。

發明內容

本發明提出了一種新的基于形狀的素描線補全的區域圖提取方法用于SAR圖像的分割，很好的解決了上述已有方法在區域提取方面遇到的勻質區域不閉合的問題。然后，對于提取到的各個區域，使用特征學習的方法得到各個區域的表示，并使用層次聚類的方法得到各個區域的類別指定。

本發明是一種基于形狀補全區域圖和特征編碼的SAR圖像分割方法，其特征在于，包括有如下步驟：

步驟1.輸入待分割的SAR圖像，利用SAR圖像的初始素描模型得到輸入圖像的素描圖。

步驟2.采用基于形狀的素描線補全的區域圖提取方法得到輸入圖像的區域圖。

步驟3.根據得到的區域圖將待分割的SAR圖像映射為聚集區域、勻質區域和結構區域，其中聚集區域和勻質區域都包含多個區域。

步驟4.使用基于LLC編碼的詞袋模型對屬于聚集區域的各個區域進行特征學習，并在此基礎上進行層次聚類得到聚集區域的聚類結果。

步驟5.同樣，使用基于LLC編碼的詞袋模型對屬于勻質區域的各個區域進行特征學習，并在此基礎上進行層次聚類得到勻質區域的聚類結果。

步驟6.對于結構區域，使用基于MRF的分割方法得到結構區域中邊界、線目標以及孤立目標所在的位置，同時根據空間上的一致連通性得到若干個小區域，即將結構區域劃分成若干個小區域，從而得到結構區域的分割結果。

步驟7.使用基于空間近鄰和灰度均值的策略合并聚集區域、勻質區域和結構區域的結果，首先，將屬于結構區域中的小區域的類標標記為空間上相鄰的已聚類區域的類標，然后，將結構區域中剩下的既不與聚集區域相鄰又不與勻質區域相鄰的小區域的類標標記為灰度均值最相近的已聚類區域的類標。

步驟8.根據素描圖中的素描線信息標記線目標，從而得到最終的SAR圖像分割結果。

本發明的實現還在于：其中步驟2所提出的基于形狀的素描線補全的區域圖提取方法，包括有如下步驟：

2.1.對素描圖中的素描線進行聚集度分析，如果存在聚集的素描線，進行步驟2.2；如果不存在聚集的素描線，則跳至步驟2.4。

2.2.分別標記聚集的素描線和代表邊界、線目標以及獨立目標的素描線。

2.3.利用聚集區域提取方法在素描圖上得到覆蓋所有聚集素描線的區域，并標注該區域。

2.4.對于代表邊界、線目標以及獨立目標的素描線，提出基于形狀的素描線補全方法得到素描線補全結果及劃分的區域，并標注該區域。

2.5.對于補全后的素描線，以每條線上每個點為中心提取5×5的幾何結構窗作為結構區域，并標記該區域。

2.6.綜合上述區域提取結果，得到了整幅圖像的區域圖。