[發(fā)明專利]基于稀疏三重馬爾可夫場的SAR圖像分割方法

有效

• 申請?zhí)枺?/td>: 201611204199.5
• 申請日: 2016-12-23
• 公開（公告）號: CN106600611B
• 公開（公告）日: 2020-04-14
• 發(fā)明（設計）人: 吳艷;宋晨飛;李明;梁文楷;曹宜策
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于稀疏三重馬爾可夫場的SAR圖像分割方法，包括如下步驟：

(1)輸入SAR圖像：Y′＝{y_i|i∈S}，y_i為第i像素點的灰度值，y_i∈[0,1,...,255]，S為SAR圖像像素點集；

(2)初始化：

對輸入的測試SAR圖像Y′進行初始分割，按如下步驟進行：

2a)對SAR圖像進行初始標記，即初始K類分割；將[0,1,...,255]的灰度范圍平均分成K個灰度段，K為總的類別數(shù)，將第f個灰度段的灰度均值ε_f作為該類的中心，計算第i個像素到第f類的歐氏距離：e_if＝|y_i-ε_f|，y_i表示SAR圖像中第i個像素的灰度值，選取該距離最小時所對應的類別標號，即x_i∈[1,2,...,K]為第i個像素的類別標記；

2b)根據(jù)初始化的標記場X對輔助場U進行初始化，在輸入的SAR圖像中選擇以第i個像素為中心取大小為5×5的鄰域塊，統(tǒng)計該鄰域塊中具有不同分割標號的像素對數(shù)量H，同時設定閾值ζ＝13，若H＞ζ，則第i個像素屬于平穩(wěn)態(tài)，并將輔助場標記為1，否則，將輔助場標記為0，遍歷輸入SAR圖像中的每一個像素，得到初始輔助標記場U；

得到初始分割標記場X，其中X＝{x_i|i∈S}，x_i為第i個像素點的分割標記，x_i∈[1,2,...,K]，K為分割標記的總類別數(shù)；

將輔助場U初始化為：U＝{u_i|i∈S}，u_i為第i個像素點的輔助場標記，u_i∈[0,1,2,...M]，M為SAR圖像中包含的平穩(wěn)態(tài)個數(shù)；

(3)構(gòu)建稀疏勢能函數(shù)：

3a)定義基于自適應非平穩(wěn)劃分的輔助場U，在該輔助場中計算第i個像素的勢能所需的像素集合Ω_i：

3a1)在輸入SAR圖像的輔助場U中，以第i個像素為中心取大小為A×A的鄰域塊；

3a2)將鄰域塊中的輔助場標號取0和1兩種平穩(wěn)態(tài)，標號為1的像素稱為邊緣像素，標號為0的像素稱為非邊緣像素；

3a3)將這些邊緣像素連接形成邊界線，根據(jù)邊界線判斷是否能將鄰域塊進行完整劃分得到像素集合Ω_i：

若邊界線能將鄰域塊劃分成若干個兩兩互不重疊的區(qū)域，則第i個像素所在區(qū)域中的所有像素組成的集合為Ω_i；

否則，從第i個像素所在的位置出發(fā)，沿東-西、南-北、東北-西南、西北-東南四個方向進行搜索，當搜索到標號為1的像素或者到達鄰域塊的邊界時停止搜索，用各個方向搜索得到的像素構(gòu)成集合Ω_i；

3b)定義基于擴展鄰域的稀疏勢能函數(shù)：

其中x_i表示第i個像素的類別標記，x_j表示第j個像素的類別標記，u_i表示第i個像素的輔助場標記，u_j表示第j個像素的輔助場標記，W₁表示標記場能量，W₂表示輔助場能量，W₃表示稀疏能量，分別按如下公式計算：

W₁＝η·(2δ(x_i,x_j)-1)

W₂＝(1-δ(x_i,x_j))·[β·δ^*(u_i,u_j,a)+γ·δ^*(u_i,u_j,b)]

W₃＝|r(x_i)-r(x_j)|

其中υ_ip表示以第i個像素為中心的4-鄰域結(jié)構(gòu)中第p個像素的直方圖特征，υ_jp表示以第j個像素為中心的4-鄰域結(jié)構(gòu)中第p個像素的直方圖特征，D_f為第f類的字典，為第i個像素的稀疏向量，為第j個像素的稀疏向量；θ＝(η,β,γ)是勢能函數(shù)中的約束參數(shù)，a＝1為SAR圖像的一個平穩(wěn)態(tài)，b＝0為SAR圖像的另外一個平穩(wěn)態(tài)；δ(x_i,x_j)為沖激函數(shù)，若x_i＝x_j時，該沖激函數(shù)值為1，否則為0；δ^*(u_i,u_j,a)為符號函數(shù)，若u_i＝u_j＝a＝1或u_i＝u_j＝b＝0時，該符號函數(shù)值為1，否則為0；r(x_i)表示第i個像素的重構(gòu)誤差，r(x_j)表示第j個像素的重構(gòu)誤差，Ω_i表示以第i個像素為中心的候選像素集合，且j∈Ω_i；

(4)結(jié)合稀疏勢能函數(shù)W_STMF(x_i,x_j,u_i,u_j|θ)和高斯似然函數(shù)p(y_i|x_i)，利用貝葉斯概率準則得到在標記場X和輔助場U聯(lián)合作用下的聯(lián)合后驗分布p(x,u|y)；

(5)利用Gibbs采樣方法對聯(lián)合后驗分布函數(shù)p(x,u|y)進行采樣，得到整幅圖像的標記場X的T個樣本場：[X₁,X₂,...,X_T]和輔助場U的T個樣本場：[U₁,U₂,...,U_T]；

(6)將采樣后的標記場X和輔助場U的T個樣本場作為先驗數(shù)據(jù)，根據(jù)貝葉斯最大后驗概率MPM準則分別對標記場X和輔助場U進行更新，得到更新后的標記場X'和輔助場U'；

(7)將采樣得到的標記場X和輔助場U的T個樣本作為先驗數(shù)據(jù)，結(jié)合更新以后的標記場X'和輔助場U'，對擴展鄰域下的稀疏勢能函數(shù)W_STMF(x_i,x_j,u_i,u_j|θ)中參數(shù)θ進行估計；

(8)分別統(tǒng)計更新參數(shù)前后圖像標號場中像素類別標號發(fā)生變化的像素數(shù)目，計算標號變化的像素數(shù)目與圖像總的像素數(shù)目的比值Q，同時設定閾值并將比值與閾值比較：若就將更新以后的標記場X'和輔助場U'作為最終結(jié)果輸出，否則返回(6)。