[發(fā)明專利]基于稀疏三重馬爾可夫場(chǎng)的SAR圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611204199.5
• 申請(qǐng)日: 2016-12-23
• 公開(kāi)（公告）號(hào): CN106600611B
• 公開(kāi)（公告）日: 2020-04-14
• 發(fā)明（設(shè)計(jì)）人: 吳艷;宋晨飛;李明;梁文楷;曹宜策
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): 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

本發(fā)明公開(kāi)了一種基于稀疏三重馬爾可夫場(chǎng)的SAR圖像分割方法，主要解決現(xiàn)有技術(shù)對(duì)于復(fù)雜場(chǎng)景下的非平穩(wěn)SAR圖像多目標(biāo)分割邊界定位準(zhǔn)確率低的問(wèn)題。其實(shí)現(xiàn)步驟是：1、輸入SAR圖像，初始化標(biāo)記場(chǎng)和輔助場(chǎng)；2、定義基于自適應(yīng)非平穩(wěn)劃分的輔助場(chǎng),構(gòu)建擴(kuò)展鄰域下的稀疏勢(shì)能函數(shù)，結(jié)合似然函數(shù)構(gòu)建聯(lián)合后驗(yàn)分布；3、利用Gibbs采樣對(duì)聯(lián)合后驗(yàn)分布進(jìn)行采樣，得到若干樣本；4、利用MPM準(zhǔn)則更新標(biāo)記場(chǎng)和輔助場(chǎng)；5、利用若干樣本進(jìn)行參數(shù)估計(jì)。本發(fā)明提高了SAR圖像分割區(qū)域的一致性及邊界定位的準(zhǔn)確率，可用于實(shí)現(xiàn)SAR圖像的目標(biāo)檢測(cè)、目標(biāo)識(shí)別與分類(lèi)。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及合成孔徑雷達(dá)SAR圖像分割方法，可用于實(shí)現(xiàn)SAR圖像的目標(biāo)檢測(cè)、目標(biāo)識(shí)別與分類(lèi)。

背景技術(shù)

由于合成孔徑雷達(dá)SAR具有先天性的優(yōu)勢(shì)從而廣泛的被應(yīng)用在各個(gè)領(lǐng)域，SAR圖像解析技術(shù)日漸受到人們的重視。SAR圖像分割技術(shù)是對(duì)SAR圖像進(jìn)行分析的基礎(chǔ)和前提，是一個(gè)非常關(guān)鍵的步驟。通過(guò)圖像分割可以提供圖像整體結(jié)構(gòu)和紋理信息并且能夠突出需要分類(lèi)和識(shí)別的目標(biāo)區(qū)域，為接下來(lái)的識(shí)別提供重要的依據(jù)。然而由于SAR的成像特點(diǎn)使得SAR圖像包含大量的乘性相干斑噪聲，使得圖像分割技術(shù)難度大大增加。

目前，SAR圖像分割處理技術(shù)方面已經(jīng)有大量的研究成果，其中基于馬爾可夫隨機(jī)場(chǎng)MRF模型的分割方法已經(jīng)被廣泛的應(yīng)用在SAR圖像分割中，它描述了圖像鄰域像素的空間相關(guān)性，從而為圖像分割提供了一個(gè)有效的建模方法。但是針對(duì)SAR圖像出現(xiàn)的非平穩(wěn)性該模型并沒(méi)有進(jìn)行考慮，在對(duì)非平穩(wěn)SAR圖像進(jìn)行分割時(shí)顯示出其能力不足?？紤]了圖像的非平穩(wěn)性，三重馬爾可夫隨機(jī)場(chǎng)TMF模型被提出來(lái)。TMF模型是在MRF模型的基礎(chǔ)上引入了第三個(gè)隨機(jī)場(chǎng)對(duì)SAR圖像的非平穩(wěn)性進(jìn)行建模，用輔助場(chǎng)的不同取值來(lái)定義圖像處于不同的平穩(wěn)態(tài)。因此，TMF模型有效的解決了非平穩(wěn)性問(wèn)題，并且能夠使用不同參數(shù)下的多樣統(tǒng)計(jì)模型對(duì)圖像數(shù)據(jù)進(jìn)行準(zhǔn)確建模，同時(shí)使得分割結(jié)果更加令人滿意。

然而，經(jīng)典的TMF模型在對(duì)SAR圖像建模時(shí)，對(duì)復(fù)雜場(chǎng)景下的非平穩(wěn)SAR圖像中的多目標(biāo)區(qū)域和非目標(biāo)區(qū)域的分割都是按照同一個(gè)標(biāo)準(zhǔn)進(jìn)行的，通常并沒(méi)有對(duì)圖像內(nèi)容進(jìn)行區(qū)分。目前，也涌現(xiàn)出了一些基于TMF模型的擴(kuò)展模型和與其他理論相結(jié)合的模型，如分層TMF模型、小波域TMF模型，模糊TMF模型、高維TMF模型、邊緣懲罰TMF模型等。這些研究成果使用不同的方法在TMF中，引入數(shù)據(jù)之間的空間相關(guān)性或結(jié)構(gòu)紋理特征來(lái)解決經(jīng)典TMF利用觀測(cè)數(shù)據(jù)相關(guān)性不足的問(wèn)題，在對(duì)實(shí)測(cè)SAR圖像的仿真中得到了令人滿意的分割結(jié)果，然而他們依然采用了空間的四鄰域或八鄰域作為研究對(duì)象，所捕獲的數(shù)據(jù)相關(guān)性非常有限，同時(shí)并沒(méi)有對(duì)復(fù)雜場(chǎng)景中目標(biāo)和非目標(biāo)區(qū)域進(jìn)行區(qū)分，影響了分割區(qū)域的一致性和類(lèi)別的邊界定位的準(zhǔn)確性，從而對(duì)復(fù)雜場(chǎng)景下的非平穩(wěn)SAR圖像中多目標(biāo)分割顯示出能力不足。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于稀疏三重馬爾可夫場(chǎng)的SAR圖像分割方法，以實(shí)現(xiàn)復(fù)雜場(chǎng)景下的多目標(biāo)分割，有效提高分割區(qū)域的一致性和分割邊界定位的準(zhǔn)確率。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案是：對(duì)輸入的測(cè)試數(shù)據(jù)進(jìn)行初始分割，得到標(biāo)記場(chǎng)和輔助場(chǎng)的初始標(biāo)記，在稀疏三重馬爾可夫隨機(jī)場(chǎng)的框架下重新定義基于自適應(yīng)非平穩(wěn)劃分的輔助場(chǎng)；將鄰域擴(kuò)展，并對(duì)其進(jìn)行自適應(yīng)劃分，引入稀疏表示，構(gòu)建擴(kuò)展鄰域下的稀疏勢(shì)能函數(shù)，結(jié)合似然函數(shù)構(gòu)成后驗(yàn)概率模型，依據(jù)最大后驗(yàn)概率準(zhǔn)則完成對(duì)SAR圖像的分割。具體步驟包括如下：

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

(2)初始化：

對(duì)輸入的測(cè)試SAR圖像Y′進(jìn)行初始分割，得到初始分割標(biāo)記場(chǎng)X，其中X＝{x_i|i∈S}，x_i為第i個(gè)像素點(diǎn)的分割標(biāo)記，x_i∈[1,2,...,K]，K為分割標(biāo)記的總類(lèi)別數(shù)；