[發明專利]基于特征學習和素描線段約束的SAR圖像分割方法

有效

• 申請號: 201611260214.8
• 申請日: 2016-12-30
• 公開（公告）號: CN106611421B
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 劉芳;郝紅俠;孟義鵬;焦李成;李婷婷;尚榮華;馬文萍;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于特征學習和素描線段約束的SAR圖像分割方法，包括如下步驟：

(1)SAR圖像素描化：

(1a)建立合成孔徑雷達SAR圖像的素描模型；

(1b)從素描模型提取合成孔徑雷達SAR圖像的素描圖；

(2)劃分像素子空間：

(2a)采用素描線區域化方法，得到合成孔徑雷達SAR圖像的區域圖；

(2b)將區域圖映射到輸入的合成孔徑雷達SAR圖像中，得到合成孔徑雷達SAR圖像的混合聚集結構地物像素子空間、勻質區域像素子空間、結構像素子空間；

(3)特征學習：

利用反卷積神經網絡，對混合聚集結構地物像素子空間的各個互不連通區域進行無監督訓練，得到表征SAR圖像混合聚集結構地物像素子空間中各個互不連通區域的濾波器集合；

(4)濾波器結構聚類：

(4a)利用初始素描線PrimalSketch稀疏表示模型，對混合聚集結構地物像素子空間中各個互不連通區域濾波器集合中的每個濾波器進行素描化，得到混合聚集結構地物像素子空間中各個互不連通區域濾波器集合中每個濾波器的素描塊；

(4b)提取各個互不連通區域中每個濾波器素描塊的結構信息，將濾波器方向信息、濾波器素描線段長度信息以及濾波器所屬方向區間信息設計為方向特征向量和線段特征向量；

(4c)利用方向特征向量和線段特征向量，對混合聚集結構地物像素子空間中每個區域的濾波器集合進行結構聚類，得到每個區域按方向聚類后的濾波器集合；

(4d)將每個區域結構聚類后的濾波器集合拼接成一個集合，將該集合作為混合聚集結構地物像素子空間的碼本；

(5)分割SAR圖像混合聚集結構地物像素子空間：

采用基于方向約束的碼本投影方法，將每一個區域的每個濾波器，按方向區間向碼本投影，得到該區域的一個結構特征向量，利用AP算法聚類，對SAR圖像混合聚集結構地物像素子空間進行分割，得到混合聚集結構地物像素子空間的分割結果；

(6)分割結構像素子空間：

(6a)用視覺語義規則，分割線目標；

(6b)基于素描線的聚攏特征，分割獨立目標；

(6c)對線目標和獨立目標分割的結果進行合并，得到結構像素子空間的分割結果；

(7)分割勻質區域像素子空間：

采用基于多項式邏輯回歸先驗模型的勻質區域分割方法，對勻質區域像素子空間進行分割，得到勻質區域像素子空間的分割結果；

(8)獲得SAR圖像分割結果：

合并混合聚集結構地物像素子空間的分割結果，勻質區域像素子空間的分割結果，以及結構像素子空間的分割結果，得到最終合成孔徑雷達SAR圖像分割結果。