[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

本發明公開了一種基于特征學習和素描線段約束的SAR圖像分割方法。主要解決現有技術分割SAR圖像不準確的問題。其實現步驟如下：(1)SAR圖像素描化；(2)根據SAR圖像的區域圖，劃分SAR圖像的像素子空間；(3)采用反卷積模型進行特征學習；(4)構建方向特征向量和長度特征向量，進行濾波器結構聚類；(5)基于方向約束的碼本投影；(6)分割SAR圖像混合聚集結構地物像素子空間；(7)基于素描線聚攏特征的獨立目標分割；(8)基于視覺語義規則的線目標分割；(9)采用基于多項式邏輯回歸先驗模型對勻質區域像素子空間進行分割；(10)合并得到SAR圖像分割結果。本發明獲得了SAR圖像的良好分割效果，可用于SAR圖像的語義分割。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及目標識別技術領域中的一種基于脊波反卷積網絡和稀疏分類的合成孔徑雷達(Synthetic Aperture Radar，SAR)圖像分割方法。本發明能夠對合成孔徑雷達SAR圖像的不同區域準確地進行分割，并且可用于后續的合成孔徑雷達SAR圖像的目標檢測與識別。

背景技術

合成孔徑雷達SAR圖像分割是指根據灰度、紋理、結構、聚集性等特征將合成孔徑雷達SAR圖像劃分成若干個互不相交的區域，并使這些特征在同一區域內呈現出相似性，而在不同區域間呈現出明顯的差異性的過程。合成孔徑雷達SAR圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析。合成孔徑雷達SAR圖像分割是圖像理解與解譯的基礎，分割質量的好壞直接影響后續的分析、識別等。通常，分割越準確，識別越成功。

現有的合成孔徑雷達SAR圖像分割方法主要分為基于特征的方法和基于統計模型的方法?；谔卣鞯姆椒ㄖ饕翘崛∫恍┖铣煽讖嚼走_SAR圖像的特征進行分割，比如紋理特征、邊特征以及混合特征等。基于統計模型的方法將合成孔徑雷達SAR圖像分割問題用概率的方式表達，將圖像的特征描述為一些經驗的分布，例如Nakagami分布、Gamma分布、K分布、G分布等。

劉芳，段一平，李玲玲，焦李成等在其發表的論文“基于層次視覺語義和自適應鄰域多項式隱模型的SAR圖像分割”(IEEE Trancactions on Geoscience and RemoteSensing，2016,54(7):4287-4301.)中提出了一種基于層次視覺語義和自適應鄰域多項式隱模型的SAR圖像分割方法，該方法根據合成孔徑雷達SAR圖像的素描模型提取出SAR圖像的素描圖，采用素描線區域化方法，得到SAR圖像的區域圖，并將區域圖映射到SAR圖像中，最終將合成孔徑SAR圖像劃分為聚集區域、勻質區域和結構區域?；谠搫澐?，對不同特性的區域采用了不同的分割方法。對于聚集區域，提取了灰度共生矩陣特征，并采用局部線性約束編碼的方法得到每個聚集區域的表示，進而采用層次聚類的方法進行分割。對結構區域，通過分析邊模型和線模型，設計了視覺語義規則定位邊界和線目標。另外，邊界和線目標包含了強烈的方向信息，因此設計了基于幾何結構窗的多項式隱模型進行分割。對勻質區域，為了能找到恰當的鄰域去表示中心像素，設計了基于自適應窗口的多項式隱模型進行分割。這三個區域的分割結果被整合到一起得到最后的分割結果。該方法的不足之處是，對于聚集區域邊界定位不夠精確；對于勻質區域的分割結果區域一致性較差，且類別數不夠合理；而結構區域的分割結果中未對獨立目標進行處理。

林達，徐新，潘雪峰，張海濤在其發表的論文“一種新的MSTAR SAR圖像分割方法”(武漢大學學報，2014,3,9)中提出了一種新的MSTAR SAR圖像分割方法。該方法首先根據地物的散射機制進行屬性散射中心特征提取，構造屬性散射中心特征向量，然后使用馬爾科夫隨機場結合屬性散射中心特征對MSTAR SAR圖像進行空間鄰域關系描述，最后運用標號代價能量優化算法得到最終的分割結果。該方法存在的不足之處是，該方法對合成孔徑雷達SAR圖像進行分割所使用的特征是人工提取的，人工選取特征是一件非常費力、需要專業知識的方法，能不能選取到好的特征很大程度上靠經驗和運氣，因此人工選取的特征的好壞往往成為整個系統性能的瓶頸。