[發明專利]基于圖劃分粒子群優化的SAR圖像自動分割方法

有效

• 申請號: 201710351722.5
• 申請日: 2017-05-18
• 公開（公告）號: CN107220985B
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 劉若辰;焦李成;盧成林;夏冠;張丹;李陽陽;劉靜;王爽
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/136
• 代理公司: 61205 陜西電子工業專利中心
• 代理人: 王品華;朱紅星

1.一種基于圖劃分粒子群優化的SAR圖像自動分割方法，其特征在于，包括：

(1)輸入原始待分割的圖像I，讀取圖像的灰度梯度信息；

(2)根據實驗選擇最優的數值，包括鄰域窗口半徑d_s，搜索窗口半徑D_s和高斯平滑參數h，并對待分割圖像I進行非局部均值濾波去噪處理，得到梯度圖像；

(3)對梯度圖像進行初分割，將其劃分成互不重疊N個的區域，N>100；

(4)求出梯度圖像的最大類別數C，將此作為圖像的灰度級，設其初始值C＝0，按如下步驟進行：

(4.1)根據輸入圖像I，建立圖像的灰度直方圖；

(4.2)對灰度直方圖進行局部平滑運算；

(4.3)求出平滑后直方圖的所有峰值，并計算其斜率均值；

(4.4)對平滑后直圖像進行開閉運算，并將其開閉運算的結果M與設定的閾值T＝0.01進行比較：若M＜T，則C＝C+1；否則重復步驟(4.2)和(4.3)；

(5)將分割成的N個區域塊映射為無向加權圖，該無向加權圖的頂點由像素點表示，像素點之間的相似性S(m,n)表示無向加權圖邊的權值：

式中，I_my代表像素m的灰度分量，I_mcb和I_mcr代表像素的色差分量，當輸入圖像是灰度圖像時只有灰度分量；

(6)構建無向加權圖的能量函數fit(L)：

式中，P為像素點的集合，L_p為像素點p所屬類的標號集，N_p代表P的相鄰像素點的集合；等式右邊第一項是數據項，表征的是像素與其所屬類的符合程度；第二項為約束項，用來估計相鄰的像素屬于不同標號的懲罰值，其值越大表明相鄰像素點越相似；

(7)利用粒子群優化算法對圖像的標號進行最優化求解，得到類別中心和類別數；

(8)判斷迭代次數是否小于20，如果是則重復步驟(7)，繼續更新粒子的位置和速度，否則，迭代結束輸出最優聚類個數和分割后的圖像。

2.根據權利要求1所述的方法，其特征在于，其中步驟(2)中對原始SAR圖像進行非局部均值濾波處理，按如下步驟進行：

(2.1)設置鄰域搜索窗口半徑d_s＝2，全局搜索窗口半徑D_s＝10；

(2.2)設高斯函數平滑參數h＝10，其值決定指數函數的衰減程度；

(2.3)計算輸入圖像所有像素點的加權平均值：

NL[υ](i)＝∑_j∈Iω(i,j)υ(j)

式中，i為圖像像素點的灰度級，取值為0～255,υ(j)為離散噪聲圖像；

ω(i,j)為權重，其由第i個像素和第j個像素的相似性決定：

其滿足∑_jω(i,j)＝1，其中0≤ω(i,j)≤1；

Z(i)是歸一化常數：

式中h過濾參數，它決定著濾波函數變化的快慢，是相似性，a＞0，是高斯核的標準偏差；

(2.4)將i個像素點灰度的加權平均值作為其新的灰度值，得到最終的濾波圖像。

3.根據權利要求1所述的方法，其特征在于，其中步驟(3)中采用分水嶺算法對SAR圖像進行初分割，將SAR圖像劃分成互不重疊的區域，步驟如下：

(3.1)利用sobel算子提取梯度圖像的邊界信息；

(3.2)獲取所提取圖像的水平和垂直邊界；

(3.3)對邊界圖像進行形態學運算，包括圖像的膨脹運算和腐蝕運算；

(3.4)對形態學運算后的圖像進行開運算和閉運算；

(3.5)對開閉運算后的圖像進行分水嶺變換，得到圖像的分水嶺脊線，輸出初分割后的SAR圖像。

4.根據權利要求1所述的方法，其特征在于，其中步驟(7)中利用粒子群優化算法對圖像的標號進行最優化求解，按如下步驟進行：

(5.1)初始化粒子群的個體：設粒子數為n_p，隨機初始化粒子速度和位置：v₀^k、x₀^k，其中，1＜k＜n_p，隨機初始化每個粒子的局部最優值pbest_k，最大迭代數N_c＝20；

(5.2)初始粒子的位置x_k和速度v_k，將其限定在0～C之間，利用如下公式對粒子的速度和位置進行更新：

v_k+1＝w×v_k+c₁×r₁×(pbest_k-x_k)+c₂×r₂×(pbest_k-x_k)

x_k+1＝x_k+v_k+1

其中，v_k+1為更新后粒子的速度，x_k+1為更新后粒子的位置，c₁是粒子個體的學習因子，c₂粒子群體的學習因子，c₁和c₂的取值均為1.49，r₁與r₂是介于0～1之間相互獨立的隨機數，r₁≠r₂，w為慣性權重；

(5.3)判斷當前迭代次數N_c是否大于20，若是，則輸出最優聚類個數和分割后的圖像，否則，返回步驟(5.2)。