[發明專利]一種基于馬爾可夫模型的合成孔徑雷達圖像快速分割方法

有效

• 申請號: 201710485298.3
• 申請日: 2017-06-23
• 公開（公告）號: CN107316306B
• 公開（公告）日: 2019-07-05
• 發明（設計）人: 曹宗杰;梁博;崔宗勇;皮亦鳴
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.一種基于馬爾可夫模型的合成孔徑雷達圖像快速分割方法，其特征在于，包括以下步驟：

S1、對SAR圖像進行預處理：

利用簡單線性迭代聚類超像素算法對SAR圖像進行預處理，選擇合適的分割步長；

S2、根據步驟S1的預處理結果，生成偽網格化鄰域系統：

S21、假設預處理結果的所有超像素塊的節點信息，是按照網格化排列的，對超像素塊的節點信息建模如下：

D(i,j)＝max(|r(i)-r(j)|,|c(i)-c(j)|)

其中，用塊內均值表示超像素塊節點信息，r_k和c_k為每個像素點的橫縱坐標，gk像素點的灰度值，D(i,j)表示節點間距離，i，j為節點編號，n為像素塊內像素值，n(i)為節點i的像素塊內像素值，S為像素塊面積，S(i)為節點i的像素塊面積；

S22、獲得每個超像素塊節點信息后，按照網格化排列方式，計算每個超像素塊節點在網格中的位置所在，得到待處理圖像；

S23、根據步驟S22獲得所有節點位置后，對獲得的待處理圖像中出現的空白點進行處理，即將空白點2階鄰域所有點灰度值均值賦予該空白點；

S24、根據圖像灰度最大差值和分割總像素塊數獲得識別區間；

S3、根據步驟S1的預處理結果，生成下采樣鄰域系統：

S31、以超像素塊平均面積大小和圖像整體大小為依據，選擇合適的采樣步長，對SLIC預處理結果進行下采樣，直接得到無空白點的待處理小圖；

S32、對步驟S1的預處理結果中遺漏的節點信息進行判斷處理，使遺漏點與其最近中心點進行對比判斷：

其中像素塊大小為S_s，識別區間步長設為J，識別區間灰度設為G，最近的中心點的距離為l_m，最近的中心點的灰度值為g_m，該遺漏點的灰度值為g_t；

S33、根據步驟S32獲得的遺漏節點的大小和灰度值，以及其與最近節點的距離和灰度差值，再加上整個分割的識別區間和步長，做出分割類別的判斷；

S4、將兩種鄰域系統分別帶入基于馬爾可夫模型的分割算法中進行分割操作，所述的馬爾可夫模型采用了有限正態混合模型描述的特征場，Potts模型描述的標號場，并采用迭代條件模式算法作為分割算法，具體為：

有限正態混合規定每個位置僅有兩種取值，假設圖像中某一點像素為x_k，則Potts模型中的條件概率表示為：

其中，x_i是節點i的像素，x_j是節點j的像素，是節點i鄰域像素的集合，N_i是節點i的鄰域，α和β是對應的勢參數；

Potts模型的局部概率為：

假設圖像y＝{y₁,y₂,…,y_n}的每個像素y_i在給定初始分割結果x的條件下是相互獨立的，且y_i關于x的條件分布只依賴于該像素的標號x_i，即：

f(y_i|x)＝f(y_i|x_i)

因此，y關于x的條件分布可以表示為：

分割結果表示為：

S5、對分割結果進行后處理：

將待處理圖像分割結果按照步驟S3中鄰域系統生成時的對應關系，對照回步驟S1預處理結果，得到兩種鄰域情況下的分割結果；

S6、評估兩種鄰域系統不同的分割情況并選取最后的分割結果：

對分割結果進行監督的評估，采用以Dice Ratio和S_A為評估參數，其中，Dice Ratio是由分割的正確性Precision和敏感性Recall綜合評估而來，為評判該次分割結果，引入下列幾個參數：真陽性，即陽性區域中的真目標數量，簡記為tp，假陽性，即陽性區域中的假目標數量，簡記為fp，真陰性，即陰性區域中的真目標數量，簡記為tn，假陰性，即陰性區域中的假目標數量，簡記為fn；由此，精度Precision和敏感性Recall就定義為：

分割精度S_A為：

其中，T_k表示區域R_k的真值。

根據上述引入的四個評估參數的評估情況選取最后的分割結果。