[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

本發明屬于圖像分割技術領域，具體涉及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。本發明以馬爾可夫模型為基礎，綜合研究了超像素和鄰域系統對分割速度的影響，提出了一種合成孔徑雷達圖像快速分割方法。首先對雷達圖像進行超像素預處理，并以此生成合理描述位置關系的鄰域系統，然后進行基于MRF模型的圖像分割以及相應的后處理得到最后的分割結果。實驗證明該方法大幅度提高了圖像分割速度且最大程度地保留了分割質量。

技術領域

本發明屬于圖像分割技術領域，具體涉及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。

背景技術

合成孔徑雷達(Synthetic Aperture Radar，以下簡稱SAR)能夠在全氣候條件下全天提供高分辨率圖像。當前SAR圖像分割的主要方法是基于模型驅動的，通過對分割問題構建數學模型實現SAR圖像分割，往往能得到較為理想的分割結果。但隨著SAR成像技術的發展，海量的、高分辨率的雷達圖像給分割解譯工作的效率提出了嚴苛的要求，所以如何提高SAR圖像分割速度是當前SAR圖像分割方法研究的重點。

基于模型驅動的圖像分割算法，以圖像的先驗知識為基礎，對分割問題進行建模，通常將分割問題轉化為優化問題。那么提高分割速度的方法就主要為優化迭代算法和減少待處理目標數量兩方面了。優化迭代算法是從迭代運算過程入手，對算法本身或者整個流程進行簡化，以達到加速的目的，一般而言難度較大，且適用性不高，容易出現重大問題。減少待處理目標數量，是算法加速的最直接的方法，其以不改變算法核心部分，實現簡單，成為算法加速中最常用的方法。當確定以減少待處理目標對象數量來實現算法加速后，如何有效的、合理的實現對象減少就成為了主要問題。

圖像的鄰域系統，也就是圖像中每一像素鄰域關系的集合，一般而言表現為網格化。網格化的鄰域系統也有利于大量圖像處理算法的實現，尤其是基于模型驅動的圖像分割算法。對圖像像素進行操作減少算法待處理對象，一般而言有提取代表性對象、歸納圖像先驗信息等方法，也就是說，如何實現利用更少的信息描述原有圖像的信息是加速的關鍵。而該過程，往往伴隨著原有網格化系統的打破，進而影響到算法的實現。合理的鄰域系統的建立，使得算法加速的同時，最大限度的保有原算法的分割效果。反之，未能充分描述圖像信息則使得分割效果出現嚴重的誤分等情況。對于算法本身而言，如何建立新的鄰域系統，即描述每一對象的鄰域關系，是算法實現部分難度最大的問題。

發明內容

本發明的目的是為了克服上述針對SAR圖像分割的不足之處，以達到SAR圖像分割速度更快，提供一種基于馬爾可夫模型的SAR圖像快速分割方法。馬爾可夫模型，也稱為馬爾可夫隨機場模型(Markov Random Field Model，以下簡稱MRF模型)，是指滿足正定性和馬爾可夫性的隨機場模型，它結合Bayes理論，提供了不確定性描述與先驗知識聯系的紐帶，并利用觀測圖像，根據統計決策和估計理論中的最優準則確定分割問題的目標函數，求解滿足這些條件的最大可能分布，從而將分割問題轉化為最優化問題。MRF模型可以將元素的空間關系緊密結合起來，能夠充分反應圖像的潛在結構以及圖像的隨機性；通過嚴密的數學推導和實現，可以得到效果良好的分割結果。對于基于MRF模型的SAR圖像分割算法的加速，以基于聚類思想的超像素算法，作為減少待處理對象的方法，并針對超像素預處理結果生成新的鄰域系統并結合MRF模型實現最后的分割。

第一步，利用簡單線性迭代聚類(Simple Linear Iterative Clustering，以下簡稱SLIC)超像素算法對SAR圖像進行預處理，選擇合適的分割步長，保證預處理結果不出現欠分割和嚴重的過分割現象，該方法為傳統技術，本發明直接使用其傳統方法，在此就不再贅述，通過該處理方法獲得分割步長。

本文使用的SLIC算法，利用顏色相似度和空間距離關系，以局部迭代聚類實現快速的圖像分割。

第二步，對SLIC預處理結果生成偽網格化鄰域系統。