[發(fā)明專利]基于高階多尺度CRF無(wú)監(jiān)督的SAR圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810943117.1
• 申請(qǐng)日: 2018-08-17
• 公開(kāi)（公告）號(hào): CN109272515B
• 公開(kāi)（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 張鵬;江銀銀;李明;宋婉瑩;譚嘯峰
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/12
• 分類號(hào): G06T7/12;G06T5/40
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

本發(fā)明公開(kāi)一種高階多尺度條件隨機(jī)場(chǎng)CRF無(wú)監(jiān)督的合成孔徑雷達(dá)SAR圖像分割方法。其實(shí)現(xiàn)步驟為：對(duì)輸入的合成孔徑雷達(dá)SAR圖像進(jìn)行小波變換；計(jì)算直方圖特征；計(jì)算半方差特征；組成特征向量；計(jì)算局部類條件概率；初始分割合成孔徑雷達(dá)SAR圖像；計(jì)算每個(gè)像素點(diǎn)的邊緣概率；計(jì)算每個(gè)像素點(diǎn)的聯(lián)合后驗(yàn)邊緣概率；計(jì)算每個(gè)像素點(diǎn)的后驗(yàn)邊緣概率；估計(jì)參數(shù)；分割合成孔徑雷達(dá)SAR圖像。本發(fā)明通過(guò)相關(guān)參數(shù)迭代和特征參數(shù)迭代求解模型參數(shù)，充分利用了圖像自身的特性，大大減小了對(duì)訓(xùn)練數(shù)據(jù)數(shù)量的需求。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及雷達(dá)圖像處理技術(shù)領(lǐng)域中的一種基于高階多尺度條件隨機(jī)場(chǎng)CRF(Conditional Random Fields)無(wú)監(jiān)督的合成孔徑雷達(dá)SAR(Synthetic Aperture Radar)圖像分割方法。本發(fā)明可用于對(duì)合成孔徑雷達(dá)SAR圖像進(jìn)行分割處理。

背景技術(shù)

合成孔徑雷達(dá)SAR是一種高分辨率成像雷達(dá)。其在民用和軍用中的使用需要合成孔徑雷達(dá)SAR圖像解譯技術(shù)作為支撐，合成孔徑雷達(dá)SAR圖像分割是合成孔徑雷達(dá)SAR圖像解譯技術(shù)的重要環(huán)節(jié)，它可以提供合成孔徑雷達(dá)SAR圖像的整體結(jié)構(gòu)信息，所以促進(jìn)了合成孔徑雷達(dá)SAR系統(tǒng)在很多領(lǐng)域的應(yīng)用，比如地質(zhì)學(xué)探究和環(huán)境監(jiān)控等。隨機(jī)場(chǎng)模型被認(rèn)為是處理合成孔徑雷達(dá)SAR圖像分割問(wèn)題的重要手段，其優(yōu)勢(shì)為能夠在圖像分類過(guò)程中考慮到各像素間的空域相關(guān)性。

西安電子科技大學(xué)在其擁有的專利技術(shù)“基于小波池化卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像分割方法”(申請(qǐng)?zhí)枺?01510512535.1，授權(quán)公告號(hào)：CN105139395B)中公開(kāi)了一種利用小波池化卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分割的方法。該專利技術(shù)構(gòu)建小波池化層并形成小波池化的卷積神經(jīng)網(wǎng)絡(luò)，然后選取圖像塊輸入到小波池化的卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。將所有圖像塊輸入到訓(xùn)練好的網(wǎng)絡(luò)中進(jìn)行測(cè)試，得到SAR圖像第一類標(biāo)。接著對(duì)SAR圖像作超像素分割，將其結(jié)果與SAR圖像第一類標(biāo)融合，得到SAR圖像第二類標(biāo)。根據(jù)Markov隨機(jī)場(chǎng)模型得到SAR圖像第三類標(biāo)，并將其與超像素分割結(jié)果融合，得到SAR圖像第四類標(biāo)。根據(jù)SAR圖像梯度圖，將SAR圖像的第二類標(biāo)和第四類標(biāo)進(jìn)行融合，得到最終的分割結(jié)果。該方法存在的不足之處是，卷積神經(jīng)網(wǎng)絡(luò)需要足夠多的訓(xùn)練數(shù)據(jù)來(lái)學(xué)習(xí)網(wǎng)絡(luò)參數(shù)，不適用于只有一幅合成孔徑雷達(dá)SAR圖像的情況。

西安電子科技大學(xué)在其申請(qǐng)的專利文獻(xiàn)“基于K-S距離合并代價(jià)的SAR圖像分割方法”(申請(qǐng)?zhí)枺?01710242604.0，申請(qǐng)公布號(hào)：CN107146230A)中提出一種利用K-S距離合并代價(jià)方法進(jìn)行圖像分割。該方法根據(jù)原始SAR圖像的像素值，計(jì)算比例邊緣強(qiáng)度映射，并對(duì)其進(jìn)行分水嶺變換，得到初始分割結(jié)果。計(jì)算初始分割結(jié)果中每個(gè)區(qū)域像素值的經(jīng)驗(yàn)分布函數(shù)。然后計(jì)算初始分割結(jié)果中任意相鄰兩區(qū)域和的K-S距離。再計(jì)算合并代價(jià)函數(shù)的值。最后根據(jù)合并代價(jià)函數(shù)的值確定最終的圖像分割結(jié)果。該方法存在的不足之處是，該方法忽略了合成孔徑雷達(dá)SAR圖像的散射統(tǒng)計(jì)特征，使得分割的結(jié)果精確度不高。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提出了一種基于高階多尺度條件隨機(jī)場(chǎng)無(wú)監(jiān)督的SAR圖像分割方法。

實(shí)現(xiàn)本發(fā)明目的的具體思路是：首先將待分割的合成孔徑雷達(dá)SAR圖像進(jìn)行特征提取，然后利用歸一化邏輯模型NLRM初步分割的合成孔徑雷達(dá)SAR圖像。接著一步步推算出初步分割的合成孔徑雷達(dá)SAR圖像后驗(yàn)邊緣概率。再利用對(duì)數(shù)累積量MoLC法，相關(guān)參數(shù)迭代法和特征參數(shù)迭代法來(lái)估計(jì)合成孔徑雷達(dá)SAR圖像的模型參數(shù)。最大化后驗(yàn)邊緣概率后得到該圖像的分割結(jié)果，然后進(jìn)行多次迭代。每次迭代時(shí)都利用當(dāng)前的分割結(jié)果作為下一次迭代分割的基礎(chǔ)，使得多次迭代后的分割結(jié)果逼近合成孔徑雷達(dá)圖像SAR的最佳分割。

本發(fā)明的步驟包括如下：

(1)輸入合成孔徑雷達(dá)SAR圖像；

(2)將輸入的合成孔徑雷達(dá)SAR圖像進(jìn)行小波變換，得到多尺度合成孔徑雷達(dá)SAR圖像；