基于似然比特征的SAR圖像超像素分割方法技術

本發明專利技術公開了一種基于似然比特征的SAR圖像超像素分割方法，主要解決現有的SAR圖像超像素分割方法分割結果不夠準確的問題。其實現步驟為：(1)輸入原始SAR圖像，初始化聚類中心并對聚類中心標號；(2)對每個像素點聚類并標號；(3)對整幅SAR圖像生成備選超像素；(4)去掉備選超像素中像素點個數小于閾值的無效超像素；(5)對整幅SAR圖像生成超像素；(6)對每個超像素重新計算聚類中心；(7)重復步驟(2)～(6)，直到迭代次數達到設定值，得到標號圖像。本發明專利技術能有效保持不同區域的邊界，分割結果更準確，可用于SAR目標檢測、識別及分類。

【技術實現步驟摘要】
基于似然比特征的SAR圖像超像素分割方法
本專利技術屬于圖像處理
，特別涉及一種SAR圖像超像素分割方法，可用于SAR目標檢測、識別及分類。
技術介紹
合成孔徑雷達SAR是一種利用微波進行感知的主動傳感器，它不受天氣、光照等條件的限制，可對感興趣的目標進行全天候、全天時的偵查，成為目前對地觀測和軍事偵察的重要手段。因而，SAR圖像的處理和識別成為雷達領域研究的熱點。目前，對SAR圖像的處理大多以像素為單位，用二維矩陣來表示一幅SAR圖像，并未考慮像素之間的空間組織關系，這使得算法處理效率過低。超像素，是指具有相似紋理、亮度等特征的相鄰像素構成的圖像塊。超像素利用像素之間特征的相似程度對像素進行分組，可以很大程度上降低后續SAR圖像處理任務的復雜度。SAR圖像超像素分割是指按照一定的相似性準則將SAR圖像劃分成不同區域，每個區域中的像素具有相似的特征，這些區域被稱為超像素。現有的SAR圖像超像素分割算法PILS算法是一種基于SAR圖像像素強度和位置相似性進行圖像分割的方法。在分割SAR圖像不同區域時，該算法能夠比傳統Turbopixel，Normalized-Cuts，Meanshift，Quickshift圖像分割算法更好地保持區域的邊緣，對噪聲也更加穩健。但是對于復雜場景的SAR圖像，該算法分割性能有所下降。
技術實現思路
本專利技術的目的在于提出一種基于似然比特征的SAR圖像超像素分割方法，以提高對于復雜場景的SAR圖像分割質量。本專利技術的技術方案是這樣實現的：一.技術思路：將分割分為三個階段：初始化聚類中心階段，劃分超像素階段，迭代劃分超像素階段。其中：在初始化聚類中心階段，完成對SAR圖像劃分、聚類，并對所有聚類中心標號。在劃分超像素階段，完成對SAR圖像的所有像素點聚類和標號，并對SAR圖像生成超像素，重新計算每一個超像素聚類中心。在迭代劃分超像素階段，完成對新的聚類中心執行“劃分超像素階段”的操作，直到達到設定的迭代次數。二.實現步驟本專利技術基于似然比特征的SAR圖像超像素分割方法，包括如下步驟：A.初始化聚類中心步驟：A1)輸入原始SAR圖像，將其劃分為n個S×S的矩形塊T1,T2,...Tn，并取矩形塊T1,T2,...Tn的幾何中心c1,c2,...cn作為初始化聚類中心，其中，S為設定的矩形塊邊長，n＝MN/S2，M,N分別為SAR圖像的行數和列數；A2)將初始化聚類中心c1,c2,...cn分別標號為1,2,...,n；B.劃分超像素步驟：B1)對原始SAR圖像的第i個像素點，將處在以像素i為中心，2S×2S為邊長的矩形塊內的聚類中心ci1,ci2,...cik作為像素點i的備選聚類中心；分別計算像素點i與備選聚類中心ci1,ci2,...cik的差異值D(i,ci1),D(i,ci2),....D(i,cik)，找到與像素點i差異值最小的備選聚類中心cij，將該備選聚類中心cij的標號設置為像素點i的標號；B2)對原始SAR圖像所有像素點進行B1)操作，得到SAR圖像對應的標號圖像L；B3)將SAR圖像中相同標號且相互連通的像素點，集合為一個備選超像素l，得到備選超像素集合l1,l2,...lp，并對備選超像素集合l1,l2,...lp中的超像素分別標號為1,2,...p；B4)將備選超像素集合l1,l2,...lp中像素個數小于tmin的超像素稱為無效超像素，其余為有效超像素，其中tmin＝S2/h，h為設定的用于控制最小超像素大小的參數，將每個無效超像素的標號設為其鄰近某個有效超像素的標號；B5)將SAR圖像中每個像素點的標號設置為其所在的備選超像素的標號，得到新的標號圖像L'；B6)將SAR圖像中相同標號且相互連通的像素點集合作為一個超像素l'，得到超像素集合l1',l2',...lj',...lq'，并將超像素集合l1',l2',...lj',...lq'中每一個超像素分別標號為1,2,...j,...q；B7)對每一個超像素lj'得到其聚類中心cj的坐標為(mean(xj),mean(yj))，將聚類中心cj的標號設為其所在超像素lj'的標號，其中，mean(·)表示對向量·求均值，xj,yj分別表示超像素lj'包含的像素的橫、縱坐標構成的列向量；C.迭代劃分超像素步驟：C1)重復步驟B，直到迭代次數達到設定迭代次數It，取值為5。本專利技術的特點和進一步改進在于：在步驟B1)中，計算像素點i與備選聚類中心cim的差異值D(i,cim)，按如下步驟進行：B11)設(xi,yi),分別為像素點i與備選聚類中心cim的坐標，計算像素點i與備選聚類中心cim的距離d(i,cim)：B12)令v1,v2分別為以像素點i與備選聚類中心cim為中心的5×5的矩形塊，計算v1與v2的強度差異值δ(v1,v2)：當SAR圖像強度服從視數為1的gamma分布，即指數分布時，則δ(v1,v2)的計算公式為：其中，M為v1矩形塊中像素的個數，為矩形塊vi中的像素的強度構成的列向量；當SAR圖像幅度服從lognormal分布時，則δ(v1,v2)的計算公式為其中，M為v1矩形塊中像素的個數，(μ1,σ12)為矩形塊v1像素的幅度分布參數的最大似然估計，(μ2,σ22)為矩形塊v2像素的幅度分布參數的最大似然估計，v12表示矩形塊v1,v2中的所有的像素點，(μ12,σ122)為v12像素的幅度分布參數的最大似然估計；B13)根據B11)與B12)的計算結果，則像素點i與備選聚類中心cim的差異值D(i,cim)計算公式為D(i,cim)＝δ(v1,v2)+λ*d(i,cim)其中λ為設定的用于調節距離d(i,cim)在總差異值D(i,cim)中所占比重的參數。本專利技術與現有技術相比，具有如下優點：1.本專利技術在SAR圖像強度服從gamma分布時，以似然比特征衡量像素點與聚類中心的差異，使本專利技術采用gamma分布特征與現有的PILS算法相比在分割超像素時能更好的保持圖像的邊界，以及同一個超像素中像素點的同質性，分割效果優于現有技術；2.本專利技術將似然比特征擴展至lognormal分布數據，在SAR圖像強度服從lognormal分布時，采用本專利技術采用lognormal分布特征分割比采用現有gamma形式分割超像素時能更好的保持圖像的邊界。附圖說明圖1為本專利技術的實現流程圖；圖2為本專利技術和現有技術使用的仿真圖像；圖3為用本專利技術采用gamma分布特征和現有PILS技術采用像素相似性特征，分別對強度服從gamma分布的圖像進行仿真分割結果圖；圖4為用本專利技術采用gamma分布特征和現有PILS技術采用像素相似性特征，分別對強度服從gamma分布的圖像進行仿真分割的性能圖；圖5為用本專利技術采用lognormal分布特征和gamma分布特征，分別對幅度服從lognormal分布的圖像進行仿真分割結果圖；圖6為用本專利技術采用lognormal分布特征和gamma分布特征，分別對幅度服從lognormal分布的圖像進行仿真分割性能圖；圖7為用本專利技術采用gamma分布特征和現有PILS技術采用像素相似性特征，分別對真實SAR圖像進行分割結果圖。具體實施方式下面結合附圖對本專利技術的實施步驟和效果作進一步說明。參照圖1，本專利技術基于本文檔來自技高網...

【技術保護點】
一種基于似然比特征的SAR圖像超像素分割方法，包括：A.初始化聚類中心步驟：A1)輸入原始SAR圖像，將其劃分為n個S×S的矩形塊T1,T2,...Tn，并取矩形塊T1,T2,...Tn的幾何中心c1,c2,...cn作為初始化聚類中心，其中，S為設定的矩形塊邊長，n＝MN/S2，M,N分別為SAR圖像的行數和列數；A2)將初始化聚類中心c1,c2,...cn分別標號為1,2,...,n；B.劃分超像素步驟：B1)對原始SAR圖像的第i個像素點，將處在以像素i為中心，2S×2S為邊長的矩形塊內的聚類中心ci1,ci2,...cik作為像素點i的備選聚類中心；分別計算像素點i與備選聚類中心ci1,ci2,...cik的差異值D(i,ci1),D(i,ci2),....D(i,cik)，找到與像素點i差異值最小的備選聚類中心cij，將該備選聚類中心cij的標號設置為像素點i的標號；B2)對原始SAR圖像所有像素點進行B1)操作，得到SAR圖像對應的標號圖像L；B3)將SAR圖像中相同標號且相互連通的像素點，集合為一個備選超像素l，得到備選超像素集合l1,l2,...lp，并對備選超像素集合l1,l2,...lp中的超像素分別標號為1,2,...p；B4)將備選超像素集合l1,l2,...lp中像素個數小于tmin的超像素稱為無效超像素，其余為有效超像素，其中tmin＝S2/h，h為設定的用于控制最小超像素大小的參數，將每個無效超像素的標號設為其鄰近某個有效超像素的標號；B5)將SAR圖像中每個像素點的標號設置為其所在的備選超像素的標號，得到新的標號圖像L'；B6)將SAR圖像中相同標號且相互連通的像素點集合作為一個超像素l'，得到超像素集合l1',l2',...lj',...lq'，并將超像素集合l1',l2',...lj',...lq'中每一個超像素分別標號為1,2,...j,...q；B7)對每一個超像素lj'得到其聚類中心cj的坐標為(mean(xj),mean(yj))，將聚類中心cj的標號設為其所在超像素lj'的標號，其中，mean(·)表示對向量·求均值，xj,yj分別表示超像素lj'包含的像素的橫、縱坐標構成的列向量；C.迭代劃分超像素步驟：C1)重復步驟B，直到迭代次數達到設定迭代次數It，It取值為5。...

【技術特征摘要】
1.一種基于似然比特征的SAR圖像超像素分割方法，包括：A.初始化聚類中心步驟：A1)輸入原始SAR圖像，將其劃分為n個S×S的矩形塊T1,T2,...Tn，并取矩形塊T1,T2,...Tn的幾何中心c1,c2,...cn作為初始化聚類中心，其中，S為設定的矩形塊邊長，n＝MN/S2，M,N分別為SAR圖像的行數和列數；A2)將初始化聚類中心c1,c2,...cn分別標號為1,2,...,n；B.劃分超像素步驟：B1)對原始SAR圖像的第i個像素點，將處在以像素i為中心，2S×2S為邊長的矩形塊內的聚類中心ci1,ci2,...cik作為像素點i的備選聚類中心；分別計算像素點i與備選聚類中心ci1,ci2,...cim，...cik的差異值D(i,ci1),D(i,ci2),...D(i,cim)，....D(i,cik)，找到與像素點i差異值最小的備選聚類中心cij，將該備選聚類中心cij的標號設置為像素點i的標號；所述計算像素點i與備選聚類中心cim的差異值D(i,cim)，其步驟如下：B11)設(xi,yi),分別為像素點i與備選聚類中心cim的坐標，計算像素點i與備選聚類中心cim的距離d(i,cim)：B12)令v1,v2分別為以像素點i與備選聚類中心cim為中心的5×5的矩形塊，計算v1與v2的強度差異值δ(v1,v2)：當SAR圖像強度服從視數為1的gamma分布，即指數分布時，則δ(v1,v2)的計算公式為：其中，M為v1矩形塊中像素的個數，為矩形塊vi中的像素的強度構成的列向量；當SAR圖像幅度服從lognormal分布時，則δ(v1,v2)的計算公式為

【專利技術屬性】
技術研發人員：王英華，余文毅，劉宏偉，魏明月，董永飛，王正玨，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：陜西;61