專利名稱：基于語義信息分類的sar圖像分割方法
技術領域：
本發明屬于圖像處理技術領域，涉及SAR圖像的分割方法，可用于SAR圖像的處理及解譯。
背景技術：
圖像分割是將圖像劃分成多個具有相似特征區域的技術與過程，是圖像處理中的重要問題。計算機視覺中圖像理解，包括目標檢測、目標特征提取和目標識別等，都依賴于圖像分割的質量。圖像分割的兩個主要衡量標準為:分割區域邊緣定位的準確性以及分割區域內部特征的一致性。按照分割策略，圖像分割方法大致可分為:依據特征的不連續性進行分割、依據特征的相似性進行分割和綜合兩種信息的進行分割三大類。SAR圖像分割是從SAR圖像處理到SAR圖像解譯的關鍵步驟，是進行目標識別、數據壓縮、傳遞等進一步處理的最基本且關鍵的技術。所以高質量的分割方法對SAR圖像處理顯得尤為重要。但由于SAR圖像的特殊成像機理，SAR圖像和光學圖像存在很大差異，大量的相干斑噪聲、復雜繁多的目標、交雜的陰影使得SAR圖像的分割變得相當復雜。目前用于SAR圖像分割的方法處理思路可粗分為兩類:基于灰度級的分割、基于紋理的分割。然而，在實際應用中，這兩類方法依存在如下一些不足:(I)基于灰度級的分割方法，以像素或超像素為處理單位，對SAR圖像進行無監督地分割，但是這類方法在SAR圖像中的森林、建筑物群等地物區域上存在嚴重的過分割現象，得不到一致性較好的連通區域，不利于后續的圖像處理，如圖像分類、目標識別；(2)基于紋理的分割方法，通過紋理分析方法提取SAR圖像地物的紋理特征來描繪地物的特性，來進行SAR圖像分割，雖然可以得到在森林、建筑物等地物區域上得到一致連通的分割結果，但是要求提供用于描述紋理的模型，并提供用于學習模型參數的樣本數據，屬于有監督的SAR圖像分割，不能實現對SAR圖像數據的自動處理，限制了這一類分割算法在SAR圖像自動解譯系統中的應用。
發明內容
本發明的目的在于克服上述已有SAR圖像分割方法的不足，從視覺計算理論出發，根據SAR圖像中不同地物內像素灰度的鄰域變化所蘊含的屬性，提出一種基于語義信息分類的SAR圖像分割方法，進行地物內像素灰度鄰域變化的描述和使用，并結合傳統使用灰度信息進行分割的分割方法，完成對含有復雜灰度變化的地物的分割，以提高連通區域的一致性,并實現對SAR圖像數據的自動處理。為實現上述目的，本發明的主要思路是，使用初始素描模型得到表示圖像多尺度像素灰度鄰域變化的初始素描圖，依據初始素描圖定義其線段的聚集性數值和分布結構特征來表達線段在SAR圖像中所蘊含的不同語義信息，并按照線段的語義信息對線段進行分類；基于語義信息進行分析，在初始素描圖上獲取連通區域，完成對含有復雜灰度變化的線段地物區域的分割；對初始素描圖中的剩余區域，通過一種基于部分區域的分水嶺分割方法實現這部分SAR圖像的分割，完成基于初始素描圖和語義信息分類的SAR圖像分割。具體步驟包括如下:(I)使用初始素描模型得到SAR圖像的初始素描圖，該初始素描圖包含線段集合(Si, i=l, 2，...，η}, η 為線段的總數；(2)定義并計算初始素描圖中所有線段的聚集性數值和分布結構，根據這些聚集性數值和分布結構進行線段的分類:2a)計算初始素描圖所包含的線段集合中所有線段Si, i=l, 2，...，η與其K-近鄰線段的歐式距離的均值，表示為線段Si的聚集性數值％:
權利要求
1.一種基于語義信息分類的SAR圖像分割方法，具體步驟包括如下: (O使用初始素描模型得到SAR圖像的初始素描圖，該初始素描圖包含線段集合(Si, i=l, 2，...，η}, η 為線段的總數； (2)定義并計算初始素描圖中所有線段的聚集性數值和分布結構，根據這些聚集性數值和分布結構進行線段的分類: 2a)計算初始素描圖所包含的線段集合中所有線段Si, i=l, 2，...，η與其K-近鄰線段的歐式距離的均值，表示為線段Si的聚集性數值％:
2.根據權利要求1所述的SAR圖像分割方法，其中步驟(3b)所述的以線段Ek為基點遞歸地求解新的線段集合{ES” i=l, 2,...,1}, l〈=m，是以種子線段Ek為基點求解線段集合IESi, i=l, 2,...,1},即將所有與種子線段Ek距離小于最優聚集性數值區間上界U的相鄰線段加入線段集合{ES” i=l, 2,...,1}中，如果新加入的線段和種子線段Ek具有相同類標，則以新加入的線段作為新的種子線段，重復上述步驟，遞歸求解出剩余的新的線段集合。
3.根據權利要求1所述的SAR圖像分割方法，其中所述步驟(4)對初始素描圖中剩余的區域，采用基于部分區域的分水嶺方法進行分割，按如下步驟進行: 4a)提取步驟(3)得到的線段地物區域的邊緣和初始素描圖中不在線段地物區域內的孤立線段，將半徑為最優聚集性數值區間上界U的圓形基元進行膨脹，得到待確定區域，將初始素描圖中除線段地物區域和待確定區域外的部分稱為非線段區域； 4b)計算SAR圖像的比值梯度響應值，其值位于[O，I]之間，將其中對應的待確定區域和非線段區域的邊緣處像素的梯度響應值賦值為1，并將梯度響應量化為
之間的數值，得到最終的梯度圖； 4c)在梯度圖上進行分水嶺分割，分別提取待確定區域和非線段區域的SAR圖像的分水嶺過分割結果，分水嶺分割過程參見FernandMeyerl994年在ELSEVIER的SignalProcessing 上發表的((Topographicdistanceandwatershedlines))； 4d)對待確定區域的過分割結果進行合并操作，得到臨界區域，對非線段區域的過分割結果進行合并操作，得到非線段地物區域； 4f)設置基于灰度特征的閾值Tl=20，將步驟(4d)得到的臨界區域相鄰的非線段區域分割結果中的區域灰度距離表示為1，并將這兩個參數進行比較: 如果I≥Tl，則將臨界區域合并到步驟(3d)中提取的線段地物區域中； 如果1〈T1，則將臨界區域合并到步驟(4d)得到的非線段區域中， 最后將剩余未處理的臨界區域作為獨立的地物目標，得到最終的SAR圖像分割結果。
4.根據權利要求3所述的SAR圖像分割方法，其中步驟4b)所述的計算SAR圖像的比值梯度響應值的過程為:以圖像上的每一個像素為中心，使用大小為9X9的窗口，計算窗口內像素灰度值在方向0°、90°、45°和135°上的比值，其中最大的比值就是窗口中心像素最終的比值響應值。
全文摘要
本發明公開一種基于語義信息分類的SAR圖像分割方法，主要解決現有分割方法無法通過無監督分割得到一致連通的地物目標聚集形成的如森林、建筑群等地物區域的問題。其實現過程為(1)對輸入的SAR圖像使用初始素描模型得到表示圖像結構信息的初始素描圖；(2)在初始素描圖上進行語義信息分析，得到所有線段的語義信息分類結果；(3)基于語義信息分析劃分出由地物目標聚集形成的地物區域；(4)對剩余區域，分為待確定區域和非線段區域，分別進行相應的SAR圖像分割，完成最終的SAR圖像分割。本發明與現有技術相比，通用性強，可以實現對含有大片地物目標聚集形成的地物區域的SAR圖像的分割，分割結果一致連通性好，邊緣定位準確，并可分割出獨立的地物目標。
文檔編號G06T7/00GK103198479SQ20131010244
公開日2013年7月10日 申請日期2013年3月27日 優先權日2013年3月27日
發明者劉芳, 袁嘉林, 李玲玲, 焦李成, 邢孟棒, 郝紅俠, 戚玉濤, 武杰, 馬晶晶, 尚榮華, 于昕 申請人:西安電子科技大學