基于超像素分割的叠掩阴影检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于超像素分割的叠掩阴影检测方法及装置，该方法包括：获取原始雷达图像并进行预处理，得到初始SAR图像及其亮度图像；利用亮度图像对初始SAR图像进行超像素分割，得到第一超像素图像；对第一超像素图像进行形态学处理，得到第二超像素图像；对第二超像素图像进行叠掩阴影检测，得到检测结果。本发明专利技术通过使用超像素分割方法将具有相邻且相似信息的像素组合成一个基元块，大大降低了后续图像处理任务的复杂性，克服了传统逐像素检测存在噪声鲁棒性差、检测结果整体性差等缺点，提升了检测精度。提升了检测精度。提升了检测精度。

【技术实现步骤摘要】
基于超像素分割的叠掩阴影检测方法及装置


[0001]本专利技术属于合成孔径雷达干涉测量
，具体涉及一种基于超像素分割的叠掩阴影检测方法及装置。

技术介绍

[0002]干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)是一种新型主动式地表形变监测技术，其通过对同一地区进行多次观测成像来获得两幅或者多幅SAR图像，再根据干涉成像几何关系和复图像对上同名点之间的绝对相位差来反演数字高程DEM。InSAR技术具有精度高、空间分辨率高、几乎不受云雨天气制约和空中遥感等突出的技术优势，被广泛应用于地形测绘、海洋监测、灾害监测与预警等领域。
[0003]由于InSAR技术对微小地表形变的非常灵敏，在地形复杂的地区，往往难以获得相干性高的干涉SAR影像，容易出现叠掩和阴影现象，严重破坏干涉SAR影像的干涉性，错误的相位信息会导致相邻区域的相位展开错误，区域影响整个相位解缠过程。因此，对InSAR中阴影和叠掩现象进行精确检测对于后续的图像处理任务来说十分必要。
[0004]目前，针对InSAR中阴影和叠掩的常见检测方法主要有幅度和相干系数的阈值分割法、基于边缘特征和模糊理论法、基于局部频率估计法、基于特征值分解法以及基于CFAR检测法等。
[0005]然而，上述方法在检测时都是逐像素进行判别的。由于SAR图像上每个分辨单元是由完全随机分布的许多散射点矢量叠加组成，在SAR图像上形成相干斑噪声，且噪声鲁棒性差，逐像素的判别结果较为离散，很难反映SAR数据的纹理信息，从而影响检测精度。

技术实现思路

[0006]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于超像素分割的叠掩阴影检测方法及装置。本专利技术要解决的技术问题通过以下技术方案实现：
[0007]一种基于超像素分割的叠掩阴影检测方法，包括：
[0008]获取原始雷达图像并进行预处理，得到初始SAR图像及其亮度图像；
[0009]利用所述亮度图像对所述初始SAR图像进行超像素分割，得到第一超像素图像；
[0010]对所述第一超像素图像进行形态学处理，得到第二超像素图像；
[0011]对所述第二超像素图像进行叠掩阴影检测，得到检测结果。
[0012]在本专利技术的一个实施例中，获取原始雷达图像并进行预处理，得到初始SAR图像及其亮度图，包括：
[0013]对所述原始雷达图像进行相干斑滤波，以去除图像的斑点噪声，得到初始SAR图像；
[0014]对所述初始SAR图像的灰度值进行归一化处理，并进行灰度增强，得到对应的亮度图像。
[0015]在本专利技术的一个实施例中，利用所述亮度图像对所述初始SAR图像进行超像素分
割，得到第一超像素图像，包括：
[0016]初始化所述初始SAR图像的聚类中心，并为每个聚类中心分配对应的标签；
[0017]根据所述亮度图像计算像素点的梯度信息，以校正所述聚类中心；
[0018]利用每个像素点与所述聚类中心的相似度，对所述聚类中心进行迭代更新，得到最终的聚类中心；
[0019]按照所述最终的聚类中心对所述初始SAR图像进行超像素分割，得到第一超像素图像。
[0020]在本专利技术的一个实施例中，根据所述亮度图像计算像素点的梯度信息，以校正所述聚类中心，包括：
[0021]设定超像素网格的形状，并利用亮度信息和位置信息融合表示每个聚类中心和每个像素点；
[0022]根据每个像素点的亮度信息和位置信息计算梯度信息，并将每个聚类中心移动到与八连通域中最低梯度位置相对应的像素点位置，以对聚类中心进行校正。
[0023]在本专利技术的一个实施例中，利用每个像素点与所述聚类中心之间的相似度，对所述聚类中心进行迭代更新，得到最终的聚类中心包括：
[0024]定义空间最大距离和最大颜色差异；
[0025]根据所述空间最大距离和所述最大颜色差异计算每个像素点与其周围一定范围内的若干聚类中心之间的第一相似度；
[0026]根据所述第一相相似度计算第二相似度，以更新所述第一相似度；
[0027]重复上述计算第二相似度和更新第一相似度的步骤，直至满足迭代停止条件，得到每个像素点与其周围一定范围内的多个聚类中心之间的第一相似度的终值；
[0028]将与每个像素的第一相似度终值最高的聚类中心的标签赋予该像素，以得到最终的聚类中心。
[0029]在本专利技术的一个实施例中，根据所述第一相相似度计算第二相似度，以更新所述第一相似度，包括：
[0030]初始化标签图像l＝{s(i)＝
‑
1|i∈[1,N]}和距离图像D＝{d(i,C
k
)＝∞|i∈[1,N]}；其中，s(i)表示第i个像素点的标签，N表示初始SAR图像的像素点总数，d(i,C
k
)表示第i个像素点与第k个聚类中心C
k
之间的第一相似度；
[0031]按照如下公式计算每个像素点的第二相似度：
[0032][0033]其中，d
s
(i,C
k
)表示第i个像素点与第k个聚类中心C
k
之间的第二相似度，表示第k个聚类中心C
k
的特征，表示d(i,C
k
)的特征向量f的加权L2范数，f
i
表示第i个像素点的特征，W＝diag(1,λ,λ)，λ＝N
c2
/N
s2
，N
c
表示最大颜色差异，N
s
表示最大空间距离；
[0034]若d
s
(i,C
k
)<d(i,C
k
)，则令d(i,C
k
)＝d
s
(i,C
k
)，s(i)＝k。
[0035]在本专利技术的一个实施例中，对所述第一超像素图像进行形态学开处理，得到第二超像素图像包括：
[0036]遍历所述第一超像素图像中的所有超像素，对位置不相邻但标签相同的区域重新分配标签，得到新的标签图像；
[0037]对所述新的标签图像进行形态学开操作处理，去除尺寸过小的超像素；
[0038]对经过形态学开操作处理的超像素图像重新分配标签，得到第二超像素图像。
[0039]在本专利技术的一个实施例中，对所述第二超像素图像进行叠掩阴影检测，得到检测结果包括：
[0040]对所述第二超像素图像中的每个超像素做局部频率估计，并将所述局部频率为负值的超像素标记为叠掩阴影区域I
ls
；
[0041]计算所述初始SAR图像的平均强度L
avr
以及所述第二超像素图像中每个超像素的平均强度和平均相干系数coh(k),k∈[1,K
′
]，其中，K
′
表示第二超像素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超像素分割的叠掩阴影检测方法，其特征在于，包括：获取原始雷达图像并进行预处理，得到初始SAR图像及其亮度图像；利用所述亮度图像对所述初始SAR图像进行超像素分割，得到第一超像素图像；对所述第一超像素图像进行形态学处理，得到第二超像素图像；对所述第二超像素图像进行叠掩阴影检测，得到检测结果。2.根据权利要求1所述的基于超像素分割的叠掩阴影检测方法，其特征在于，获取原始雷达图像并进行预处理，得到初始SAR图像及其亮度图，包括：对所述原始雷达图像进行相干斑滤波，以去除图像的斑点噪声，得到初始SAR图像；对所述初始SAR图像的灰度值进行归一化处理，并进行灰度增强，得到对应的亮度图像。3.根据权利要求1所述的基于超像素分割的叠掩阴影检测方法，其特征在于，利用所述亮度图像对所述初始SAR图像进行超像素分割，得到第一超像素图像，包括：初始化所述初始SAR图像的聚类中心，并为每个聚类中心分配对应的标签；根据所述亮度图像计算像素点的梯度信息，以校正所述聚类中心；利用每个像素点与所述聚类中心的相似度，对所述聚类中心进行迭代更新，得到最终的聚类中心；按照所述最终的聚类中心对所述初始SAR图像进行超像素分割，得到第一超像素图像。4.根据权利要求3所述的基于超像素分割的叠掩阴影检测方法，其特征在于，根据所述亮度图像计算像素点的梯度信息，以校正所述聚类中心，包括：设定超像素网格的形状，并利用亮度信息和位置信息融合表示每个聚类中心和每个像素点；根据每个像素点的亮度信息和位置信息计算梯度信息，并将每个聚类中心移动到与八连通域中最低梯度位置相对应的像素点位置，以对聚类中心进行校正。5.根据权利要求3所述的基于超像素分割的叠掩阴影检测方法，其特征在于，利用每个像素点与所述聚类中心之间的相似度，对所述聚类中心进行迭代更新，得到最终的聚类中心包括：定义空间最大距离和最大颜色差异；根据所述空间最大距离和所述最大颜色差异计算每个像素点与其周围一定范围内的若干聚类中心之间的第一相似度；根据所述第一相相似度计算第二相似度，以更新所述第一相似度；重复上述计算第二相似度和更新第一相似度的步骤，直至满足迭代停止条件，得到每个像素点与其周围一定范围内的多个聚类中心之间的第一相似度的终值；将与每个像素的第一相似度终值最高的聚类中心的标签赋予该像素，以得到最终的聚类中心。6.根据权利要求5所述的基于超像素分割的叠掩阴影检测方法，其特征在于，根据所述第一相相似度计算第二相似度，以更新所述第一相似度，包括：初始化标签图像l＝{s(i)＝
‑
1|i∈[1,N]}和距离图像D＝{d(i,C
k
)＝∞|i∈[1,N]}；其中，s(i)表示第i个像素点的标签，N表示初始SAR图像的像素点总数，d(i,C
k
)表示第i个像素点与第k个聚类中心C
k
之间的第一相似度；
按照如下公式计算每个像素点的第二相似度：其中，d
s
(i,C
k
)表示第i个像素点与第k个聚类中心C
k
之间的第二相似度，表示第k个聚类中心C
k
的特征，表示d(i,...

【专利技术属性】
技术研发人员：李真芳，杨伟明，刘鹏，孙浩南，朱瑞婷，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：