基于语义信息分类的SAR图像分割方法技术

本发明专利技术公开一种基于语义信息分类的SAR图像分割方法，主要解决现有分割方法无法通过无监督分割得到一致连通的地物目标聚集形成的如森林、建筑群等地物区域的问题。其实现过程为：(1)对输入的SAR图像使用初始素描模型得到表示图像结构信息的初始素描图；(2)在初始素描图上进行语义信息分析，得到所有线段的语义信息分类结果；(3)基于语义信息分析划分出由地物目标聚集形成的地物区域；(4)对剩余区域，分为待确定区域和非线段区域，分别进行相应的SAR图像分割，完成最终的SAR图像分割。本发明专利技术与现有技术相比，通用性强，可以实现对含有大片地物目标聚集形成的地物区域的SAR图像的分割，分割结果一致连通性好，边缘定位准确，并可分割出独立的地物目标。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及SAR图像的分割方法，可用于SAR图像的处理及解译。
技术介绍
图像分割是将图像划分成多个具有相似特征区域的技术与过程，是图像处理中的重要问题。计算机视觉中图像理解，包括目标检测、目标特征提取和目标识别等，都依赖于图像分割的质量。图像分割的两个主要衡量标准为:分割区域边缘定位的准确性以及分割区域内部特征的一致性。按照分割策略，图像分割方法大致可分为:依据特征的不连续性进行分割、依据特征的相似性进行分割和综合两种信息的进行分割三大类。SAR图像分割是从SAR图像处理到SAR图像解译的关键步骤，是进行目标识别、数据压缩、传递等进一步处理的最基本且关键的技术。所以高质量的分割方法对SAR图像处理显得尤为重要。但由于SAR图像的特殊成像机理，SAR图像和光学图像存在很大差异，大量的相干斑噪声、复杂繁多的目标、交杂的阴影使得SAR图像的分割变得相当复杂。目前用于SAR图像分割的方法处理思路可粗分为两类:基于灰度级的分割、基于纹理的分割。然而，在实际应用中，这两类方法依存在如下一些不足:(I)基于灰度级的分割方法，以像素或超像素为处理单位，对SAR图像进行无监督地分割，但是这类方法在SAR图像中的森林、建筑物群等地物区域上存在严重的过分割现象，得不到一致性较好的连通区域，不利于后续的图像处理，如图像分类、目标识别；(2)基于纹理的分割方法，通过纹理分析方法提取SAR图像地物的纹理特征来描绘地物的特性，来进行SAR图像分割，虽然可以得到在森林、建筑物等地物区域上得到一致连通的分割结果，但是要求提供用于描述纹理的模型，并提供用于学习模型参数的样本数据，属于有监督的SAR图像分割，不能实现对SAR图像数据的自动处理，限制了这一类分割算法在SAR图像自动解译系统中的应用。
技术实现思路
本专利技术的目的在于克服上述已有SAR图像分割方法的不足，从视觉计算理论出发，根据SAR图像中不同地物内像素灰度的邻域变化所蕴含的属性，提出一种基于语义信息分类的SAR图像分割方法，进行地物内像素灰度邻域变化的描述和使用，并结合传统使用灰度信息进行分割的分割方法，完成对含有复杂灰度变化的地物的分割，以提高连通区域的一致性,并实现对SAR图像数据的自动处理。为实现上述目的，本专利技术的主要思路是，使用初始素描模型得到表示图像多尺度像素灰度邻域变化的初始素描图，依据初始素描图定义其线段的聚集性数值和分布结构特征来表达线段在SAR图像中所蕴含的不同语义信息，并按照线段的语义信息对线段进行分类；基于语义信息进行分析，在初始素描图上获取连通区域，完成对含有复杂灰度变化的线段地物区域的分割；对初始素描图中的剩余区域，通过一种基于部分区域的分水岭分割方法实现这部分SAR图像的分割，完成基于初始素描图和语义信息分类的SAR图像分割。具体步骤包括如下:(I)使用初始素描模型得到SAR图像的初始素描图，该初始素描图包含线段集合(Si, i=l, 2，...，η}, η 为线段的总数；(2)定义并计算初始素描图中所有线段的聚集性数值和分布结构，根据这些聚集性数值和分布结构进行线段的分类:2a)计算初始素描图所包含的线段集合中所有线段Si, i=l, 2，...，η与其K-近邻线段的欧式距离的均值，表示为线段Si的聚集性数值％:权利要求1.一种基于语义信息分类的SAR图像分割方法，具体步骤包括如下: (O使用初始素描模型得到SAR图像的初始素描图，该初始素描图包含线段集合(Si, i=l, 2，...，η}, η 为线段的总数； (2)定义并计算初始素描图中所有线段的聚集性数值和分布结构，根据这些聚集性数值和分布结构进行线段的分类: 2a)计算初始素描图所包含的线段集合中所有线段Si, i=l, 2，...，η与其K-近邻线段的欧式距离的均值，表示为线段Si的聚集性数值％:2.根据权利要求1所述的SAR图像分割方法，其中步骤(3b)所述的以线段Ek为基点递归地求解新的线段集合{ES” i=l, 2,...,1}, l〈=m，是以种子线段Ek为基点求解线段集合IESi, i=l, 2,...,1},即将所有与种子线段Ek距离小于最优聚集性数值区间上界U的相邻线段加入线段集合{ES” i=l, 2,...,1}中，如果新加入的线段和种子线段Ek具有相同类标，则以新加入的线段作为新的种子线段，重复上述步骤，递归求解出剩余的新的线段集合。3.根据权利要求1所述的SAR图像分割方法，其中所述步骤(4)对初始素描图中剩余的区域，采用基于部分区域的分水岭方法进行分割，按如下步骤进行: 4a)提取步骤(3)得到的线段地物区域的边缘和初始素描图中不在线段地物区域内的孤立线段，将半径为最优聚集性数值区间上界U的圆形基元进行膨胀，得到待确定区域，将初始素描图中除线段地物区域和待确定区域外的部分称为非线段区域； 4b)计算SAR图像的比值梯度响应值，其值位于之间，将其中对应的待确定区域和非线段区域的边缘处像素的梯度响应值赋值为1，并将梯度响应量化为之间的数值，得到最终的梯度图； 4c)在梯度图上进行分水岭分割，分别提取待确定区域和非线段区域的SAR图像的分水岭过分割结果，分水岭分割过程参见FernandMeyerl994年在ELSEVIER的SignalProcessing 上发表的((Topographicdistanceandwatershedlines))； 4d)对待确定区域的过分割结果进行合并操作，得到临界区域，对非线段区域的过分割结果进行合并操作，得到非线段地物区域； 4f)设置基于灰度特征的阈值Tl=20，将步骤(4d)得到的临界区域相邻的非线段区域分割结果中的区域灰度距离表示为1，并将这两个参数进行比较: 如果I≥Tl，则将临界区域合并到步骤(3d)中提取的线段地物区域中； 如果1〈T1，则将临界区域合并到步骤(4d)得到的非线段区域中， 最后将剩余未处理的临界区域作为独立的地物目标，得到最终的SAR图像分割结果。4.根据权利要求3所述的SAR图像分割方法，其中步骤4b)所述的计算SAR图像的比值梯度响应值的过程为:以图像上的每一个像素为中心，使用大小为9X9的窗口，计算窗口内像素灰度值在方向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终的比值响应值。全文摘要本专利技术公开一种基于语义信息分类的SAR图像分割方法，主要解决现有分割方法无法通过无监督分割得到一致连通的地物目标聚集形成的如森林、建筑群等地物区域的问题。其实现过程为(1)对输入的SAR图像使用初始素描模型得到表示图像结构信息的初始素描图；(2)在初始素描图上进行语义信息分析，得到所有线段的语义信息分类结果；(3)基于语义信息分析划分出由地物目标聚集形成的地物区域；(4)对剩余区域，分为待确定区域和非线段区域，分别进行相应的SAR图像分割，完成最终的SAR图像分割。本专利技术与现有技术相比，通用性强，可以实现对含有大片地物目标聚集形成的地物区域的SAR图像的分割，分割结果一致连通性好，边缘定位准确，并可分割出独立的地物目标。文档编号G06T7/00GK103198479SQ20131010244公开日2013年7月10日 申请日期20本文档来自技高网...

【技术保护点】
一种基于语义信息分类的SAR图像分割方法，具体步骤包括如下：（1）使用初始素描模型得到SAR图像的初始素描图，该初始素描图包含线段集合{Si,i=1,2,...,n}，n为线段的总数；（2）定义并计算初始素描图中所有线段的聚集性数值和分布结构，根据这些聚集性数值和分布结构进行线段的分类：2a）计算初始素描图所包含的线段集合中所有线段Si,i=1,2,...,n与其K?近邻线段的欧式距离的均值，表示为线段Si的聚集性数值ai：ai=1MΣj=1MDij其中(xi,yi)、(xj,yj)分别为线段Si、Sj的中点坐标，M表示与线段Si相近邻的线段的个数，Dij表示线段Si、Sj的欧式距离；2b）对线段的聚集性数值ai,i=1,2,...n进行直方图统计，根据直方图的最高峰值点计算线段Si,i=1,2,...,n的最优聚集性数值区间R：R=[P?δ,P+δ]=[L,U]，其中，P是聚集性数值直方图中最高峰值点对应的聚集性数值，δ是系统参数，取值为4，L、U分别表示最优聚集性数值区间R的下界、上界;2c）划分线段Si,i=1,2,...,n的分布结构特征，规定与线段Si距离小于最优聚集性数值区间上界U的线段为线段Si的相邻线段，如果相邻线段分布在线段Si的两侧，则线段Si的分布结构划为双侧聚集；如果相邻线段全部分布在线段Si的某一侧，则线段Si的分布结构划为单侧聚集；2d）根据线段Si,i=1,2,...,n的聚集性数值ai,i=1,2,...n和分布结构特征进行线段的分类标记，即将聚集性数值在最优聚集性数值区间内，且分布结构为双侧聚集的线段标记为一类，剩余线段标记为另一类；（3）根据步骤(2)对线段Si,i=1,2,...,n的分类结果，完成SAR图像中地物目标聚集形成的线段地物区域的划分，得到地物区域集合{ERk,k=1,2,...,m}，m是划分得到的区域个数：3a）根据线段聚集性数值ai,i=1,2,...n的直方图统计，选取聚集性数值等于最优聚集性数值P的线段作为种子线段集：{Ek,k=1,2,...,m}；3b）对于种子线段集{Ek,k=1,2,...,m}，如果线段Ek没有被添加进某个线段集合，则以线段Ek为基点递归地求解新的线段集合{ESi,i=1,2,...,l}，l<=m；3c）使用半径为最优聚集性数值区间上界U的圆形基元，先对线段集合中的线段进行膨胀，然后在线段集合外进行腐蚀，在初始素描图上得到以像素为单位的区域；3d）提取初始素描图中区域在SAR图像上的对应的线段地物区域，即森林、建筑物群区域，完成对初始素描图中地物区域的划分；（4）对初始素描图中地物区域划分后的剩余区域，采用基于部分区域的分水岭方法再进行分割，完成整个SAR图像的分割。FDA00002975204300012.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘芳，袁嘉林，李玲玲，焦李成，邢孟棒，郝红侠，戚玉涛，武杰，马晶晶，尚荣华，于昕，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：