[发明专利]基于复小波纹理区域合并的改进分水岭SAR图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，具体是一种基于复小波纹理区域合并的改进分水岭SAR图像分割方法，用于在合成孔径雷达(synthetic aperture radar，SAR)图像分割领域中抑制SAR图像分割的过分割。

背景技术

SAR图像分割是实现SAR图像自动处理的一个关键步骤，其目的是将SAR图像分割成具有强相关性的子区域或对象。便于进一步对SAR图像进行分析、识别等，分割的准确性直接影响后续任务的有效性。

SAR图像的观测对象是高度无约束场景下的地物和目标，雷达回波对地物类型、方位、均匀程度、空间关系等反应敏感，在图像上很大一部分反映为纹理信息。在SAR图像分割的过程中，纹理信息被认为是区分地物类型的重要解译信息，其它信息难以分辨的观测对象很可能可以用纹理轻易的区分。早在1981年，美国的Shanmugan就认识到了纹理对于雷达图像理解的重要性，并在之后的二十多年中大量的研究人员对此进行了研究，现在已有诸多文献表明引入纹理特征有助于提高SAR图像分割的精度。目前，对SAR图像纹理信息的分析方法主要采用的是统计纹理方法，主要包括自相关函数、傅里叶功率谱法、基于小波变化的纹理特征、灰度共生矩阵、随机模型等方法。但这类种方法对边缘定位不够准确，且运算复杂，解决这个问题必须引入边缘定位准确且运算简单的方法。

传统的形态学分割算法即分水岭算法，1977年该算法由法国的Digabel和Lantujoul引入图像处理领域，1979年法国的Beucher和Lantuejoul进一步发展，应用于灰度图像的分割。1991年法国的Vincent和德国的Pierre Soille提出基于浸沉技术的分水岭算法，此方法较以前的方法更快速、精确、灵活有效完整，从此分水岭图像分割取得突破性的进展。分水岭图像分割算法能够准确定位边缘，具有运算简单、易于并行化处理等优点，输入图像往往是图像的梯度，但是此方法抗噪性差，当受到噪声和平坦区域内部细密纹理的影响时，算法检测的局部极值会过多而产生过分割。目前主要有两类方法解决分水岭的过分割问题。第一种属于“后处理”，针对分水岭分割后的结果，根据某种准则，进行区域合并。这种方法计算量比较大，比较耗时。第二类属于“前处理”，它是基于标记提取的分水岭分割算法，算法简单实用，速度快。Soille在2003年提出的基于内外标记的分水岭分割算法是“前处理”方式改善过分割的算法，广泛应用医学图像、SAR图像、自然图像的分割领域。即使Soille的标记分水岭方法也不能消除纹理信息引起的过分割。

发明内容

本发明要解决的技术问题是：针对现有的图像分割法各自存在的不足之处，将复小波特征提取方法与改进的分水岭算法相结合，提供一种基于复小波纹理区域合并的改进分水岭SAR图像分割方法，有效抑制了SAR图像的过分割问题。

本发明解决技术问题的方案是：将高斯低通滤波改进分水岭算法与复小波特征提取相结合，即采用标记分水岭“前处理”方式与纹理区域合并“后处理”方式相结合的方法解决分水岭SAR图像分割的过分割问题。首先用高斯低通滤波改进的标记分水岭得到初始分割，这样大大消除了噪声的影响，一定程度上解决了分水岭的过分割问题；再针对纹理信息，采用复小波提取区域纹理特征，用聚类的方法进行区域合并，得到最终的分割结果。其具体技术方案的实现包括如下步骤：

(1)用改进的分水岭算法对原图像进行变换得到初始分割，将图像被分成许多不规则的区域块，改进的分水岭变换是对分水岭的“前处理”改进，目的是减少过分割；

(2)对初分割图中的每个像素提取复小波能量特征，用于聚类；

(3)对各个不规则区域块内像素的特征进行统一；

(4)利用“K-均值”聚类方法对不同的区域块进行分类合并，减少区域块得到最终分割结果。区域块的分类合并是对分水岭初始分割的“后处理”，用于进一步减少过分割，得到最终结果。

本发明采用基于高斯低通滤波的改进分水岭分割法在很大程度上减少了过分割现象，尤其对纹理图像效果显著。改进的标记分水岭算法对原图像进行初始分割的步骤如下：

[1]对原图像做高斯低通滤波，一定程度上减少SAR图像噪声引起的过分割；

[2]对滤波后的图像用微分Priwitt算子求梯度得到待修正的梯度图；

[3]对上述的梯度图做高斯低通滤波，此操作有助于减少标记提取得到的无用标记；