[发明专利]基于复小波提取标记的分水岭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，具体涉及一种基于复小波提取标记的分水岭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

合成孔径雷达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。要解决这个问题必须引入边缘定位准确的方法。

形态学分水岭算法是一种边缘定位准确的区域提取图像分割算法，由于算法实现过程简单有效，现已成为广泛使用的图像分割工具。分水岭算法充分利用了梯度操作捕获的边缘信息，边缘定位准确，且所得到的区域边界形成了一个封闭、连接的集合，具有空间一致性。然而，分水岭算法中的梯度操作对纹理及噪声敏感，用于SAR图像将因其丰富的纹理信息而产生严重的过分割。因此针对SAR图像的特点，探索采用多种分割方法的结合对SAR图像分割已是当前图像处理的一种趋势。

发明内容

本发明要解决的技术问题是：克服现有图像分割技术的不足，即单独采用复小波特征提取聚类的分割结果边缘不准确，单独采用经典分水岭变换或标记分水岭变换的过分割问题，提出一种基于复小波提取标记的分水岭SAR图像分割方法，用复小波特征提取聚类后的图像作为分水岭的标记来源，结合了专门针对纹理信息的特征提取方法及分水岭的方法对SAR图像进行分割，综合的两方法的优点，消除纹理信息的影响，有效的解决分水岭SAR图像分割的过分割问题。

为达到上述目的，根据本发明提供的SAR图像分割方法，首先用复小波提取分水岭分割法所需要的标记，同时为了一定程度上消除了SAR图像噪声及纹理信息的影响，用这样的标记修正原图像进行高斯滤波后再求得的梯度图，针对此梯度图进行经典分水岭运算，则得到最终的能很好解决过分割问题的结果。

具体技术方案的实现包括如下步骤：

(1)用复小波能量特征的方式从原图像Img提取标记分水岭变换的内部标记LImg；

(2)对内部标记LImg进行经典分水岭变换得外部标记WLImg；

(3)对原图像Img进行高斯低通滤波得滤波后图像GImg；

(4)对滤波后的图像GImg用Priwitt算子求图PGImg；

(5)用内、外标记对梯度图PGImg进行梯度修正，具体利用强制最小技术修正，使梯度图的局部最小区域出现在标记位置；

(6)对修正后的梯度图进行分水岭变换，获得最终的图像分割图RImg。

上述步骤(1)用复小波能量特征的方式获得内部标记LImg的步骤如下：

[1]对原图像的每个像素提取复小波能量特征；

[2]对每个像素进行K-均值聚类；

[3]对聚类后的结果图像进行高斯低通滤波；

[4]对滤波后的图像用Priwitt算子求梯度；

[5]对梯度图提取内部标记，选取内部标记的过程就是找到局部最小值的过程，局部最小值是指灰度值在一个灰度范围内的连续区域，且此区域附近的像素的值均大于这个区域内的值。

上述的步骤[1]中的复小波能量特征提取技术中的复小波是一种具有时移不变性，方向信息多和相位信息多等特点的小波。它将小波的构造空间扩展到复数域，构造出的小波不仅有传统小波变换良好的时频局部化特征，而且具有良好的方向性。本发明中的复小波能量特征的算法如下：将每个像素的窗口图像进行复小波分解两层，得到一个低频子带和每层6个高频子带，共13个子带，用下式对各子带分别求小波能量作为特征矢量，并归一化特征矢量。