[发明专利]结合背景信息和最大后验边缘概率准则的SAR图像分割方法

权利要求书

1.一种结合背景信息和最大后验边缘准则的SAR图像分割方法，包括如下步骤：

1)在大小为L×L的待分割SAR图像上截取M类训练样本，提取Gabor小波能量特征和基于灰度直方图的纹理描述子特征；

2)对SAR图像在2×2的窗口上进行平均采样，得到N层的四叉树结构，

3)从四叉树的最细层至最粗层分别计算各层节点似然概率Pⁿ(y_d(s)|x_s)，n＝{0，1，...，N-1}，得到各层基于像素的最大似然分割结果；

4)计算四叉树除最粗层外其他各层上的梯度图，将基于像素的似然分割结果与各层梯度图叠加实现梯度修正，在修正后的梯度图上进行分水岭分割；

5)将各层分水岭分割得到的区域进行合并，根据各层最大似然分割结果，由各节点类标来标定所在区域的类别，如果一个区域内某一类的节点个数达到三分之二以上，则本区域由该类标标定，反之，该区域不作处理，最后将具有相同类标的区域进行合并；

6)将合并的区域作为处理单元，计算各层区域的似然概率Pⁿ(y_d(s)|x_A)；

7)对四叉树除最粗层外其他各层依次通过最大期望值方法训练，得到各层上各区域的背景向量先验概率Pⁿ(x_A)和条件概率对背景条件概率进行Gibbs采样得到背景边缘概率根据这些参数分别计算各层上每个区域的后验边缘概率：

Pn(xA|y)=ΣVnPn(xA)Pn(VAn|xA)Pn(yd(s)|xA)VAnΣxAPn(xA)Pn(VAn|xA)Pn(yd(s)|xA)VAnPn(VAn|y)---(1)]]>

其中，x_A为区域A的类标，x_A＝{1，2，...，M}，M为分割类别数；

8)从各层区域后验边缘概率中取出最细层的区域后验边缘概率，依据最大后验边缘概率准则确定最细层上各区域类标，完成对SAR图像的分割。

2.根据权利要求1所述的图像分割方法，其中步骤7)所述的对四叉树除最粗层外其他各层依次通过最大期望值方法训练参数，计算各层上每个区域的后验边缘概率，按如下过程进行：

2a)初始化层数n＝1；

2b)令迭代次数t＝1，初始化先验概率条件概率和背景向量

2c)计算各区域条件概率

Ptn(xA|VAn,yd(s))=Ptn(xA)Ptn(VAn|xA)Pn(yd(s)|xA)VAnΣxAPtn(xA)Ptn(VAn|xA)Pn(yd(s)|xA)VAn---(2)]]>

2d)分别计算第n层上各区域的父区域主类标NP：

如果层数n＝1，其中P⁰(x_s|y)为最粗层上像素s的后验边缘概率，它通过在最粗层上利用基于像素的马尔可夫分割方法得到，A^-为区域A内所有节点的父节点集合，定义为A的父区域；

如果层数n＞1，其中P^n-1(x_s|y)为第n-1层上节点s的后验边缘概率，它与节点s所在区域A^-的后验边缘概率P^n-1(x_A|y)相同，且由上一层训练中得到；

2e)分别计算各区域的邻接区域主类标NC：

NC=argmaxΣPtn(xA*|VA*n,yd(s)),A*∈∂A---(3)]]>

其中，为区域A的邻接区域集合；

2f)对每个区域的NP和NC根据它们出现的各种状态进行0-1编码，得到每个区域新的背景向量

2g)更新先验概率和条件概率

Pt+1n(xA=m)=1NΣAPtn(xA=m|VAn,yd(s))---(5)]]>

其中，m为区域的状态值，m＝{1，2，...，M}，M为分割类别数；

2h)计算背景条件概率

Pt+1n(VAn|yd(s))=Σm=1MPtn(xA=m)Ptn(VAn|xA=m)Pn(yd(s)|xA=m)ΣVAnΣm=1MPtn(xA=m)Ptn(VAn|xA=m)Pn(yd(s)|xA=m)---(6)]]>

2i)对进行Gibbs采样50次，得到背景边缘概率

2j)令t′＝t+1，如果t′＞MAX_t，MAX_t为最大迭代次数，则将参数和代入(1)式计算n层各区域后验边缘概率Pⁿ(x_A|y)，然后转至2k)；否则，返回2c)；

2k)令n′＝n+1，如果n′＞N-1，结束；否则，返回2b)。