[发明专利]边缘和区域概率密度差相结合的水平集SAR图像分割方法

权利要求书

1.一种边缘和区域概率密度差相结合的水平集SAR图像分割方法，包括以下步骤：

(1)对待分割SAR图像I应用ROEWA边缘检测算子进行边缘检测，得到边缘强度模值|R_max|；

(2)将水平集函数φ初始化成圆形的符号距离函数形式，根据水平集函数值的正负，将SAR图像分割成两个区域Ω₁和Ω₂；

(3)根据所述的两个区域Ω₁和Ω₂，利用下式分别计算对应的估计概率密度和以及真实估计概率密度p₁和p₂：

3a)利用下式计算区域Ω₁和Ω₂的强度均值：

ci=∫∫ΩiI(x,y)dxdy∫∫Ωidxdy,]]>其中i＝1，2，(x，y)是图像坐标；

3b)结合步骤3a)得到的强度均值，利用下式计算区域Ω₁和Ω₂的估计概率密度和

piE(I)=LLciΓ(L)(Ici)L-1e-LI/ci,]]>

其中L是SAR图像的视数，Γ(·)是Gamma函数，i＝1，2；

3c)利用下式计算区域Ω₁和Ω₂的实际概率密度p₁和p₂：

pi(I)=∫∫Ωiδ(I(x1,y1)-I)dx1dy1∫∫Ωidx1dy1,]]>

其中I(x₁，y₁)代表坐标为(x₁，y₁)的图像像素值，i＝1，2；

(4)结合步骤(1)、步骤(2)、步骤(3)构造总的分割能量函数模型E_SAR：

ESAR=Σi=12∫∫Ωiλi(piE-pi)2+μ∫∫Ωg(|Rmax|)|▿H(φ)|+v∫∫Ω12(|▿φ|-1)2,]]>

其中Ω是整个图像区域，即Ω＝Ω₁+Ω₂，λ_i，i＝1，2是第一部分即区域能量项的权值，μ是第二部分边缘能量项的权重，v是第三部分修正项的权值，λ_i＞0，μ＞0，v＞0，是梯度算子，H(·)是Heaviside函数，g(|R_max|)是定义在边缘强度模值|R_max|上的指示函数，表达式如下：

g(|Rmax|)=11+|Rmax|2/k2,]]>

其中k是正的比例常数；

(5)根据步骤(4)构造的分割能量函数模型对SAR图像I进行下一步分割：

5a)对总的分割能量函数模型应用最速下降法，得到梯度下降流方程

∂φ∂t=δ(φ)(-λ1(p1-p1E)2+λ2(p2-p2E)2]]>

+μδ(φ)div(g(|Rmax|▿φ|▿φ|)+v(Δφ-div(▿φ|▿φ|)),]]>

其中δ(·)是Dirac函数，Δ是拉普拉子算子；

5b)对梯度下降流方程离散化，得到如下表达式：

φn+1-φnΔt=δ(φ)(-λ1(p1-p1E)2+λ2(p2-p2E)2]]>

+μδ(φ)div(g(|Rmax|▿φ|▿φ|)+v(Δφ-div(▿φ|▿φ|))]]>

其中φⁿ⁺¹代表第n+1次迭代后的水平集函数，φⁿ代表第n次迭代后的水平集函数，初始化的水平集函数φ是n＝0时的φⁿ，是迭代步长；

5c)根据步骤5b)求得新的水平集函数φⁿ⁺¹，由φⁿ⁺¹的正负值即得到新的分割区域和

5d)判断水平集函数是否收敛且达到最大的迭代次数，若不满足则转到步骤(3)，用和替代Ω₁和Ω₂继续迭代，否则停止迭代，得到的和即是最终的分割结果。

2.根据权利要求1所述的水平集SAR图像分割方法，其中步骤(1)所述的对待分割SAR图像I应用ROEWA边缘检测ROEWA边缘检测算子进行边缘检测，按如下步骤进行：

2a)分别构造因果滤波器f₁和非因果滤波器f₂的函数表达式：

f₁(z)＝ab^zH(z)，f₂(z)＝ab^-zH(-z)；

其中z是函数的自变量，a和b满足a＝1-b，0＜b＜e^-a＜1，H(·)是Heaviside函数；

2b)结合步骤2a)构造的滤波器f₁和f₂构造指数平滑滤波器f的函数表达式：

f(z)=11+bf1(z)+b1+bf2(z-1),]]>其中z＝1，2，......N，N＞1；

2c)根据构造的滤波器f，f₁，f₂，计算各指数加权均值μ_x1，μ_x2，μ_y1，μ_y2：

μx1=f1(x)*(f(y)·I(x,y))μx2=f2(x)*(f(y)·I(x,y))μy1=f1(y)·(f(x)*I(x,y))μy2=f2(y)·(f(x)*I(x,y)),]]>

其中：x是水平方向的坐标变量，y是垂直方向的坐标变量，*代表水平方向的卷积，·代表垂直方向的卷积；

2d)应用2c)的结果，求梯度模值：

|Rmax|=Rxmax2(x,y)+Rymax2(x,y),]]>

其中R_xmax(x，y)和R_ymax(x，y)定义如下：

Rxmax(x,y)=max{μx1(x-1,y)μx2(x+1,y),μx2(x+1,y)μx1(x-1,y)}Rymax(x,y)=max{μy1(x,y-1)μy2(x,y+1),μy2(x,.y+1)μy1(x,y-1)}.]]>