[发明专利]基于图论和超像素的并行快速SAR图像分割方法

说明书

技术领域

本发明属于图像处理领域，特别是一种涉及SAR图像分割的方法，可应用于目标识别，地物分类等领域。

背景技术

地理图像分割是地理信息测绘更新、水利资源调查、农业生产监测、水上目标如桥梁、船舶等识别等工作必不可少的基础步骤。作为一种主动的微波遥感雷达，SAR所具有的全天时、全天候、穿透性强等优点，使得SAR图像成为地面目标监测的研究重点和热点。

本质上SAR图像反映的是目标的电磁散射特性和结构特性，其成像效果很大程度上依赖于雷达参数和地域电磁参数。SAR成像的特殊性使得针对该类图像的分割方法有别于普通光学图像：非光学成像方式导致SAR图像灰度级变化缓慢，因此光学图像常用的自适应阈值分割方法对此类图像收效甚微；SAR图像含有大量相干斑噪声，常规分割方法通常不适用于SAR图像。

针对SAR图像的以上特点，经典分割方法有：

基于抑斑的分割方法。这类方法首先对SAR进行滤波，然后利用光学图像的常规分割方法处理。常用滤波方法有Lee方法、Sigma滤波、Kuan方法和Gamma-MAP方法。经过滤波抑斑后再分割与直接分割方法相比效果有所提升，而且通常分割效率较高；但是抑斑过程中模糊了边缘和纹理信息，导致图像细节信息丢失。

基于SAR概率分布模型的分割方法。主要有Markov随机场分割方法，分为非因果Markov随机场和因果Markov随机场两种。非因果Markov随机场参数估计困难，且需要迭代；因果Markov随机场易形成方向性块效应。这类方法由于考虑了SAR图像的物理统计特性和先验概率分布知识，因而分割效果较基于抑斑的分割方法有所改善，但是由于复杂度较高，分割效率较低，难以工程化。

在大量的试验中，我们发现一种基于图论的分割方法在处理SAR图像中展现出了良好的分割效果；并且相对于SAR概率分布模型的分割方法有较低的复杂度。比较易于工程化实现。

发明内容

本发明的目的在于降低上述方法的复杂度得到一种快速高效的SAR图像分割方法。为此，提出了一种基于图论和超像素理论的并行快速的SAR图像分割方法，提高分割的时间和空间性能。

为实现上述发明目的，本发明的技术方案包括如下步骤：

(1)对待分割的SAR图像进行归一化处理，将图像的灰度从实际灰度分布数规范化到0～255之间，使图像灰度值分布一致；

(2)对归一化后的图像进行分块处理；将其分成等大小的4块；并对每一块并行进行以下下5个步骤的处理，便可得到4个完成分类的子图：

(2a)对归一化后的图像进行高斯滤波处理；

(2b)利用灰度和位置信息进行超像素的生成；具体操作如下：

对于每一个像素点利用其灰度信息与位置信息(x，y坐标)进行是否合并为一个超像素的判别。当前像素点只可以与固定区域内的的像素点合并；而合并的另一个准则就是两个像素点像素值差的绝对值要小于经验阈值8；

(2c)将生成好的超像素结果向无向图转化，将所有超像素转化得到的无向图节点集合记作V，计算超像素内边缘的像素点与超像素外相邻的像素点的灰度差，并将灰度差信息与位置信息作为连接超像素的边，将这些边的集合记作E，利用节点集合V和边的集合E构成无向图G＝(V，E)；

(2d)利用传统的基于图论的分类方法将每个节点进行分类处理，对无向图中每一条边所连接的两个节点所属的不同的类别，进行类别合并而得到每个区块的分割子图；具体操作如下：

设这两个节点的不同类别分别为C₁，C₂，用Dif(C₁，C₂)表示连接两个不同的类别的C₁，C₂所处区域交界处节点的边中所包含的最小的灰度差；当Dif(C₁，C₂)＜min(Int(C₁)+T(C₂)，Int(C₂)+T(C₂))时，则将类别C₁，C₂合并起来，否则不予合并；式中Int(C)表示类别C所处区域内连接所有节点的边中所包含的最大的灰度差；T(C)表示与类别C所处区域内所包含的的节点数目负相关的控制变量；

(2e)将所含节点数小于一定经验值(与图像中目标所包含的像素点的个数相关，通常手动设定)的类别与相邻的类间差异最小的类别进行合并，避免过分割的发生。