[发明专利]一种基于极化目标分解特征的变分极化SAR图像分割方法

权利要求书

1.一种基于极化目标分解特征的变分极化SAR图像分割方法，利用不同极化目标分解的分解特征形成的特征向量，结合核函数和CV模型建立能量泛函，其特征在于，包括如下步骤：

步骤1：根据极化目标分解特征数据，建立极化目标分解特征向量：

根据极化SAR图像Pauli分解，Huynen分解，Cloude-Pottier分解，Freeman-Durden分解，SDH分解，VanZyl分解各自得到的3个分解特征数据，Yamaguchi分解得到的4个分解特征数据，以及Huynen分解的推广分解方法，即Barnes-Holm分解，在两种不同的特征向量情况下，得到的6个极化特征数据，一共28个极化目标分解特征数据，构成分解特征向量f＝(f₁,f₂,...,f_D)，其中f_k,k＝1,...,D,D＝28，表征某一个分解特征；

步骤2：将极化SAR图像I(x,y)整个区域Ω任意划分为N个区域Ω_i,i＝1,...,N，所述极化SAR图像I(x,y)中的每个区域用i标注；

步骤3：计算区域指示函数；

步骤4:计算区域的极化目标分解特征均值向量

步骤5：对所述极化目标分解特征向量f和所述区域的均值向量

及其差值的范数进行核函数处理：

所述极化目标分解特征向量f和所述均值向量通过非线性函数映射到高维空间之后为和所述f和之间差值的范数经过映射之后为根据核函数的表示式：将转化为用核函数表示的形式：

其中，·表示向量间的点乘，(*)^T表示向量的转置，K(*,*)表示核函数；

步骤6：基于提取的所述极化目标分解特征向量和核函数，建立极化SAR图像分割能量泛函E：

其中，λ_i为第i个区域的加权系数，μ为边界能量项的加权系数，取值通常为[0.1,0.5]，为L2范数，▽是图像的梯度算子，为正则化的Dirac函数，根据N的值，按照步骤3计算F_i^N，并按照步骤4计算

步骤7：采用变分法最小化能量泛函，利用水平集方法得到曲线演化方程：最小化所述步骤6中的能量泛函E，对φ_r(x,y),r＝1,...,m进行求导，根据变分原理得到水平集函数的演化方程：

∂φr(x,y)∂t=δϵ(φr(x,y)){Σi=1N-λi(1-exp(-||f-f‾i||22/σ2))Fi_rN+μdiv(▿φr(x,y)▿φr(x,y))}]]>

当2^m＝N时，有：

Fi_rN=(-1)simΠj=1,j≠rm(Hϵ(φj(x,y))-bjm,i-1)]]>

当2^m-1＜N＜2^m时，有：

Fi_rN=(-1)simΠj=1,j≠rm(H(φj(x,y))-bjm,i-1),i=1...,2i0Fi_rN=(-1)si1m1Πj=1,j≠rm1(H(φj(x,y))-bjm1,i1-1),i=2i0+1,...,N]]>

其中，N为图像区域个数，i表示第i个区域，m为水平集函数数目，φ_j(x,y)为第j个水平集函数，H_ε(φ_j(x,y))为对应的正则化Heaviside函数，j=1,...,m,j≠r,bjm,i-1=0]]>或1,bjm1,i1-1=0]]>或1,m1=m-1,i0=N-2m1,i1=i-i0,sim=Σr=1mbrm,i-1,]]>

为边界曲线的曲率，t为时间变量；

步骤8：根据所述步骤7得到的曲线演化方程，采用数值方法进行求解，得到极化SAR图像分割结果。