[发明专利]基于幂次变换的SAR图像Ostu分割方法

说明书

技术领域

本发明属于SAR（合成孔径雷达）图像分割技术领域，特别涉及基于幂次变换的SAR图像Ostu分割方法；可用于SAR目标识别中的目标切片图像分割。

背景技术

图像分割是将图像分割成若干个相互不交叠区域的集合，分割出的每个区域内部像素都具有一定的一致性和相似性。SAR目标切片图像分割是SAR目标识别系统中的重要步骤。其中，目标形状、目标散射特性等识别特征的提取都依赖于图像分割的质量。在识别系统中常用的分割方法一般有随机马尔科夫场分割方法和双参数恒虚警CFAR图像分割方法。适用于SAR目标识别的图像分割方法不仅需要满足分割精度的要求，同时还必须易于工程实现。随机马尔科夫场分割方法利用迭代方法去搜索最优分割，虽然其分割精度高，但是收敛速度慢，不利于工程应用。双参数恒虚警CFAR图像分割方法分割速度较快，但是由于SAR图像背景杂波统计分布复杂，很难获得稳定的背景信息，导致这种分割精度不够高。

最大类间方差Ostu分割方法是一种经典的自适应阈值图像分割方法，由大律提出，其在图像分割中已得到广泛应用。Ostu分割方法利用图像灰度一维统计直方图，以图像最大可分性为判决准则，自适应的选取分割阈值，实现图像分割。其在图像质量较好的情况下，可以得到令人满意的结果。SAR图像由于其独特的相干成像机理，背景区域充满大量的相干斑噪声，其幅值通常服从典型的瑞利分布，当噪声功率较大时，其类内一致性较差；而对于目标区域，目标体上不同结构散射体对应的散射中心在图像上表现为非同质性，幅值相差很大，类内一致性较差。Ostu分割方法直接应用到SAR目标切片图像上时，就会受到相干斑噪声和目标幅值方差较大的特征的影响。近年来，对于Ostu分割方法应用到高分辨SAR目标切片图像的研究主要集中在如何解决图像中相干斑噪声对分割结果的影响，以及在解决相干斑噪声影响的同时如何降低方法时间复杂度。但目标类的散射幅值一致性较差对分割的影响并没有被考虑，导致对于该类图像，分割时就会出现目标欠分割结果，即目标上相对较弱的散射中心被分割到背景中。

发明内容

本发明的目的在于提出基于幂次变换的SAR图像Ostu分割方法，可以提高图像分割质量。

为实现上述技术目的，本发明采用如下技术方案予以实现。

基于幂次变换的SAR图像Ostu分割方法包括以下步骤：

S1：获取原始SAR图像，对原始SAR图像进行相干斑Lee滤波，得到滤波后图像；

S2：对滤波后图像分别作N个不同尺度的幂次变换，得到N个幂次变换后的图像，N个幂次变换后的图像分别表示为Z(1)至Z(N)，其中，Z(n)表示滤波后图像经过第n个尺度的幂次变换后的图像，n取1至N；

S3：对于滤波后图像经过第n个尺度的幂次变换后的图像Z(n)，得出Z(n)在不同分割阈值下的类间方差和总方差的比值；

S4：根据Z(n)在不同分割阈值下的类间方差和总方差的比值，得出最优分割阈值和幂次变换的最优尺度；

S5：根据幂次变换的最优尺度，得到最优幂次变换后图像；根据所述最优分割阈值，对所述最优幂次变换后图像进行图像分割。

本发明的特点和进一步改进在于：

在步骤S2中，滤波后图像在进行第n个尺度的幂次变换时，对应的变换幂次表示为q_n，0<q_n<1；滤波后图像按照如下公式进行第n个尺度的幂次变换：

Z(n,i,j)=Y(i,j)qn]]>

其中，Y(i,j)为滤波后图像第i行第j列的像素点的灰度值，i取1至Na，Na为滤波后图像的像素点的行数，j取1至Nr，Nr为滤波后图像的像素点的列数；Z(n,i,j)为Z(n)中第i行第j列的像素点的灰度值。