[发明专利]基于K‑S距离合并代价的SAR图像分割方法

权利要求书

1.一种基于K-S距离合并代价的SAR图像分割方法，其特征在于，包括：

(1)利用原始SAR图像的像素值，计算原始SAR图像的比例边缘，获得其比例边缘强度映射RESM(x,y)：

RESM(x,y)=1-minθf{r(x,y,θf)},if g(x,y)>Tα0,otherwise,]]>

其中r(x,y,θ_f)表示比例边缘强度映射，x表示像素点的横坐标，y表示像素点的纵坐标，θ_f表示像素点的方向角度，g(x,y)表示阈值代价函数，T_α表示阈值代价函数的阈值，T_α在本专利中经验地选取阈值0.5；

(2)对比例边缘强度映射RESM(x,y)进行分水岭变换，得到SAR图像的初始分割结果；

(3)计算SAR图像的初始分割结果中每个区域像素值的经验分布函数F_n(x)：

3a)将SAR图像的初始分割结果中每个区域内的像素值按照从小到大的顺序排序，得到新的样本序列

3b)在SAR图像的初始分割结果中，利用新的样本序列计算像素值的经验分布函数F_n(x)：

F(x)=0(x≤x1*)kn(xk*<x≤xk+1*)1(x>xn*),k=1,2,...,n-1,]]>

其中n为区域内的像素个数，k为由小到大排序序数，为第k个像素值；

(4)计算SAR图像的初始分割结果中任意相邻两区域a和b的K-S距离KSD(a,b)：

KSD(a,b)＝max{|F_a(x_a)-F_b(x_b)|}，

其中，F_a(x_a)和F_b(x_b)分别表示两个相邻区域的经验分布函数；

(5)设置K-S阈值T_r，比较K-S距离KSD(a,b)和K-S阈值T_r的大小，得到区域合并代价函数K(a,b)的值：

K(a,b)=1KSD(a,b)≤Tr0KSD(a,b)>Tr,]]>

其中，T_r表示K-S阈值，在本专利中经验地选取阈值0.1；

(6)根据合并代价函数K(a,b)的值确定最终的图像分割结果：

若合并代价函数K(a,b)的值为1，则进行区域合并，当所有区域合并完成后，得到SAR图像的最终分割结果，

若合并代价函数K(a,b)的值为0，则将步骤(2)的初始分割结果作为最终分割结果。