[发明专利]基于K‑S距离合并代价的SAR图像分割方法

说明书

技术领域

本发明属于信号处理技术领域，具体涉及一种SAR图像分割方法，可用于复杂场景下的SAR图像分割。

背景技术

合成孔径雷达成像系统已经被广泛应用，如目标监测与识别、海洋监视、地形绘制和自然灾情检测等。SAR图像分割是SAR图像信息提取和自动理解的一个重要问题，它通过将一副SAR图像分割成互不重叠的同质区域来提取场景的结构信息。SAR的相干成像原理使得SAR图像中存在大量随机分布的相干斑噪声，这些相干斑噪声降低了SAR图像的质量，同时，增加了SAR图像分割的难度。

近年来，SAR图像分割技术在SAR图像自动解译中的重要性以及其自身的难度吸引了众多研究者投入大量的精力对其进行深入研究，提出了大量的SAR图像分割算法，这些方法大概分为两大类：基于图像特征的SAR图像分割算法和基于模型优化的SAR图像分割算法。基于图像特征的SAR图像分割算法主要有三种：基于边缘信息的SAR图像分割算法、基于区域图信息的SAR图像分割算法与基于边缘信息和区域信息混合的SAR图像分割算法。而基于模型优化的SAR图像分割算法又主要有四种：变分方法、基于最短描述长度准则的分割方法、马尔科夫随机场方法以及图论方法。这些方法在对SAR图像进行分割时都有其独有的优点，但方法本身有较高的复杂度，且在区域合并过程中，尤其是合并较大区域时往往效果不够理想。

发明内容

本发明的目的在于提出一种基于K-S距离合并代价的SAR图像分割方法，以实现面对较为复杂的SAR图像时，快速高效地获取分割结果，提高分割的质量。

为实现上述技术目的，本发明的技术方案包括如下步骤：

(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)：

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)：

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：

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。

本发明与现有技术相比具有以下优点：

1)由于本发明采用多方向比例边缘检测算子提取SAR图像的比例边缘强度映射RESM，较好的抑制了RESM均质区域的极小值点，并且计算速度快，能够满足实际雷达系统的实时处理要求；

2)由于本发明利用K-S距离作为合并测度，对于目标区域像素点较多时，K-S距离只需计算其统计特性中的经验累积分布函数，相比其他方法，进一步提高了运算速度，且能得到满意的分割效果；