[发明专利]基于费雪向量的自适应合成孔径雷达图像超像素分割方法

说明书

本发明公开了一种基于费雪向量的自适应合成孔径雷达图像超像素分割方法，包括以下步骤：对输入合成孔径雷达图像进行设置，并初始化参数，迭代更新像素标签、更新超像素中心、更新特征权重；判断迭代次数是否达到最大迭代次数，若是，在停止迭代，若不是，则返回更新像素标签步骤继续迭代；消除超像素中的过小超像素；输出超像素分割结果。实现了更高的超像素分割性能，提升了边界召回率，降低了误分割率，有助于后续的SAR图像中基于超像素的目标检测和识别性能的提升。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于费雪向量的自适应合成孔径雷达图像超像素分割方法。

背景技术

超像素是指具有相似特性的局部像素的集合。超像素旨在对图像进行预分割，获得目标的轮廓信息。在光学图像处理领域中的视觉显著性检测、目标分类等方面，超像素已经展现其作为图像基本处理单元的优越性。近年来，星载合成孔径雷达(SyntheticAperture Radar，SAR)图像分辨率的提高为基于超像素的图像处理提供了坚实的数据基础。研究表明，利用超像素，可以降低SAR图像中斑点噪声对后续图像处理的影响；也加快了逐像素图像处理方法的速度。已有的针对SAR图像的超像素分割方法中，主要基于像素的灰度和位置特征来实现像素的局部聚类。灰度特征仅仅是像素的一阶特征。在一些场景如海面SAR图像中，海浪的运动、恶劣的气象环境、卫星的入射角度变化等因素会导致较低的信杂比，降低目标像素和海杂波像素的灰度差异，进而降低超像素分割的性能。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提出一种基于费雪向量的自适应合成孔径雷达图像超像素分割方法，该方法实现了更高的超像素分割性能，提升了边界召回率，降低了误分割率，有助于后续的SAR图像中基于超像素的目标检测和识别性能的提升。

为达到上述目的，本发明实施例提出了一种基于费雪向量的自适应合成孔径雷达图像超像素分割方法，包括以下步骤：

输入：输入合成孔径雷达图像，对所述合成孔径雷达图像进行设定；

初始化：计算所述合成孔径雷达图像的混合高斯模型中的权重、均值和标准差，根据所述权重、均值和标准差计算每个像素费雪向量的零阶信息、一阶信息和二阶信息，设定超像素个数和超像素中心，设定特征的维度，初始化不同特征的权重值，初始化距离度量；

更新像素标签：计算每一个超像素中心与第i个像素的距离，将所述距离与所述初始化距离度量比较，根据比较结果更新像素标签；

更新超像素中心：设定像素的特征表达，根据更新的像素标签计算所述像素的特征表达；

更新特征权重：根据特征权重更新公式更新特征权重；

判断迭代次数是否达到最大迭代次数，若是，则停止迭代，若不是，则返回更新像素标签步骤继续迭代；

后处理：消除超像素中的过小超像素；

输出：输出超像素分割结果。

本发明实施例的基于费雪向量的自适应合成孔径雷达图像超像素分割方法除了灰度和位置特征，还引入费雪向量中的零阶、一阶、二阶特征来实现SAR图像的超像素分割，并自适应地设置了不同特征的权重，实现了更高的超像素分割性能，提升了边界召回率，降低了误分割率，有助于后续的SAR图像中基于超像素的目标检测和识别性能的提升。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的基于费雪向量的自适应合成孔径雷达图像超像素分割方法流程图。