[发明专利]结合GMTRJ算法和EM算法的类加权SAR影像分割方法

说明书

本发明提供一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，涉及影像处理技术领域。该方法首先将待分割SAR影像定义为在影像域D上的随机场的一个实现，并赋予SAR影像中每个类别一个权重构成权重集合；再利用待分割影像和权重集合定义类加权SAR影像，并将其定义为在影像域上的特征场的一个实现；然后利用规则划分技术将类加权SAR影像的影像域划分为多个子块；在划分的影像域上，建立类加权SAR影像分割模型；最后针对已建立的类加权SAR影像分割模型，设定迭代次数，并在每次迭代过程中利用GMTRJ算法设计求解类加权SAR影像分割模型中所有参数，并利用EM算法估算权重集合，进而确定类加权SAR影像分割模型的最优解，完成SAR影像的分割。

技术领域

本发明涉及影像处理技术领域，尤其涉及一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法。

背景技术

统计分割是SAR(Synthetic Aperture Radar，即合成孔径雷达)影像分割的一种常用方法。目前，大部分的统计分割方法均通过构建分割模型并求解该模型参数来实现分割。

RJMCMC(Reversible Jump Markov Chain Monte Carlo,即可逆跳变马尔可夫链蒙特卡洛)算法是一种常用的模型参数求解算法，被广泛应用到分割模型参数求解中。但RJMCMC算法在模型参数求解中存在一些潜在问题，如在每次跳变中难以确定合适的参数，很难平衡求解效率和求解质量；即，若算法快速收敛，则得到的参数解并非最优解，难以保证求解质量；若接受率高且可获得更好的解，则时间复杂度高，难以保证求解效率。GMTRJ(Generalized Multiple-Try Reversible Jump，即广义多试可逆跳变)作为RJMCMC算法的一种改进算法，可有效解决这一问题；该算法利用多重尝试策略，在保证求解效率的同时通过定义权函数确定更合适的参数，以提升其接受率，进而提高求解质量。但目前该算法在遥感影像分割的研究和应用还处于初始阶段，鲜有国内外学者在这方面开展系统性的研究工作。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，实现对SAR影像的分割。

为解决上述技术问题，本发明所采取的技术方案是：一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，包括以下步骤：

步骤1：输入待分割SAR影像，并将其定义为在影像域D上的随机场的一个实现；

将输入的待分割SAR影像x＝{x_d,d∈D}定义为影像域D上的随机场X＝{X_d,d∈D}的一个实现，其中，d为SAR影像中的像素索引，x_d为像素d的强度，X_d表示像素d的强度的随机变量；

步骤2：赋予SAR影像中每个类别一个权重，影像中所有的类别对应的权重构成权重集合；

对于SAR影像中标号为l的类别，赋予其对应的权重ω_l，定义其为解析量；SAR影像中所有类别的权重构成权重集合，记作，ω＝{ω_l,l＝1,…,k}，其中，k为SAR影像中类别总数；

步骤3：利用待分割影像和权重集合定义类加权SAR影像，并将其定义为在影像域上的特征场的一个实现；

利用待分割影像x＝{x_d,d∈D}和权重集合ω＝{ω_l,l＝1,…,k}定义类加权SAR影像，记作，y＝{y_d,d∈D}，其中，为像素d的类加权强度，l_d为像素d所属类别标号，为像素d所属类别的权重；将类加权SAR影像y＝{y_d,d∈D}定义为在影像域D上的特征场Y＝{Y_d,d∈D}的一个实现；其中，为像素d的类加权强度的随机变量；