[发明专利]基于SLIC超像素的SAR图像多特征区域合并方法

说明书

本发明提出了一种基于SLIC超像素的SAR图像多特征区域合并方法，用于提高SAR图像分割精度。实现步骤为：采用SLIC超像素算法对SAR图像进行分割；提取每个超像素的灰度特征和纹理特征；获取每两个相邻超像素之间的相似性系数；确定待合并的超像素对；计算每个待合并超像素对的合并指数；获取SAR图像多特征区域合并结果；判断超像素的个数与阈值的大小；输出新合并的超像素的SAR图像。本发明首先使用SLIC超像素算法对SAR图像进行过分割，然后借助不同特征将相邻超像素融合，提高了SAR图像的分割精度。

技术领域

本发明属于图像处理技术领域，涉及一种SAR图像分割方法，具体涉及一种基于SLIC超像素的SAR图像多特征区域合并方法。

背景技术

合成孔径雷达(SAR)是将高分辨雷达成像应用到雷达的检测、跟踪与成像等功能里的技术。SAR具有分辨率高、穿透性强、全天时、全天候等特点，使得SAR与红外和光学设备相比不仅可以获得地形和地貌，以及物体的表面信息，还可以获取被地表或植被所掩盖的信息，甚至在光照和气候条件非常恶劣的情况下，也能获得较高分辨率的图像。在SAR图像成像过程中，为了得到高的方位向分辨率，SAR系统利用相干检波技术，对后散射信号进行相干求和计算，正是由于这种随机性，造成了大量的相干斑噪声，给SAR图像的分割提出了不小地挑战。

Rent和Malik在2003年提出了超像素的概念，超像素是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,很大程度上降低了图像后处理的复杂度，所以通常作为分割算法的预处理步骤。基于超像素分割的重要性，人们提出了大量生成超像素的算法，它们的模型都较为复杂，运行时间普遍较长，而且生成的超像素边界也不能与原图像边界很好地匹配。针对这些问题，Achanta等人于2012年提出了简单线性迭代聚类的算法SLIC，用经过改进的kmeans聚类算法来生成超像素，所得到的超像素边界对图像的原始边界具有很强的依附性，并且处理速度与存储效率也优于其他的超像素分割算法。

传统超像素分割算法往往会出现大量过分割，其结果并不是图像分割的最终结果，需要将地物目标内的过分割超像素合并到一起，得到最终分割结果。基于超像素分割的合并算法有效继承了超像素的优点，并改善了超像素的过分割现象，提高了分割效率和精度。

目前，已经提出了一些超像素合并方法。例如申请公布号为CN104794730A，名称为“基于超像素的SAR图像分割方法”的专利申请，公开了一种基于超像素的SAR图像分割方法，主要解决现有技术计算复杂度高，不能分辨细小目标的问题，该发明的实现步骤是：1.SAR图像输入，完成待分割SAR图像的输入以及获取图像信息；2.对输入的SAR图像产生超像素，到超像素图像；3.提取超像素图像的纹理特征和空间特征；4.通过对纹理特征进行聚类，并结合空间特征对超像素进行合并，输出SAR图像的最终分割结果，该方法能够有效的降低传统算法的计算复杂度，缩短SAR图像分割的处理时间，能分辨出细小目标，提高了分割的准确度，但是该发明在第2步中采用让种子膨胀的水平集演化方式生成超像素，该算法虽然计算复杂度较低,但轮廓贴合度较差，运行效率不高，从而影响后续的合并精度。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出了一种基于SLIC超像素的SAR图像多特征区域合并方法，用于解决现有技术中存在的超像素初步分割时轮廓贴合度较差，运行效率低的技术问题。

为了实现上述目的，本发明采用的技术方案包括如下步骤：

(1)采用SLIC超像素算法对SAR图像进行分割：