[发明专利]边缘和区域概率密度差相结合的水平集SAR图像分割方法

摘要

本发明公开了一种基于边缘和区域概率密度差相结合的水平集SAR图像分割方法，它属于图像处理技术领域，主要解决现有水平集方法难以分割边缘模糊的SAR图像和对SAR图像真实边缘定位不准的问题。其实现步骤包括：首先应用ROEWA算子检测SAR图像边缘强度模值|R_max|；其次初始化水平集函数φ，将SAR图像分成内外两个区域Ω₁和Ω₂，并求区域这两个区域的强度均值c₁和c₂；再次根据c₁和c₂求区域Ω₁和Ω₂的估计概率密度和并计算这两个区域的实际概率密度p₁和p₂；而后构造总能量函数E_SAR，并应用变分法求梯度下降流方程，更新水平集φ，得到新的分割区域Ω₁和Ω₂。实验结果表明本发明所实现的分割方法能得到比较理想的分割效果，可用于SAR图像的边缘检测和目标识别。

主权项

1.一种边缘和区域概率密度差相结合的水平集SAR图像分割方法，包括以下步骤：(1)对待分割SAR图像I应用ROEWA边缘检测算子进行边缘检测，得到边缘强度模值|R_max|；(2)将水平集函数φ初始化成圆形的符号距离函数形式，根据水平集函数值的正负，将SAR图像分割成两个区域Ω₁和Ω₂；(3)根据所述的两个区域Ω₁和Ω₂，利用下式分别计算对应的估计概率密度和以及真实估计概率密度p₁和p₂：3a)利用下式计算区域Ω₁和Ω₂的强度均值：ci=∫∫ΩiI(x,y)dxdy∫∫Ωidxdy,]]>其中i＝1，2，(x，y)是图像坐标；3b)结合步骤3a)得到的强度均值，利用下式计算区域Ω₁和Ω₂的估计概率密度和piE(I)=LLciΓ(L)(Ici)L-1e-LI/ci,]]>其中L是SAR图像的视数，Γ(·)是Gamma函数，i＝1，2；3c)利用下式计算区域Ω₁和Ω₂的实际概率密度p₁和p₂：pi(I)=∫∫Ωiδ(I(x1,y1)-I)dx1dy1∫∫Ωidx1dy1,]]>其中I(x₁，y₁)代表坐标为(x₁，y₁)的图像像素值，i＝1，2；(4)结合步骤(1)、步骤(2)、步骤(3)构造总的分割能量函数模型E_SAR：ESAR=Σi=12∫∫Ωiλi(piE-pi)2+μ∫∫Ωg(|Rmax|)|▿H(φ)|+v∫∫Ω12(|▿φ|-1)2,]]>其中Ω是整个图像区域，即Ω＝Ω₁+Ω₂，λ_i，i＝1，2是第一部分即区域能量项的权值，μ是第二部分边缘能量项的权重，v是第三部分修正项的权值，λ_i＞0，μ＞0，v＞0，是梯度算子，H(·)是Heaviside函数，g(|R_max|)是定义在边缘强度模值|R_max|上的指示函数，表达式如下：g(|Rmax|)=11+|Rmax|2/k2,]]>其中k是正的比例常数；(5)根据步骤(4)构造的分割能量函数模型对SAR图像I进行下一步分割：5a)对总的分割能量函数模型应用最速下降法，得到梯度下降流方程∂φ∂t=δ(φ)(-λ1(p1-p1E)2+λ2(p2-p2E)2]]>+μδ(φ)div(g(|Rmax|▿φ|▿φ|)+v(Δφ-div(▿φ|▿φ|)),]]>其中δ(·)是Dirac函数，Δ是拉普拉子算子；5b)对梯度下降流方程离散化，得到如下表达式：φn+1-φnΔt=δ(φ)(-λ1(p1-p1E)2+λ2(p2-p2E)2]]>+μδ(φ)div(g(|Rmax|▿φ|▿φ|)+v(Δφ-div(▿φ|▿φ|))]]>其中φⁿ⁺¹代表第n+1次迭代后的水平集函数，φⁿ代表第n次迭代后的水平集函数，初始化的水平集函数φ是n＝0时的φⁿ，是迭代步长；5c)根据步骤5b)求得新的水平集函数φⁿ⁺¹，由φⁿ⁺¹的正负值即得到新的分割区域和5d)判断水平集函数是否收敛且达到最大的迭代次数，若不满足则转到步骤(3)，用和替代Ω₁和Ω₂继续迭代，否则停止迭代，得到的和即是最终的分割结果。