[发明专利]基于边缘和区域信息的水平集SAR图像分割方法

摘要

本发明公开了一种基于边缘和区域信息相结合的水平集SAR图像分割方法，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：首先应用指数加权均值比率算子检测SAR图像边缘，并得出边缘强度模值|R_max|，构造边缘能量项；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p₁和p₂，并构造区域能量项；最后加入避免重新初始化的修正能量项，构造总能量函数E_SAR，并应用变分法求梯度下降流方程，并更新水平集φ，得到新的分割区域和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

1.一种基于边缘和区域信息的水平集SAR图像分割方法，包括以下步骤：(1)对待分割SAR图像I应用指数加权均值比率的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)根据两个区域Ω₁和Ω₂，计算其对应的估计概率密度p₁和p₂：3a)计算区域Ω₁和Ω₂的强度均值c_i：其中i＝1，2，(x，y)是图像坐标；3b)根据强度均值c_i，计算区域Ω₁和Ω₂的估计概率密度p₁和p₂：pi(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；(4)结合步骤(1)-步骤(3)，构造总的分割能量函数模型E_SAR：ESAR=-Σi=12∫∫Ωiλilog(pi)+μ∫∫Ωg(|Rmax|)|▿H(φ)|+v∫∫Ω12(|▿φ|-1)2,]]>其中Ω是整个图像区域，即Ω＝Ω₁+Ω₂，是区域能量项，是边缘能量项，是修正项能量项，λ_i是区域能量项的权值，i＝1，2，μ是边缘能量项的权值，v是修正项的权值，λ_i＞0，μ＞0，v＞0，是表示对φ求梯度，H(φ)是Heaviside函数，表示对H(φ)求梯度，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进行分割：5a)对总的分割能量函数模型应用变分法，得到梯度下降流方程∂φ∂t=δ(φ)(-λ1log(p1)+λ2log(p2))]]>+μδ(φ)div(g(|Rmax|▿φ|▿φ|)+v(Δφ-div(▿φ|▿φ|)),]]>其中δ(φ)是Dirac函数，Δ是拉普拉斯算子；5b)对梯度下降流方程离散化，得到如下表达式：φn+1-φnΔt=δ(φ)(-λ1log(p1)+λ2log(p2))]]>+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，Δt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100次，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。