[发明专利]一种基于极化目标分解特征的变分极化SAR图像分割方法

摘要

本发明公开了一种基于极化目标分解特征的变分极化SAR图像分割方法，利用极化SAR图像的极化相干分解方法和极化非相干分解方法，得到了反应目标属性和目标类型信息的极化目标分解特征向量f，结合区域指示函数FiN、高斯核函数KRBF和基本CV模型，建立能量泛函，采用水平集方法进行求解，得到极化SAR图像的分割结果。本发明给出的方法不仅仅局限于一种或者两种极化目标分解特征数据，而是使用了多种极化目标分解的特征数据，对极化信息的利用是比较充分的。通过定义区域指示函数FiN，可以利用较少数目的水平集函数表示区域数目较多的情况，大大地减少了计算量。将本发明用于极化SAR图像的分割，可以得到较精确的分割结果。

主权项

一种基于极化目标分解特征的变分极化SAR图像分割方法，利用不同极化目标分解的分解特征形成的特征向量，结合核函数和CV模型建立能量泛函，其特征在于，包括如下步骤：步骤1：根据极化目标分解特征数据，建立极化目标分解特征向量：根据极化SAR图像Pauli分解，Huynen分解，Cloude‑Pottier分解，Freeman‑Durden分解，SDH分解，VanZyl分解各自得到的3个分解特征数据，Yamaguchi分解得到的4个分解特征数据，以及Huynen分解的推广分解方法，即Barnes‑Holm分解，在两种不同的特征向量情况下，得到的6个极化特征数据，一共28个极化目标分解特征数据，构成分解特征向量f＝(f1,f2,...,fD)，其中fk,k＝1,...,D,D＝28，表征某一个分解特征；步骤2：将极化SAR图像I(x,y)整个区域Ω任意划分为N个区域Ωi,i＝1,...,N，图像中的每个区域用i标注；步骤3：计算区域指示函数FiN：当2m＝N时，将十进制数i‑1表示为m位的二进制数或1，j＝1,...,m，定义区域指示函数为：当2m‑1＜N＜2m时，定义m1＝m‑1，i1＝i‑i0，将十进制数i1‑1表示为m1位的二进制数或1，j＝1,...,m，定义区域指示函数为：其中，N为图像区域个数，i表示第i个区域，m为水平集函数数目，φj(x,y)，j＝1,...,m为第j个水平集函数，为φj(x,y)对应的正则化Heaviside函数，ε用以控制函数从0上升到1的快慢；步骤4:计算区域的极化目标分解特征均值向量步骤5：对极化目标分解特征向量f和区域的均值向量及其差值的范数进行核函数处理：极化目标分解特征向量f和均值向量通过非线性函数映射到高维空间之后为和f和之间差值的范数经过映射之后为根据核函数的表示式：将转化为用核函数表示的形式：其中，·表示向量间的点乘，(*)T表示向量的转置，K(*,*)表示核函数；步骤6：基于提取的极化目标分解特征向量和高斯核函数，建立极化SAR图像分割能量泛函E：其中，λi为第i个区域的加权系数，μ为边界能量项的加权系数，取值为[0.1,0.5]，为L2范数，▽是图像的梯度算子，φr(x,y)，r＝1,...,m为第r个水平集函数，为正则化的Dirac函数，由正则化Heaviside函数求导所得，根据N的值，按照步骤3计算并按照步骤4计算步骤7：采用变分法最小化能量泛函，利用水平集方法得到曲线演化方程：最小化所述步骤6中的能量泛函E，对φr(x,y),r＝1,...,m进行求导，根据变分原理得到水平集函数的演化方程：当2m＝N时，有：当2m‑1＜N＜2m时，有：其中，表示步骤3中FiN计算式中j＝1,...,m,但j≠r时的计算结果，为边界曲线的曲率，t为时间变量；步骤8：根据所述步骤7得到的曲线演化方程，采用数值方法进行求解，得到极化SAR图像分割结果。