[发明专利]一种超像素的概率因子TMF的SAR图像海岸线检测算法

摘要

本发明公开了一种超像素的概率因子TMF的SAR图像海岸线检测算法读取合成孔径雷达采集到的SAR图像，生成对应的纹理图像Itexture均匀选取种子点，遍历所述的纹理图像Itexture，将无边缘的局部窗作为邻域点的集合C中的特征点，计算种子点的特征均值和方差，根据均值法更新每一类标签的特征和每一个超像素的特征，并计算出ps,i，进而更新二维向量的标记场X，重复循环纸质超像素保持不变，进行条件迭代，得到海岸的检测结果。本发明不再采用传统的增加特征维数的方法，而是由液体扩散系数的启发提出了用统计量表示图像的方法，提出这种纹理，使用该统计量可以在一定程度上降低SAR图像中海洋和陆地的纹理复杂性，同时在一定程度上增强海洋和陆地的对比度。

主权项

一种超像素的概率因子TMF的SAR图像海岸线检测算法，其特征在于包括如下步骤：S1：读取合成孔径雷达采集到的SAR图像，生成对应的纹理图像Itexture；S2：根据图像的大小输入种子点数k，其取值范围为所述纹理图像Itexture大小的10％‑20％，并在所述纹理图像Itexture中均匀选取种子点；S3：遍历所述的纹理图像Itexture，在每一个点的7像素×7像素的局部窗内计算局部纹理图像Ipart，判断当前局部窗内是否含有边缘并根据所述局部窗内是否含有边缘确定用于计算特征的邻域点的集合C，将无边缘的局部窗作为邻域点的集合C中的特征点；S4：根据所述步骤S3所得的邻域点的集合C计算所有点的特征均值和方差；S5：计算每个邻域点和选取的种子点之间的特征距离dci,j，邻域点和种子点之间位置的欧氏距离dsi,j及种子点与邻域点空间距离和特征距离的加权距离di,j，通过比较di,j的大小将当前所述di,j，将di,j较小的邻域点j归入种子点i形成超像素；根据均值法更新每个选取的种子点特征；S6：重复步骤S3‑S5直至前后两次超像素的边缘不再发生变化，超像素恒定后进行步骤S7；S7：初始化超像素标签，同时初始化辅助场U；遍历所述合成孔径雷达采集到的SAR图像计算出超像素S属于第i类的概率ps,i初始化二维向量的标记场X并计算第i类超像素的均值μi和第i类超像素方差σi；S8：根据步骤S7计算出的第i类超像素的均值μi计算Gamma分布S9：根据计算的二维向量的标记场X，辅助场U计算势能函数，并更新超像素和辅助场U；S10：根据均值法更新每一类标签的特征和每一个超像素的特征，并计算出ps,i，进而更新二维向量的标记场X；S11：重复步骤S7‑S10，直至标记场不变停止更新；更新后使用ICM算法和SG算法对参数集θ＝{αx,αua,αub}更新，最后通过ICM算法进行条件迭代，得到海岸的检测结果。