[发明专利]一种基于Gamma分布超像素方法和基于超像素TMF的SAR图像海岸线检测方法

摘要

本发明公开了一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，通过读取图像I，输入种子点数k，并根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小，直至超像素的边界不再发生变化，输入所述超像素图像，更新种子点并计算势能，最终输出海岸线结果。本发明在SAR图像海岸线检测算法中提出了一种全新的TMF算法，能够良好的解决中心像素和邻域像素之间的相对位置关系的问题，而解决前一问题需要引入超像素方法。

主权项

一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，其特征在于包括如下步骤：S1：读取图像I，并输入种子点数k；S2：根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小；S3：在每一个种子点周围选择一个5像素×5像素的邻域窗，计算邻域窗内每一个种点子局部窗内的均值作为当前点的特征，对该特征通过聚类算法确定局部窗内和中心点纹理特征很相似的点集C并计算相似点集C：C=arg(x,y)(μ(1-0.53)<I(x,y)<μ(1+0.53))(x,y)∈W]]>其中，(x,y)表示局部窗内像素点坐标，I(x,y)表示局部窗内像素点的像素值，W表示局部窗，N表示C中像素个数，μs(x,y)表示(x,y)位置像素局部窗内的均值，表示C中每一个点的μs均值，σ表示的是局部窗内均值的方差；S4：遍历所述图像，根据步骤S3计算出每一个邻域点的特征，根据式计算中心点和邻域点位置的欧氏距离与统计量的欧氏距离的加权距离di,j，比较di,j形成超像素；所述邻域点和种子点之间的距离di,j：其中，μi表示种子点i的均值，μj表示邻域点j的均值，σi表示局部窗内i的均值的方差，σj表示局部窗内j的均值的方差其中xi表示中心点i的行坐标，yi表示中心点i的列坐标，xj表示邻域点j的行坐标，yj表示邻域点j的列坐标其中，m表示dci,j与dsi,j之间的权重系数；所述相邻种子点之间的距离S其中，N表示图像像素总数，k表示种子点数；S5：更新种子点的位置为每一类超像素中所包含的所有点位置的均值；S6：重复步骤S3‑S5直到所述超像素的边界不再发生变化，停止重复，输出超像素图像；S7：输入所述超像素图像，对所述超像素使用kmeans算法初始聚成2类，并将该聚类结果当作初始的标记场Xsp，同时根据Xsp初始化辅助场Usp并计算势能Wsp(Xsp,Usp)；S8：更新标记场Xsp和辅助场Usp，并通过ICM算法和SG算法对参数集θ进行更新：S9：重复步骤S7‑S8直到标记场不再发生变化为止，输出海岸线结果。