[发明专利]一种基于联合显著性分析的SAR图像油库区检测方法

摘要

本发明公开一种基于联合显著性分析的SAR图像油库区检测方法，属于SAR图像处理及图像识别技术领域。实施过程包括：1)利用增强的方向平滑滤波器对一组SAR图像进行降噪处理；2)提取一组SAR图像中的亮度特征、纹理特征和曲线特征；3)利用模糊C均值聚类获得簇；4)利用全局对比度计算各个簇的显著值，得到共性显著特征图；5)计算每幅图像的共生直方图，通过分析共生直方图，计算得到单图显著特征图；6)融合共性显著特征图和单图显著特征图，得到油库区显著图；7)通过最大类间方差法进行阈值分割提取油库区。与传统的方法相比，本发明实现了对SAR图像油库区的准确提取，可应用于港区建设、环境监测及石油储量分析等方面。

主权项

1.一种基于联合显著性分析的SAR图像油库区检测方法，本方法针对一组具有相似地物特征的SAR图像进行处理，首先，利用方向平滑滤波器对一组SAR图像进行降噪处理，其次，提取一组SAR图像的亮度特征、纹理特征和曲线特征，进行共性显著特征分析，得到一组SAR图像的共性显著特征图，再次，基于共生直方图，计算得到一组SAR图像中每一幅图像的单图显著特征图，然后，融合共性显著特征图和单图显著特征图，得到一组SAR图像的最终显著图，最后通过最大类间方差法对最终显著图进行阈值分割提取油库区，其特征在于，包括以下步骤：步骤一：进行SAR图像降噪处理，即构建一个增强的方向平滑滤波器，通过该滤波器的核函数在滑动窗口中执行低通滤波，使一组SAR图像中每幅图像的斑点噪声均得到有效降低；步骤二：在一组SAR图像中，提取每幅图像各像素的亮度特征、纹理特征和曲线特征，即对于一组SAR图像中的每一幅图像，提取图像中各像素的亮度信息作为该像素的亮度特征，对图像进行下采样，在下采样图像上使用基于邻域阈值的局部二值模式提取每个像素的纹理特征，对图像中的所有像素点进行张量投票，计算得到每个像素的曲线特征，将提取的各像素的亮度特征、纹理特征以及曲线特征作为本发明中聚类使用的共性显著特征；步骤三：利用模糊C均值聚类算法完成聚类，即在一组SAR图像中，利用每幅图像各像素的亮度特征、纹理特征和曲线特征，构建像素的共性显著特征向量，通过模糊C均值聚类算法，将一组SAR图像中所有像素的共性显著特征向量进行聚类，得到k个簇；步骤四：计算一组SAR图像中每幅图像的共性显著特征图，即通过测量各像素的共性显著特征向量在各个簇中的出现频率，来计算簇与簇之间的距离，然后将第i个簇中含有的像素数与总像素数相除，相除的结果定义为第i个簇的权重，其中i＝1、2…k，得到所有k个簇的权重后，令一个簇到其他簇的距离的加权和为该簇的对比度显著值，把簇的对比度显著值赋给每一个属于该簇的像素点，由此获得一组共性显著特征图；步骤五：计算一组SAR图像中每幅图像的单图显著特征图，即在一组SAR图像的每一幅图像中，统计所有强度值为a的像素的8邻域内，强度值为b的像素的个数，其中a和b的取值范围为0至255，然后将统计得到的像素对(a,b)的个数排列成一个方阵，该方阵即为图像的共生直方图，然后用共生直方图中不同数值的出现概率的负对数，来描述直方图中每个点的初始显著值，最后增强初始显著值差异，得到一组SAR图像的单图显著特征图；步骤六：计算一组SAR图像中每幅图像的最终显著图，即对一组SAR图像的每一幅单图显著特征图进行归一化，将归一化后的单图显著特征图中每个像素的灰度值记为对应SAR图像相同位置像素的显著性权重，用该权重来增强对应SAR图像的共性显著特征图，从而获得一组SAR图像的最终显著图；步骤七：利用最大类间方差法准确提取一组SAR图像中每幅图像的油库区，即通过最大类间方差法计算得到最终显著图的分割阈值，利用该阈值将一组SAR图像中每幅图像的最终显著图分割为一幅二值图像模板，该模板中“1”代表油库区，“0”代表非油库区，最后将二值图像模板与对应SAR图像相乘，从而得到该SAR图像的油库区提取结果。