[发明专利]基于剪切波隐马尔可夫模型的合成孔径雷达图像分割方法

说明书

技术领域

本发明属于图像处理领域，特别是一种涉及SAR图像分割的方法，可应用于目标识别。 

背景技术

合成孔径雷达SAR是一种高分辨率雷达体制，可应用于军事，农业，导航，地理监视等诸多领域。它与其它遥感成像系统，光学成像系统相比有很多差异。在军事目标识别方面，SAR图像被广泛的应用在目标检测领域，而SAR图像分割则是从图像处理到图像分析的重要步骤，是目标分类和识别的基础。本质上SAR图像反映的是目标的电磁散射特性和结构特性，其成像效果很大程度上依赖于雷达参数和地域电磁参数。SAR成像的特殊性使得针对该类图像的分割方法有别于普通光学图像：非光学成像方式导致SAR图像灰度级变化缓慢，因此光学图像常用的自适应阈值分割方法对此类图像收效甚微；SAR图像含有大量相干斑噪声，而常规分割方法通常对噪声具有很高的敏感度，不宜用于此类图像；SAR遥感被测地域的电磁波散射特性，这种特性近似的区域会成像为SAR图像中相近的灰度级，而该地域的光学图像中这些区域却很可能呈现不同的灰度级。 

针对SAR图像的以上特点，经典分割方法有： 

基于抑斑的分割方法。这类方法首先对SAR进行滤波，然后利用光学图像的常规分割方法处理。常用滤波方法有Lee方法、Sigma滤波、Kuan方法和Gamma-MAP方法。经过滤波抑斑后再分割与直接分割方法相比效果有所提升，但是抑斑过程中模糊了边缘和纹理信息，导致图像细节信息丢失。 

基于SAR概率分布模型的分割方法。主要有Markov随机场分割方法，分为非因果Markov随机场和因果Markov随机场两种。非因果Markov随机场参数估计困难，且需要迭代；因果Markov随机场易形成方向性块效应。这类方法由于考虑了SAR图像的物理统计特性和先验概率分布知识，因而分割效果较基于抑斑的分割方法有所改善，但是没有充分挖掘SAR图像不同分辨率之间的统计关系，仅研究单一分辨率情况下的先验概率问题。 

基于多尺度隐马尔可夫模型分割方法。H.Choi等人将该小波域HMM模型推广到二维信号并提出了针对纹理图像分割的经典方法小波HMTseg，参见H.Choi andR.G.Barabiuk.Multiscale image segmentation using wavelet-domain hidden Markovmodels，IEEE Trans.on Image Processing，2001，10(9)：1309-1321。由于SAR图像中不同类别地物的纹理特征差异较大，该方法应用于SAR图像分割的效果比前两类方法有较大改善。随后，Duncan D.-Y.Po等人提出了Contourlet域HMT模型，参见D.D.-Y.Po and M.N.Do.Directional multiscale modeling of images using the Contourlettransform.IEEE Workshop on Statistical Signal Processing，2003：262-273。B.S.Raghvendra和P.S.Bhat将该模型应用于纹理图像分割，孙强等人改进了该方法多尺度融合部分中的邻域背景模型，将该方法推广到SAR图像提出了ContourletHMTseg方法，参见沙宇恒，丛琳，孙强等，基于Contourlet域HMT模型的多尺度图像分割.红外与毫米波学报.2005.12，24(6)：472-476。 

随着多尺度几何域HMT模型下SAR图像分割方法的日益成熟，分割效果的评价也在一下四个方面逐渐严苛起来。方向信息的准确性；同质区域的内部一致性；细节信息的完整性；边缘边界的清晰性。小波变换有限的方向性表示在分割过程中损失了一些图像的细节信息和边缘，导致该小波HMTseg方法对包含复杂纹理的SAR图像会产生误分割和区域一致性不理想等现象。由于Contourlet变换对图像方向性变换的数量有约束性，因而很难建立整齐对应的Contourlet域HMT模型，使分割结果对SAR图像的细节有信息损失，边界和边缘等方向信息不完整。 

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于Shearlet域HMT模型的SAR图像分割方法，利用Shearlet变换完备的方向选择性提高边缘分辨精度和区域一致性，保证图像分割信息的完整性，提高SAR图像分割的质量。