[发明专利]一种基于极化特征分解的水平集极化SAR图像分割方法

说明书

技术领域

本发明属于雷达遥感或图像处理技术，即用图像处理技术分析雷达观测信息，具体涉及水平集方法在全极化合成孔径雷达(SAR)图像分割中的应用。

背景技术

极化信息是雷达回波信号中的一种重要信息资源，它对解决当前雷达面临的各种威胁以及提高雷达的信号探测能力具有十分重要的意义。相比于传统的合成孔径雷达(SAR)，极化SAR通过多种极化发射和极化接收天线的组合对每个散射单元获取一个复散射矩阵，从而获得了更为丰富的目标散射信息。随着全极化SAR理论的不断发展，对全极化SAR图像进行解译已经成为近年的研究热点，而图像分割(或分类)是其中非常关键的一个步骤。由于严重的相干斑噪声的影响，极化SAR图像的分割(或分类)十分困难。基于局域的边缘检测方法和基于像素的聚类方法对极化SAR图像进行分割(或分类)时往往需要确定经验阈值，极易受到相干斑噪声的影响，缺乏灵活性和鲁棒性，往往不能形成连续的边界，也无法获得有效的区域信息，相同坐标位置的物体往往被划分为多种类别。虽然可以通过图像预处理(极化滤波处理)及后处理来改善分类结果，但是并不能从根本上解决上述问题。基于区域信息的区域合并等方法虽然能减小噪声的影响，但是分割结果受初始过分割的影响，并且分割结果均为独立的单区域，不能真正做到将同一类别的地物划分为一类。

水平集方法能克服传统图像分割方法的多种缺陷，因而被引入到SAR图像的分割应用之中。利用水平集方法研究SAR图像分割问题，可以有效利用相干斑噪声的概率模型，充分利用图像本身信息，同时由于水平集方法一般使用符号距离函数作为水平集演化曲面，能自然地表达边界和区域，从而内在包含了图像的结构信息，对于区域的拓扑变化也能自动地处理，能够获得较好的分割结果。对于一般SAR图像，水平集分割方法通常利用混合Gamma分布的统计模型来构造水平集分割的能量泛函数并能够取得较好的分割效果。但是对于极化SAR图像，由于数据形式非常复杂，而且包含重要图像特征信息——极化信息，而目前已有的水平集方法均没有考虑对极化信息的利用，因此不能直接应用于极化SAR图像的分割。I.B.Ayed等人提出了一种能够适用于极化SAR图像分割的水平集方法。该方法直接对散射矩阵或相干矩阵进行处理，利用极化数据的目标协方差矩阵和相干矩阵服从复Wishart分布建立了图像分割的能量函数并利用水平集方法求解。由于目标协方差矩阵和相干矩阵包含了全部的极化信息，因此这种方法对极化信息的利用较为充分，但是其缺点也是非常明显的，由于目标协方差矩阵和相干矩阵在每个数据点处都是一个3×3的复矩阵，因此其数学推导及运算非常复杂，特别是随着数据量的增大，这个缺点将变得更为明显。Cloude等人提出了极化特征的另一种表征方法-H-α特征分解方法，通过分解可以获取三个重要的旋转不变极化特征参数：散射熵H、平均散射角α和反熵A，它们从不同方面描述了极化SAR场景的散射特性。

发明内容

本发明的目的是为了克服已有的极化SAR图像分割方法的不足之处，以提高极化SAR图像分割的准确性，特提供一种基于极化特征分解的水平集极化SAR图像分割方法。该方法的基本思路是利用极化复数据的相干分解得到极化特征：散射熵H、平均散射角α和反熵A并将其组成特征矢量，利用特征矢量定义适用于极化SAR图像分割的能量泛函数，从而能够精确描述极化SAR图像特征，采用水平集方法实现偏微分方程的数值求解，从而实现极化SAR图像的精确分割。

本发明详细技术方案如下：

一种基于极化特征分解的水平集极化SAR图像分割方法，如图1所示，包括以下步骤：

步骤1：针对原始极化SAR图像中每个像素点，作如下处理：

步骤1-1：根据原始极化SAR图像中单个像素点的极化散射矩阵S，计算该像素点的极化相干矩阵T。

全极化SAR图像中每个像素点的数据为目标复散射矩阵，一般可以表示为如下的形式：，其中：s_hh是垂直发射且垂直接收的极化分量，s_hv是垂直发射且水平接收的极化分量，s_vh是水平发射且垂直接收的极化分量，s_vv是水平发射且水平接收的极化分量。应用Pauli基对散射矩阵S进行分解得到极化散射矢量为由极化散射矢量k可以生成极化相干矩阵：