[发明专利]基于局部Gamma拟合的活动轮廓SAR图像分割方法

说明书

技术领域

本发明属于图像处理领域，涉及一种图像分割方法，特别涉及一种SAR图像的活动轮廓图像分割方法。

背景技术

合成孔径雷达（SAR）以其全天时、全天候的高分辨率数据获取能力成为军事及民用领域普遍采用的对地观测技术。图像分割是SAR图像自动解译的基础性工作,受到了广泛的关注。由于SAR系统采用相干成像处理,致使SAR图像中存在大量相干斑噪声,这也是SAR图像精确分割的重要障碍。立足于消除斑点噪声的影响,传统SAR分割方法需求通过相干斑预处理,但由于预处理在抑制相干斑的同时,不可避免地损失了潜在边界等细节信息,致使分割效果不佳。

目前,基于曲线演化理论和水平集方法的几何活动轮廓模型（Active Contour Model, ACM）受到了众多研究者的关注, SAR图像的ACM分割研究也方兴未艾。ACM实现图像分割的基本思想是:将演化曲线（活动轮廓）隐含地表示为更高维曲面的零水平集,水平集在演化方程控制下进行演化,直至图像的目标边界。ACM有许多优点:曲线演化过程始终处于固定格网,数值实现简单；能够自动处理边界的拓扑变化；提供光滑、闭合的高精度分割曲线,方便后续的图像解译工作；特别是区域ACM能够利用图像全局信息定义能量泛函,对斑点噪声具有较好的抑制作用,从而避免了复杂的相干斑预处理过程。

然而,现有SAR图像的ACM分割方法均基于图像区域内目标地物的强度统计,其分割精度取决于统计分布对图像数据的整体拟合程度,而忽略了边界局部结构的有效表征,从而导致分割结果不理想,特别是在处理深度凹陷等复杂边界情况时存在较大局限。

发明内容

本发明针对现有技术的不足，提出一种基于局部Gamma拟合的活动轮廓SAR图像分割方法。该方法首先利用Gamma分布表征SAR图像中每个像素一定邻域内的局部结构，以极大似然作为该邻域的区域分离准则并以此定义局部拟合能量项；然后通过全局积分，得到全局优化的能量泛函；最后利用几何活动轮廓模型描述和求解能量最小化过程，更好地实现SAR图像的精确分割。

本发明是通过以下技术方案实现，包含的步骤如下：

步骤1将定义域为                                                的SAR图像划分为个全剖分的同质子区域，该同质区域集满足，。对定义域上的每个像素点的邻域内做如下处理，实现局部划分。

步骤1.1 根据相干斑噪声模型,目标区域均匀的SAR图像满足Gamma分布。利用Gamma分布拟合邻域内的局部结构，定义区域的概率模型，对于任意：

                  

其中是SAR图像的视数，是区域的强度均值，是Gamma函数；

步骤1.2利用极大似然（Maximum Likelihood）作为邻域的区域分离准则：

                 

最大化等价于最小化，以定义能量泛函即可表征局部区域分离。 

步骤1.3 结合用以控制邻域采样范围的权函数，得到邻域的局部拟合能量项，从而实现局部划分：

                 。

用水平集函数表示局部二分拟合能量项：

，

其中，，而是单位阶跃函数；

步骤2根据步骤1所得的点局部能量项，定义域内对积分得到全局的能量泛函

            ，

其中用以纠正水平集函数与符号距离函数的偏差，避免演化过程中的周期性初始化过程，而是长度约束项, 是梯度算子，而是各能量项的权值系数；

步骤3利用Euler-Lagrange变分极小化步骤2的能量泛函，得到曲线演化的控制方程

                ，

是时间变量，式中是狄拉克函数，是演化曲线的曲率，而 

其中是局部区域均值，满足：

；

步骤4利用有限差分方法对步骤3所得的曲线演化控制方程进行迭代求解： 

,

是时间步长，式中为控制方程右边的差分离散形式。

本发明根据上式迭代实现，最终得到闭合分割曲线就是由所组成，即是原始SAR图像的分割结果。

本发明与现有技术相比具有以下优点：

1本发明结合SAR图像局部和全局信息定义能量泛函，对斑点噪声具有较好的抑制作用，因此无需复杂的相干斑预处理过程；