[发明专利]基于局部和全局区域信息的水平集SAR图像分割方法

权利要求书

1.一种基于局部和全局区域信息相结合的水平集SAR图像分割方法，包括0步骤：

(1)将水平集函数φ初始化成符号距离函数形式，根据水平集函数值的正负，将待分割SAR图像I的整个图像区域Ω分割成内部区域Ω₁和外部区域Ω₂；

(2)根据所述的两个区域Ω₁和Ω₂，构造对应的局部区域能量函数E_L：

EL=λ1∫∫Ω1K(φ)*|I-f1(φ)|2H(φ)+λ2∫∫Ω2K(φ)*|I-f2(φ)|2(1-H(φ)),]]>

其中，λ₁和λ₂是局部能量项的权值，φ是水平集函数，K(φ)是高斯核函数，I是待分割图像，f₁(φ)是区域Ω₁的局部灰度均值，f₂(φ)是区域Ω₂的局部灰度均值，H(φ)为Heaviside函数；

(3)根据所述的两个区域Ω₁和Ω₂，构造对应的全局区域能量函数E_G：

EG=-λ1∫∫Ω1log(p1(I))-λ2∫∫Ω2log(p2(I)),]]>

其中，λ₁和λ₂是全局能量项的权值，p₁(I)是区域Ω₁的估计概率密度，p₂(I)是区域Ω₂的估计概率密度；

(4)结合步骤二构造的局部区域能量函数E_L和步骤三构造的全局区域能量函数E_G，构造总能量函数：

4a)根据局部二值拟合LBF方法中求水平集长度L(φ)的公式，计算水平集长度项L(φ)：

L(φ)=∫∫Ω|▿H(φ)|,]]>

其中是梯度算子，H(φ)为Heaviside函数；

4b)根据局部二值拟合LBF方法中求避免重新初始化的惩罚项P(φ)的公式，计算惩罚项P(φ)：

P(φ)=∫∫Ω12(|▿φ|-1)2,]]>

其中是对水平集函数φ求梯度；

4c)结合步骤二求得的局部区域能量函数E_L，步骤三求得的全局区域能量函数E_G，步骤4a)求得的约束项L(φ)和步骤4b)求得的惩罚项P(φ)，构造完整的总能量函数E_SAR：

E_SAR＝αE_L+(1-α)E_G++μL(φ)+νP(φ)，

其中α用来调节局部和全局能量项的比例，μ是约束项的权值，用来调节长度约束项的值，ν是惩罚项的权值，用来调节惩罚项的值，μ和ν的取值通过实验取得。

(5)根据步骤(4)构造的总能量函数E_SAR对SAR图像I进行分割：

5a)对总能量函数E_SAR利用变分法，得到梯度下降流方程

∂φ∂t=δ(φ)(α(-(λ1e1-λ2e2))+(1-α)(λ1log(P1(I))-λ2log(P2(I)))]]>

+μδ(φ)div(▿φ|▿φ|)+v(▿2φ-div(▿φ|▿φ|)),]]>

其中：δ(φ)是Dirac函数，e₁和e₂为中间变量，其表达式分别是：

e₁＝∫∫_ΩK(φ)*|I-f₁(φ)|²，e₂＝∫∫_ΩK(φ)*|I-f₂(φ)|²，

5b)对梯度下降流方程离散化，得到如下表达式：

φn+1-φnΔt=δ(φ)(α(-(λ1e1-λ2e2))+(1-α)(λ1log(P1(I))-λ2log(P2(I)))]]>

+μδ(φ)div(▿φ|▿φ|)+v(▿2φ-div(▿φ|▿φ|)),]]>

其中：φⁿ⁺¹代表第n+1次迭代后的水平集函数，φⁿ代表第n次迭代后的水平集函数，Δt是迭代步长；

5c)根据步骤5b)得到的离散化方程求得φⁿ⁺¹的表达式为：

φn+1=φn+Δt·(δ(φ)(α(-(λ1e1-λ2e2))+(1-α)(λ1log(P1(I))-λ2log(P2(I)))]]>

+μδ(φ)div(▿φ|▿φ|)+v(▿2φ-div(▿φ|▿φ|))),]]>

5d)根据步骤5c)求得新的水平集函数φⁿ⁺¹，由φⁿ⁺¹的正负值即得到新的分割区域和

5e)判断水平集函数是否收敛且达到最大的迭代次数100次，若不满足则转到步骤(2)，用和替代Ω₁和Ω₂继续迭代，否则停止迭代，得到的和即是最终的分割结果。