[发明专利]基于小波散射网络的SAR图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及一种SAR图像分割，具体是一种基于小波散射网络的SAR图像分割方法。可应用于单幅SAR图像的分割。

背景技术

合成孔径雷达(SAR)是一种主动式微波对地观测设备，通过发射和接收雷达波而获得地面信息，具有全天时、全天候工作的特点，且雷达波对地面植被具有一定的穿透能力。SAR图像已广泛应用于军事和国民经济领域，包括飞机目标检测，土地监测，导航，自然灾害监测等。对SAR图像的研究主要包括，SAR图像的去噪，融合，分割，目标检测，变化检测等，其中SAR图像分割是一项基础却又重要的信息提取技术。传统的SAR图像分割算法包括基于像素和基于纹理的分割方法，其中基于像素的分割方法常常需要使用滤波效果好的算法对SAR图像进行去噪，同时此方法对于阈值的选取比较敏感，从而增加了分割方法的计算量；而基于纹理的分割算法则将重点放在对纹理特征的提取上。目前较为普遍的纹理特征提取方法是对SAR图像提取小图像块，然后对小图像块提取纹理特征，其常用的纹理特征包括灰度共生矩阵(GLCM)，小波纹理等。由于这些纹理特征提取算法是基于小图像块，其算法时间复杂度非常大。同时，马尔科夫随机场(MRF)也常被用来描述像素点之间的结构关系。但MRF的迭代优化算法也需要很大的计算量，不利于SAR图像的快速分割。

2011年S.Mallat提出了一种散射变换算子，它能够恢复低频信号中丢失的高频成分，从而更好的保持图像在仿射变换和弹性形变时的不变特性，参见Mallat,Stéphane."Group Invariant Scattering."Communications on Pure&Applied Mathematics65.10(2012):1331–1398。2013年S.Mallat通过级联小波变换的非线性取模值操作和均值操作，构成了一种小波散射网络，能够在保持平移不变和对弹性形变稳定的同时保留有助于解决分类问题的高频信息，其在纹理图像的分类问题上取得了非常好的效果，参见Bruna,Joan,and S.Mallat."Invariant Scattering Convolution Networks."IEEE Trans Pattern Anal Mach Intell 35.8(2013):1872-1886。吴华娟等人直接将此小波散射网络应用于纹理分割问题中，其做法是对纹理图像进行取块操作，然后对每个小图像块应用小波散射卷积网络提取散射系数，作为此图像块的纹理特征，参见吴华娟,张明新,and郑金龙."基于小波散射卷积网络的纹理分割方法."微电子学与计算机30.5(2013)。与之前基于纹理的SAR图像分割算法一样，吴等人的做法需要大量的计算量，从而降低SAR图像分割算法的效率。

以上各种基于纹理的SAR图像分割算法都是在图像块上进行纹理特征的提取操作，其算法复杂度随着图像大小的增大而快速增加。对于SAR图像中的每一个像素点，上述算法都需要取定一个以此像素点为中心的像素块，然后在此像素块上进行纹理特征提取。对于距离小于像素块边长的两个像素点，以这两个像素点为中心的两个像素块之间具有重叠的像素点，而这些重叠的像素点使得对图像块进行纹理特征提取时产生重复计算。两个像素点之间的距离越小，对应的两个图像块之间的重叠像素点越多，纹理特征提取时重复计算就越多，算法效率就越低。

发明内容

针对上述已有技术存在的缺陷，本发明目的在于提出一种快速提取SAR图像纹理特征并进行分割的技术方案，即基于小波散射网络的SAR图像分割方法。该方法实现了SAR图像的高效分割。

本发明是一种基于小波散射网络的SAR图像分割方法，是基于SAR图像纹理的快速特征提取，包括有如下步骤：

1)选择需要进行分割的原始SAR图像，大小为[m,n]，并对其进行预处理，包括Lee滤波去噪和数据归一化操作。

2)设定散射变换最大尺度J，在对SAR图像进行分割时，每个像素点的特征由一个大小为[2*2^J,2*2^J]的图像块确定；当处理SAR图像边界的像素点时，需要对SAR图像边界进行对称拓展，得到拓展后的SAR图像f，大小为[m+2*2^J,n+2*2^J]。