[发明专利]一种单极化SAR图像的线引导超像素海岸线提取方法

说明书

本发明公开了一种单极化SAR图像的线引导超像素海岸线提取方法，该方法通过嵌入一种尺寸自适应的双边窗边缘检测器，使改进的ILF算法适用于SAR影像。并将ILF线分布图嵌入到改进的SLIC算法中，使其模型参数受ILF引导控制。最终采用Gabor滤波器以及隐马尔科夫模型对超像素分类，从而实现海岸线提取，进而解决现有超像素对线状物不能贴合的问题，提高SAR图像海岸线提取精度。

技术领域

本发明涉及SAR图像分割与海岸线检测技术领域，具体说涉及一种单极化SAR图像的线引导超像素海岸线提取方法。

背景技术

近年来，在自动导航、海岸侵蚀监测以及海岸地物识别等研究领域广泛使用合成孔径雷达(Synthetic Aperture Radar,SAR)影像对海岸线进行检测，采用这一技术能够时刻监测海岸线的变化，对海岸线资源开发利用具有巨大实用意义。然而，由于海岸区域自然环境复杂以及相干斑等因素的干扰，海岸线检测算法研究仍然面临着严峻的挑战。

针对以上问题，国内外相继提出了多种基于SAR影像的海岸线检测方法，如区域合并算法、主动轮廓模型算法、阈值算法、人工网络算法、马尔科夫随机场(markov randomfield,MRF)算法以及基于超像素的算法等。但是，上述算法在实际应用中仍然存在难以克服的缺陷：区域合并算法易出现难以合并的小区域；基于超像素的合并算法对于带有线状物的SAR影像不能实现贴合，而是将线状物划分为海的一侧；基于边缘的水平集算法精度在很大程度上受限于初始轮廓的设定；阈值算法往往具有复杂的后处理问题，且陆地上的内湖较易错判为海；MRF模型在噪声污染严重的区域以及各种不同的纹理细节等区域仅仅使用一种平稳的分布假设并不成立。

现有技术中针对基于超像素的算法研究成果较多，例如对图像进行去噪，然后使用k-means算法聚类形成超像素，并基于超像素进行分类，最后使用canny算法对分类结果提取海岸线。再如使用slic算法形成超像素，并以超像素为节点构造图模型，然后通过多特征描述子对每个超像素编码，最后将码信息与边缘信息同时输入到graph cut模型中实现海陆分割。更有研究者通过一种改进的局部窗，给出了一种改进的超像素算法，然后考虑超像素均值、相对大小、统计量信息以及相邻信息对超像素进行合并提取海岸线。还有一种基于Gamma分布的超像素算法，提出了一种改进的Triplet Markov Fields(TMF)算法对超像素进行分割以提取海岸线。上述基于超像素的海岸线提取算法，有的对超像素进行分类以提取海岸线，有的对超像素构建graph cut模型实现分割得到海岸线，还有的以超像素为基元构建TMF模型，以实现海岸线检测。然而，这些算法涉及到的超像素算法对图像中的线状物并不能准确贴合，使后续算法得不到准确的输入信息，降低了海岸线检测的精度。

发明内容

鉴于现有技术中存在的不足，本发明的目的是要提供一种单极化SAR图像的线引导超像素海岸线提取方法，该方法通过嵌入一种尺寸自适应的双边窗边缘检测器，使改进的ILF算法适用于SAR影像。并将ILF线分布图嵌入到改进的SLIC算法中，使其模型参数受ILF引导控制。最终采用Gabor滤波器以及隐马尔科夫模型对超像素分类，从而实现海岸线提取，进而解决现有超像素对线状物不能贴合的问题，提高SAR图像海岸线提取精度。

本发明的技术方案如下：

一种单极化SAR图像的线引导超像素海岸线提取方法，包括如下步骤：

S1：读取合成孔径雷达SAR影像I，并设置超像素种子点数量k；

S2：根据所述种子点数量k与图像中的像素数量N，计算相邻种子点距离s，并根据所述相邻种子点距离在图像中均匀分配种子点，得到初始化聚类中心C_k；

S3：初始化每个像素i标签l(i)为-1，并初始化每个像素i与初始种子点的距离d(i)为+∞；