[发明专利]基于高阶多尺度CRF无监督的SAR图像分割方法

权利要求书

1.一种基于高阶多尺度条件随机场CRF无监督的合成孔径雷达SAR图像分割方法，其特征在于，利用名义逻辑回归模型NLRM，计算高阶多尺度条件随机场的局部类条件概率；利用相关参数迭代法，计算高阶多尺度条件随机场CRF的相关参数；利用特征参数迭代法，计算高阶多尺度条件随机场CRF的特征参数，该方法的步骤包括如下：

(1)输入合成孔径雷达SAR图像；

(2)将输入的合成孔径雷达SAR图像进行小波变换，得到多尺度合成孔径雷达SAR图像；

(3)计算高阶多尺度条件随机场CRF的直方图特征：

(3a)用半径为7个像素点的窗口，在多尺度合成孔径雷达SAR图像内，以一个像素点为间隔滑动，对多尺度合成孔径雷达SAR图像进行滑窗操作，分别计算每个滑窗内所有像素值的直方图特征；

(3b)将多尺度合成孔径雷达SAR图像内，每个滑窗中所有像素值的直方图特征组成高阶多尺度条件随机场CRF的直方图特征；

(4)计算高阶多尺度条件随机场CRF的半方差特征：

(4a)用半径为7个像素点的窗口，在多尺度合成孔径雷达SAR图像内，以一个像素点为间隔滑动，对多尺度合成孔径雷达SAR图像进行滑窗操作；

(4b)按照下式，计算每个滑窗内的所有像素值的东西方向的半方差：

其中，表示第m个滑窗内的所有像素值的东西方向的半方差,n_m表示第m个滑窗内的所有像素点的总数，∑表示求和操作，i表示第m个滑窗内像素点行的序号，j表示第m个滑窗内的像素点列的序号，y_i,j表示第m个滑窗内的第i行第j列像素点的像素值；

(4c)按照下式，计算每个滑窗内的所有像素值的南北方向的半方差：

其中，表示第m个滑窗内的所有像素值的南北方向的半方差；

(4d)按照下式，计算每个滑窗内的所有像素值的东北西南方向的半方差：

其中，表示第m个滑窗内的所有像素值的东北西南方向的半方差；

(4e)按照下式，计算每个滑窗内的所有像素值的西北东南方向的半方差：

其中，表示第m个滑窗内的所有像素值的西北东南方向的半方差；

(4f)将每个滑窗内的所有像素值的东西方向的半方差，南北方向的半方差，东北西南方向的半方差，和西北东南方向的半方差构成该滑窗的半方差特征；

(4g)将多尺度合成孔径雷达SAR图像内，每个滑窗中所有像素值的半方差特征组成高阶多尺度条件随机场CRF的半方差特征；

(5)组成高阶多尺度条件随机场CRF的特征向量：

(5a)将高阶多尺度条件随机场CRF所有的直方图特征，半方差特征和数字1组成高阶多尺度条件随机场CRF的局部特征向量；

(5b)利用指数加权平均比算子，计算多尺度合成孔径雷达SAR图像在各个尺度中每个像素点和与其邻域系统中每个像素点之间的边缘强度；

(5c)用高阶多尺度条件随机场CRF的局部特征向量与边缘强度，组成高阶多尺度条件随机场CRF的特征向量；

(6)利用下述名义逻辑回归模型NLRM，计算高阶多尺度条件随机场CRF的局部类条件概率：

其中，P_s表示合成孔径雷达SAR图像内第s个像素点的高阶多尺度条件随机场CRF的局部类条件概率，w_l表示多尺度合成孔径雷达SAR图像中第l个类别的特征参数，初始值为单位向量，T表示转置操作，d表示多尺度合成孔径雷达SAR图像中类别的序号，L表示多尺度合成孔径雷达SAR图像中类别的总数；

(7)初始分割合成孔径雷达SAR图像：

利用最大化局部类条件概率的方法，初始分割合成孔径雷达SAR图像；

(8)计算每个像素点的边缘概率：

利用均值场估计法，计算当前分割后的合成孔径雷达SAR图像中每个像素点高阶多尺度条件随机场CRF的边缘概率；

(9)计算每个像素点的联合后验边缘概率：

采用自下而上的递归方法，利用每个像素点的边缘概率，计算当前分割后的合成孔径雷达SAR图像中每个像素点高阶多尺度条件随机场CRF的联合后验边缘概率；

(10)计算每个像素点的后验边缘概率：

采用自上而下的递归方法，利用每个像素点的联合后验边缘概率，计算当前分割后的合成孔径雷达SAR图像每个像素点高阶多尺度条件随机场CRF的后验边缘概率；

(11)估计高阶多尺度条件随机场CRF的模型参数：

(11a)用广义伽马Gamma参数，分割后的多尺度合成孔径雷达SAR图像的水平相关参数，垂直相关参数，尺度间相关参数，高阶多尺度条件随机场CRF的特征参数，组成高阶多尺度条件随机场CRF的模型参数；

(11b)根据当前的高阶多尺度条件随机场CRF的模型参数，计算合成孔径雷达SAR中每个像素点的后验边缘概率，将所有像素点的后验边缘概率和原始合成孔径雷达SAR图像输入到吉布斯Gibbs采样器中，得到2个采样图像；

(11c)采用对数累计量MoLC方法，计算每个采样图像的广义伽马Gamma参数；

(11d)采用相关参数迭代法，计算每个采样图像的相关参数；

(11e)采用特征参数迭代法，计算每个采样图像的特征参数；

(11f)将两个采样图像所得的高阶多尺度条件随机场CRF的模型参数分别取平均，得到高阶多尺度条件随机场CRF的模型参数；

(11g)判断当前的模型参数是否收敛，若是，则执行步骤(11h)；否则，将当前参数估计的迭代次数加1后执行步骤(11b)：

所述的收敛是指本次迭代得到参数，与上次迭代得到的参数的差小于10^-3；

(11h)得到高阶多尺度条件随机场CRF的模型参数；

(12)分割合成孔径雷达SAR图像：

利用当前高阶多尺度条件随机场CRF的模型参数，计算多尺度合成孔径雷达SAR图像在各个尺度中每个像素点的后验边缘概率的最大值对应的类别，作为该像素点的类别，获得当前对合成孔径雷达SAR图像的分割结果；

(13)判断当前分割合成孔径雷达SAR的结果是否稳定，若是，则执行步骤(14)；否则，将当前的迭代次数加1后执行步骤(6)：

所述的稳定是指本次迭代得到的图像的分割结果与上一次迭代的分割结果无明显差异；

(14)结束分割：

结束对合成孔径雷达SAR图像的分割，得到高阶多尺度条件随机场CRF无监督的合成孔径雷达SAR图像分割结果。