[发明专利]基于变分水平集的SAR图像超像素分割方法

权利要求书

1.一种基于变分水平集的SAR图像超像素分割方法，其特征在于，包括如下：

(1)输入待分割的SAR图像I，在SAR图像I上以晶格的形式均匀插入K个半径为1像素的超像素块种子点来生成超像素块区域，K＝1,2,3...，将SAR图像I粗略地分割为由K个超像素块区域组成的图像；

(2)分别设计基于SAR图像相干斑噪声的能量泛函E_N(x,y)和基于SAR图像纹理信息的能量泛函E_T(x)，能量泛函即映射的微分的模长平方的积分，并且分别将两能量泛函插入到由种子点生成的超像素块区域边界的边缘演化迭代方程中，得到新的迭代方程；

(3)利用得到的迭代方程对由种子点生成的各超像素块区域边界进行边缘演化，以提高各个由种子点生成的超像素块区域边界的贴合度与光滑性，当分割出的所有由种子点生成的超像素块总面积覆盖了SAR图像I时，停止对各像素块区域边界的边缘演化，完成对SAR图像I的超像素分割。

2.根据权利要求1所述的方法，其中(2)中设计基于SAR图像相干斑噪声的能量泛函E_N(x,y)，其实现如下：

(2a)通过统计方法获得回波衰落所引起的SAR图像I相干斑噪声所符合的概率模型P_k(u(x,y))，并将模型改写为似然函数L(u(x,y))，其中u(x,y)是图像的强度函数，x、y为回波衰落信号的实部和虚部；

(2b)对似然函数L(u(x,y))进行最大化，并将概率模型P_k(u(x,y))带入到最大化后的似然函数中，得到所需要的相干斑噪声能量泛函E_N(x,y)为：

E_N(x,y)＝-(logω_i+N_ilogμ_i)-(logω_b+N_blogμ_b)+c，

其中，N是第K个图像区域Ω_k像素点的数量[k∈(i,b)]，ω为第K个图像区域Ω_k像素点的数量的先验概率，μ为第K个图像区域Ω_k像素点的数量的均值，i和b分别表示图像的目标区域和背景区域，c为常数。

3.根据权利要求1所述的方法，其中(2)中设计基于SAR图像纹理信息的能量泛函E_T(x)，其实现如下：

(2c)提取SAR图像I纹理特征的结构张量；

(2d)对所提取的结构张量进行扩散滤波处理，之后引入非线性扩散代替高斯平滑，以形成非线性的结构张量ρ[I_j],j＝1,2,3,4；

(2e)利用非线性结构张量ρ[I_j]的特征值定义SAR图像I的纹理特征T(x)：

其中，λ'₁和λ'₂分别为非线性结构张量ρ[I_j]两个不同的特征值，B为SAR图像I的纹理特征T(x)标量；

(2f)将纹理特征T(x)嵌入到现有的区域竞争模型中，得到所需要的纹理信息能量泛函E_T(x)：

E_T(x)＝-∫_x∈Ωlogp_i(T(x))dx,Ω＝Ω₁∪Ω₂i＝1,2

其中，p_i为图像纹理特征T(x)在SAR图像区域Ω上的概率密度函数，区域Ω₁为SAR图像分割曲线内部的区域，Ω₂为SAR图像分割曲线外部的区域。

4.根据权利要求1所述的方法，其中(3)中对由种子点生成的各超像素块区域边界进行边缘演化，其实现如下：

(3a)令各个超像素块区域边界为边缘曲线C，通过曲线演化理论得到关于曲线C的边缘曲线的演化方程为：

其中，t为演化时间，p为点参数，为边缘曲线在点p的切线方向，为在点p的法向量，α和β分别表示边缘曲线在切线方向和法向方向的演化速率分量；

(3b)选取演化方程中有效影响边缘曲线C几何形状的法向速度β(p,t)，将边缘曲线的演化方程更改为：

其中，F是边缘曲线演化的速度；

(3c)利用(2)中得到的新的迭代方程对(3b)中曲线演化方程的偏微分方程进行迭代求解，直到得到各个超像素块区域边界的边缘曲线贴合度的最优值，完成对各超像素块区域边界的边缘演化。