[发明专利]一种基于分水岭的极化SAR影像超像素分割方法

说明书

本发明公开了一种基于分水岭的极化SAR影像超像素分割方法，利用极化信息进行梯度计算；然后按照规则网格布置种子点，并利用标记分水岭算法对极化SAR影像进行超像素分割；最后利用极化信息对初步分割结果进行后处理，将边缘像素划分到其邻近区域中，并消除噪声区域。极化信息的利用以及后处理步骤可最大程度上保证分割精度，以利于后续基于对象的处理和分析。

技术领域

本发明属于遥感图像处理技术领域，尤其涉及一种基于分水岭的极化SAR影像超像素分割方法。

背景技术

分水岭分割是一种基于数学形态学的图像分割方法，它具有原理简单、计算速度快、对微弱边缘具有良好响应等优势。该方法常用于光学图像，在用于SAR图像时，往往将SAR图像转换为光学图像的形式。这种方式一方面会造成信息损失，导致分割结果不准确，另一方面，由于分水岭分割对噪声非常敏感，因此过分割现象严重，所获得的分割结果往往比较细碎。

目前公开文献所提出的改进的算法所采用的策略主要分为以下三种：1、预处理：对原始图像进行滤波或平滑；2、梯度图计算：利用改进的梯度算子计算梯度图像；3、后处理：对分割后得到的微小区域进行合并。

根据误差传播定理，处理步骤越靠前，其误差造成的影响越大。因此预处理步骤中如果采用的滤波或平滑算法不当，会对图像原始信息造成损失，影响分割结果的精度。

由分水岭分割的算法原理可知，梯度图计算(或边缘检测)步骤对分水岭分割结果影响较大，甚至起到决定作用。传统的分水岭分割直接采用常规梯度算子进行梯度图计算，这些常规的梯度算子对于SAR及极化SAR影像并不适用。

在后处理步骤，如果不充分考虑图像特性及具体应用，可能会导致微小区域与差异较大的区域合并，从而造成欠分割及分割不精确等问题。

发明内容

本发明的目的在于充分利用极化SAR影像中包含的极化信息，针对极化SAR影像的特点，对常规分水岭分割算法进行改进，提出一种基于分水岭的极化SAR影像超像素分割方法，使其能直接用于极化SAR图像，从而避免信息损失，得到高精度的分割结果。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于分水岭的极化SAR影像超像素分割方法，包括以下步骤：

步骤1：采用ROA边缘检测法，利用极化SAR图像相干矩阵或协方差矩阵计算梯度图；

步骤2：设置超像素个数N，根据超像素个数，将图像按照规则网格进行划分，均匀布设标记点；

优选地，为避免标记点布设在同质区域的交界处，设置扰动半径r，标记点最终的布设位置在初始布设位置的半径r范围内梯度最小的点上；

步骤3：将梯度值视为高程值，则梯度图可视为地形图，以标记点为注水点，模拟注水过程，进行加入空间约束的标记分水岭分割；

步骤4：边缘像素处理：利用极化SAR图像相干矩阵或协方差矩阵，计算边缘像素与邻接区域的非相似度，将其合并到非相似度最小的邻接区域中。

进一步，所述步骤1中，采用ROA边缘检测法计算梯度图，具体步骤如下：

步骤1.1：设置检测模板参数l、w、d、θ，获得n＝π/θ个模板；其中，l是模板长度，w是模板宽度，d是模板区域R₁和R₂间的距离，θ是模板对应的角度；检测模板的中心像素点为待检测点；

步骤1.2：对n个不同方向θ下的模板，计算模板区域R₁和R₂之间的梯度G₁₂(θ)，获得n个梯度值；其中，梯度的计算公式为：