[发明专利]一种SAR图像河流分割方法、装置及介质

说明书

本发明公开了一种SAR图像河流分割方法，包括(1)预处理：去除图像噪声斑点并保留图像的细微信息；(2)二值化粗分割：采用阈值对图像进行二值化分割；(3)利用视觉注意计算模型提取二值化粗分割后的图像的显著图；(4)在显著图的基础上，人工交互在河流显著区域选择种子点；(5)采用区域生长的方法，分割生长出河流区域，如果河流区域分割完毕，算法停止运行；如果河流区域未生长分割完毕，跳转到步骤(4)，直到河流区域分割完毕。本发明与阈值法相比有着更高的精度和更优的综合分割性能；与区域生长法的运算效率相当，但有着更高的精度、更低的漏警率和更优的综合分割性能，并且还有效解决了区域生长法分割结果存在空洞的问题。

技术领域

本发明涉及遥感图像处理技术领域，具体而言是一种基于视觉注意机制和区域生长的SAR图像河流分割方法、装置及介质。

背景技术

河流河道的分割在水利评估、水土保持、交通运输及洪涝灾害防治等方面具有非常重要的意义。合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种工作于微波频段的成像雷达，因其全天时、全天候、穿透能力强和监测范围广等优点，使得基于SAR图像的河流目标检测技术受到越来越多的关注。通常来说，与周围邻近地物相比，河面的后向散射系数相对较小，回波信号较弱，导致SAR图像中的河面灰度值较低呈黑色，与图像中陆地的灰度值表现出明显的差异，因此常基于水体像元灰度信息实现河流区域与背景的分割。

研究表明，面对复杂的场景，人类视觉系统可以快速筛选出重要目标，并忽略无关紧要的信息，这种具有选择性和主动性的生理和心理活动被称为视觉注意机制。在SAR图像中，河流区域和背景表现出明显的灰度差异，使得河流区域相对于背景来说是显著的，应用视觉显著性模型快速分割出河流区域范围，有助于提高信息处理效率和整个方法的检测精度。目前常用的视觉注意计算模型有：ITTI视觉注意计算模型、AIM视觉注意计算模型和频谱残差(Spectral Residual，SR)视觉注意计算模型。与前两种视觉注意计算模型相比，频谱残差模型基于频域处理，计算简单快速，有利于迅速提取宽幅SAR图像的显著图和实时系统构建。

在SAR图像河流分割问题中，阈值法和区域生长法是两种应用广泛的基于水体像元信息的分割方法。阈值法分割效率非常高，分割结果漏警率较低，但其抗噪声的能力较差，并且无法解决“同谱异物”的问题，导致分割结果精度较低；区域生长法具有方法简单、运行效率高、分割结果精度较高等特点，但噪声和灰度的不均匀导致分割结果存在空洞及因此导致的漏警率较高的问题。

鉴于以上缺点，实有必要提供一种SAR图像河流分割方法，它同时具有精度较高和漏警率较低的优点，同时运算分割效率也较高。

发明内容

本发明的目的在于提供一种基于视觉注意机制和区域生长的SAR图像河流分割方法、装置及介质，它的分割运算效率与传统的区域生长法相当，且有效解决了传统区域生长法分割结果存在空洞的问题，与阈值法和区域生长法分割结果相比，它有着更高的精度和更优的综合分割性能。

本发明的目的是通过以下技术方案来实现的：

为了克服现有主流应用的SAR图像河流分割方法的缺点，本发明提供一种基于视觉注意机制和区域生长的SAR图像河流分割方法，包括以下步骤：

(1)预处理：去除图像噪声斑点并保留图像的细微信息，得到滤波后的图像；

(2)二值化粗分割：预处理完成后，采用阈值对图像进行二值化分割，当图像中的像素值小于或等于该阈值时，该像素值设置为0；当图像中的像素值大于该阈值时，该像素值设置为255；

(3)利用视觉注意计算模型提取二值化粗分割后的图像的显著图；

(4)在显著图的基础上，人工交互在河流显著区域选择种子点；