[发明专利]基于剪切波隐马尔可夫模型的合成孔径雷达图像分割方法

摘要

本发明公开了一种基于Shearlet域HMT模型的SAR图像分割方法，它属于图像处理技术领域，主要解决传统多尺度几何分析应用于SAR图像分割易产生区域一致性差，边界凌乱的问题。其分割过程为：提取待分割SAR图像中的特征区域{I₀，I₁，…，I_C}；计算特征区域的Shearlet变换系数{S₀，S₁，…，S_C}；利用EM算法求出各类特征区域的Shearlet域HMT模型参数集{Θ₁，Θ₂，…，Θ_C}；对待分割的SAR图像进行Shearlet变换，得到图像系数S；利用特征系数{S₀，S₁，…，S_C}计算SAR图像系数S各个尺度上所对应的似然值{Lhood¹，Lhood²，…，Lhood^J}；根据最大似然准则计算各尺度上似然值的初始分割结果{MLseg¹，MLseg²，…，MLseg^J}；使用最大化后验概率准则对初始分割结果进行融合，将第一层尺度的融合图像作为最终分割结果。本发明具有收敛速度快，分割结果区域一致性好，保留信息完整的优点，可用于SAR图像目标识别。

主权项

1.一种基于Shearlet域HMT模型的SAR图像分割方法，包括如下步骤：1)对待分割SAR图像进行地物特征区域提取{I0，I1，...，IC}，C表示图像中地物类别数；2)对特征区域进行Shearlet变换，得到特征系数{S0，S1，...，SC}；3)利用EM方法求出各类特征区域的Shearlet域HMT模型参数集{Θ1，Θ2，...，ΘC}，其中Θc＝{μ，σ，pS，ε}，c∈C，μ表示高斯混合模型的均值，σ表示高斯混合模型的方差，ps标识初始状态概率矩阵，ε表示状态转移概率矩阵；4)将待分割SAR图像进行Shearlet变换，得到SAR图像系数S；5)利用特征系数{S0，S1，...，SC}计算SAR图像系数S各个尺度上所对应的似然值{Lhood1，Lhood2，...，LhoodJ}，尺度范围1～J；6)根据最大似然准则ML，由步骤(4)中的似然值计算出尺度1～J上的初始分割结果{MLseg1，MLseg2，...，MLsegJ}；7)采用最大化后验概率准则，将步骤(6)得到的初始分割结果从尺度J到1开始融合，并将尺度1上的融合图像作为最终的分割结果。