[发明专利]基于局部和全局区域信息的水平集SAR图像分割方法

摘要

本发明公开了一种基于局部和全局区域信息相结合的水平集SAR图像分割方法，主要解决现有水平集方法受SAR相干斑噪声影响和难以分割灰度不均匀的SAR图像的问题。其实现步骤包括：首先初始化水平集函数φ，将SAR图像分成内部区域Ω₁和外部区域Ω₂；其次应用高斯核函数对图像内外区域的强度信息作卷积，作为局部区域信息，构造基于局部区域的能量项；接着求这两个内外区域的强度均值c₁和c₂以及概率密度p₁和p₂，构造全局区域能量项；最后加入水平集长度的约束项L(φ)和避免重新初始化的惩罚项P(φ)，构造总能量函数E_SAR，应用变分法求梯度下降流方程，并更新水平集φ，得到新的分割区域和实验结果表明本发明的分割方法能得到比较理想的分割效果，可用于SAR图像的分割和目标识别。

主权项

1.一种基于局部和全局区域信息相结合的水平集SAR图像分割方法，包括0步骤：(1)将水平集函数φ初始化成符号距离函数形式，根据水平集函数值的正负，将待分割SAR图像I的整个图像区域Ω分割成内部区域Ω₁和外部区域Ω₂；(2)根据所述的两个区域Ω₁和Ω₂，构造对应的局部区域能量函数E_L：EL=λ1∫∫Ω1K(φ)*|I-f1(φ)|2H(φ)+λ2∫∫Ω2K(φ)*|I-f2(φ)|2(1-H(φ)),]]>其中，λ₁和λ₂是局部能量项的权值，φ是水平集函数，K(φ)是高斯核函数，I是待分割图像，f₁(φ)是区域Ω₁的局部灰度均值，f₂(φ)是区域Ω₂的局部灰度均值，H(φ)为Heaviside函数；(3)根据所述的两个区域Ω₁和Ω₂，构造对应的全局区域能量函数E_G：EG=-λ1∫∫Ω1log(p1(I))-λ2∫∫Ω2log(p2(I)),]]>其中，λ₁和λ₂是全局能量项的权值，p₁(I)是区域Ω₁的估计概率密度，p₂(I)是区域Ω₂的估计概率密度；(4)结合步骤二构造的局部区域能量函数E_L和步骤三构造的全局区域能量函数E_G，构造总能量函数：4a)根据局部二值拟合LBF方法中求水平集长度L(φ)的公式，计算水平集长度项L(φ)：L(φ)=∫∫Ω|▿H(φ)|,]]>其中是梯度算子，H(φ)为Heaviside函数；4b)根据局部二值拟合LBF方法中求避免重新初始化的惩罚项P(φ)的公式，计算惩罚项P(φ)：P(φ)=∫∫Ω12(|▿φ|-1)2,]]>其中是对水平集函数φ求梯度；4c)结合步骤二求得的局部区域能量函数E_L，步骤三求得的全局区域能量函数E_G，步骤4a)求得的约束项L(φ)和步骤4b)求得的惩罚项P(φ)，构造完整的总能量函数E_SAR：E_SAR＝αE_L+(1-α)E_G++μL(φ)+νP(φ)，其中α用来调节局部和全局能量项的比例，μ是约束项的权值，用来调节长度约束项的值，ν是惩罚项的权值，用来调节惩罚项的值，μ和ν的取值通过实验取得。(5)根据步骤(4)构造的总能量函数E_SAR对SAR图像I进行分割：5a)对总能量函数E_SAR利用变分法，得到梯度下降流方程∂φ∂t=δ(φ)(α(-(λ1e1-λ2e2))+(1-α)(λ1log(P1(I))-λ2log(P2(I)))]]>+μδ(φ)div(▿φ|▿φ|)+v(▿2φ-div(▿φ|▿φ|)),]]>其中：δ(φ)是Dirac函数，e₁和e₂为中间变量，其表达式分别是：e₁＝∫∫_ΩK(φ)*|I-f₁(φ)|²，e₂＝∫∫_ΩK(φ)*|I-f₂(φ)|²，5b)对梯度下降流方程离散化，得到如下表达式：φn+1-φnΔt=δ(φ)(α(-(λ1e1-λ2e2))+(1-α)(λ1log(P1(I))-λ2log(P2(I)))]]>+μδ(φ)div(▿φ|▿φ|)+v(▿2φ-div(▿φ|▿φ|)),]]>其中：φⁿ⁺¹代表第n+1次迭代后的水平集函数，φⁿ代表第n次迭代后的水平集函数，Δt是迭代步长；5c)根据步骤5b)得到的离散化方程求得φⁿ⁺¹的表达式为：φn+1=φn+Δt·(δ(φ)(α(-(λ1e1-λ2e2))+(1-α)(λ1log(P1(I))-λ2log(P2(I)))]]>+μδ(φ)div(▿φ|▿φ|)+v(▿2φ-div(▿φ|▿φ|))),]]>5d)根据步骤5c)求得新的水平集函数φⁿ⁺¹，由φⁿ⁺¹的正负值即得到新的分割区域和5e)判断水平集函数是否收敛且达到最大的迭代次数100次，若不满足则转到步骤(2)，用和替代Ω₁和Ω₂继续迭代，否则停止迭代，得到的和即是最终的分割结果。