[发明专利]基于深度自编码器和区域图的SAR图像分割方法

摘要

本发明公开了一种基于深度自编码器和区域图的SAR图像分割方法，主要解决现有技术分割不够准确、不够细致的问题。其实现步骤是：1.根据初始素描模型得到SAR图像素描图，补全素描线段得到区域图，将区域图映射到原图得到聚集、匀质和结构区域；2.分别对聚集和匀质区域用不同深度自编码器训练，得到对应所有点的表示，级联编码层最后两层作为该点特征；3.分别对聚集和匀质区域构建字典，各点特征投影至相应字典并汇聚出各子区域的区域特征；4.分别对两类区域的子区域特征聚类；5.对结构区域在素描线段指导下使用超像素合并进行分割；6.合并各区域分割结果完成SAR图像分割。本发明具有分割准确、细致的优点，可用于目标识别。

主权项

一种基于深度自编码器和区域图的SAR图像分割方法，包括如下步骤：(1)根据初始素描模型得到SAR图像素描图，补全素描图中素描线段得到区域图，将区域图映射到原图得到聚集区域a、匀质区域b和结构区域c；(2)根据聚集区域a和匀质区域b各自特性，分别对聚集区域a和匀质区域b构建两个不同的深度自编码器Sa和Sb；(3)依照区域图中聚集区域a和匀质区域b的位置，分别在聚集区域a和匀质区域b上取样并训练相应的深度自编码器Sa和Sb；(4)使用训练好的两个深度自编码器Sa和Sb，得到对应区域类型中的区域所有点各自的多层编码层表示，并级联每个点的最后两层编码层表示作为该点的特征；(5)根据词袋模型，分别由聚集区域a和匀质区域b的所有点的特征构建聚集区域a和匀质区域b的字典，各点特征投影至相应字典并汇聚出各个子区域的区域特征；(6)分别对聚集区域a和匀质区域b的所有子区域特征进行聚类，得到聚集区域a和匀质区域b的分割结果；(7)将结构区域c使用分水岭算法分割成许多超像素，并在素描图中的素描线指导下对超像素进行一次合并，得到线目标和边界，再对其他超像素进行二次合并，并把二次合并后的超像素与匀质区域b的子区域进行三次合并，三次合并后剩余的超像素为独立目标，完成对结构区域c的分割；(8)将聚集区域a、匀质区域b和结构区域c的分割结果进行合并，得到最终的SAR图像分割结果。