[发明专利]基于反卷积网络和素描图方向约束的SAR图像分割方法

摘要

发明公开了一种基于反卷积网络和素描图方向约束的SAR图像分割方法。主要解决现有的分割技术分割SAR图像不准确的问题。实现步骤为：(1)SAR图像素描化，得到素描图；(2)根据SAR图像的区域图，划分SAR图像的像素子空间；(3)训练反卷积网络；(4)滤波器方向聚类；(5)采用基于反卷积网络和素描图方向约束的SAR图像分割方法，分割混合聚集结构地物像素子空间；(6)基于素描线聚拢特征的独立目标分割；(7)基于视觉语义规则的线目标分割；(8)采用基于多项式逻辑回归先验模型对匀质区域像素子空间进行分割；(9)合并分割结果，得到SAR图像分割结果。本发明获得了SAR图像的良好分割效果，可用于SAR图像的语义分割。

主权项

1.一种基于反卷积网络和素描图方向约束的SAR图像分割方法，包括如下步骤：(1)SAR图像素描化：(1a)对输入的合成孔径雷达SAR图像，根据SAR图像的分布特点得到其素描模型；(1b)利用SAR图像素描模型，对输入的合成孔径雷达SAR图像进行素描化处理，获得输入的合成孔径雷达SAR图像对应的素描图；(2)划分像素子空间：(2a)采用素描线区域化方法，对合成孔径雷达SAR图像的素描图进行区域化处理，得到包括聚集区域、无素描线区域和结构区域的合成孔径雷达SAR图像的区域图；(2b)将包括聚集区域、无素描线区域和结构区域的区域图，分别映射到合成孔径雷达SAR图像中，得到合成孔径雷达SAR图像的混合聚集结构地物像素子空间、匀质区域像素子空间和结构像素子空间；(3)训练反卷积网络：(3a)对混合聚集结构地物像素子空间的各个不连通区域分别进行采样，得到不连通区域的样本；(3b)使用反卷积网络，对每个不连通区域的所有样本进行无监督学习，得到每个不连通区域的滤波器集合；(4)滤波器方向聚类：(4a)利用SAR图像素描模型，对混合聚集结构地物像素子空间中各个不连通区域的滤波器集合中的每个滤波器进行素描化处理，得到混合聚集结构地物像素子空间中各个不连通区域滤波器集合中每个滤波器的素描块；(4b)提取不连通区域中每个滤波器的素描块的方向信息，将滤波器中素描线的方向信息设计为方向特征向量；(4c)利用方向特征向量，采用异或逻辑比较的方法，对每个不连通区域的滤波器集合进行方向聚类，得到每个区域按方向聚类后的滤波器集合；(4d)将每个不连通区域方向聚类后的滤波器集合拼接成一个集合，将该集合作为混合聚集结构地物像素子空间的码本；(5)分割混合聚集结构地物像素子空间：(5a)将混合聚集结构地物像素子空间中每个不连通区域中的每个滤波器分别向码本投影，进行基于方向约束的投影，属于同一个方向的滤波器进行投影时，投影方案采用内积，不属于同一方向的滤波器之间投影值为0，得到每个区域中的每个滤波器在基于方向投影后的方向特征向量；(5b)对每个区域中所有滤波器投影后得到的所有方向特征向量进行最大池化Max Pooling操作，得到表征该区域的一个结构特征向量；(5c)使用近邻传播Affinity Propagation聚类的方式，对所有不连通区域的结构特征向量进行聚类，得到SAR图像混合聚集结构地物像素子空间的分割结果；(6)分割结构像素子空间：(6a)用视觉语义规则，分割线目标；(6b)基于素描线的聚拢特征，分割独立目标；(6c)对线目标和独立目标分割的结果进行合并，得到结构像素子空间的分割结果；(7)分割匀质区域像素子空间：采用基于多项式逻辑回归先验模型的匀质区域分割方法，对匀质区域像素子空间进行分割，得到匀质区域像素子空间的分割结果；(8)合并分割结果：将混合聚集结构地物像素子空间、匀质区域像素子空间和结构像素子空间的分割结果进行合并，得到合成孔径雷达SAR图像的最终分割结果。