[发明专利]基于特征学习和素描线段约束的SAR图像分割方法

摘要

本发明公开了一种基于特征学习和素描线段约束的SAR图像分割方法。主要解决现有技术分割SAR图像不准确的问题。其实现步骤如下：(1)SAR图像素描化；(2)根据SAR图像的区域图，划分SAR图像的像素子空间；(3)采用反卷积模型进行特征学习；(4)构建方向特征向量和长度特征向量，进行滤波器结构聚类；(5)基于方向约束的码本投影；(6)分割SAR图像混合聚集结构地物像素子空间；(7)基于素描线聚拢特征的独立目标分割；(8)基于视觉语义规则的线目标分割；(9)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；(10)合并得到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

1.一种基于特征学习和素描线段约束的SAR图像分割方法，包括如下步骤：(1)SAR图像素描化：(1a)建立合成孔径雷达SAR图像的素描模型；(1b)从素描模型提取合成孔径雷达SAR图像的素描图；(2)划分像素子空间：(2a)采用素描线区域化方法，得到合成孔径雷达SAR图像的区域图；(2b)将区域图映射到输入的合成孔径雷达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、结构像素子空间；(3)特征学习：利用反卷积神经网络，对混合聚集结构地物像素子空间的各个互不连通区域进行无监督训练，得到表征SAR图像混合聚集结构地物像素子空间中各个互不连通区域的滤波器集合；(4)滤波器结构聚类：(4a)利用初始素描线PrimalSketch稀疏表示模型，对混合聚集结构地物像素子空间中各个互不连通区域滤波器集合中的每个滤波器进行素描化，得到混合聚集结构地物像素子空间中各个互不连通区域滤波器集合中每个滤波器的素描块；(4b)提取各个互不连通区域中每个滤波器素描块的结构信息，将滤波器方向信息、滤波器素描线段长度信息以及滤波器所属方向区间信息设计为方向特征向量和线段特征向量；(4c)利用方向特征向量和线段特征向量，对混合聚集结构地物像素子空间中每个区域的滤波器集合进行结构聚类，得到每个区域按方向聚类后的滤波器集合；(4d)将每个区域结构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SAR图像混合聚集结构地物像素子空间：采用基于方向约束的码本投影方法，将每一个区域的每个滤波器，按方向区间向码本投影，得到该区域的一个结构特征向量，利用AP算法聚类，对SAR图像混合聚集结构地物像素子空间进行分割，得到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)获得SAR图像分割结果：合并混合聚集结构地物像素子空间的分割结果，匀质区域像素子空间的分割结果，以及结构像素子空间的分割结果，得到最终合成孔径雷达SAR图像分割结果。