[发明专利]基于高阶多尺度CRF半监督的SAR图像分割方法

摘要

一种高阶多尺度条件随机场CRF半监督的合成孔径雷达SAR图像分割方法。其实现步骤为：(1)输入合成孔径雷达SAR图像；(2)对图像进行小波变换；(3)获得高阶多尺度条件随机场CRF的特征向量；(4)获得高阶多尺度条件随机场CRF的局部类条件概率；(5)初始分割合成孔径雷达SAR图像；(6)计算每个像素点的边缘概率；(7)计算每个像素点的联合后验边缘概率；(8)计算每个像素点的后验边缘概率；(9)分割合成孔径雷达SAR图像；(10)结束分割。本发明通过在计算后验边缘概率时考虑到了每个像素点的高阶势能和尺度间势能，充分利用了空间上下文结构信息，提高了分割结果的精确度。

主权项

1.一种基于高阶多尺度条件随机场CRF半监督的合成孔径雷达SAR图像分割方法，其特征在于，引入高阶势能计算边缘概率；利用自下而上的递归方法计算联合后验边缘概率；利用自上而下的递归方法计算后验边缘概率；该方法的步骤包括如下：(1)输入合成孔径雷达SAR图像；(2)将输入的合成孔径雷达SAR图像进行小波变换；(3)获得高阶多尺度条件随机场CRF的特征向量：(3a)利用指数加权平均比算子，计算小波变换后的图像，在各个尺度中每个像素点和与其邻域系统中每个像素点之间的边缘强度；(3b)用半径为5个像素点的窗口，在小波变换后的图像内，以一个像素点为间隔滑动，对小波变换后的图像进行滑窗操作，计算每个滑窗内所有像素值的直方图特征；(3c)用半径为7个像素点的窗口，在小波变换后的图像内，以一个像素点为间隔滑动，对小波变换后的图像进行滑窗操作，计算每个滑窗内所有的灰度共生矩阵纹理特征；(3d)用小波变换后图像的所有的直方图特征与灰度共生矩阵纹理特征，组成局部特征向量；(3e)用小波变换后图像的所有的局部特征向量与边缘强度，组成高阶多尺度条件随机场CRF的特征向量；(4)获得高阶多尺度条件随机场CRF的局部类条件概率：将高阶多尺度条件随机场CRF的特征向量输入多类支持向量机SVM分类器，将该分类器输出作为高阶多尺度条件随机场CRF的局部类条件概率；(5)初始分割合成孔径雷达SAR图像：利用最大化局部类条件概率的方法，初始分割合成孔径雷达SAR图像；(6)计算每个像素点的边缘概率：利用均值场估计法，计算当前分割后的合成孔径雷达SAR图像中每个像素点高阶多尺度条件随机场CRF的边缘概率；(7)计算每个像素点的联合后验边缘概率：采用自下而上的递归方法，利用每个像素点的边缘概率，计算当前分割后的合成孔径雷达SAR图像中每个像素点高阶多尺度条件随机场CRF的联合后验边缘概率；(8)计算每个像素点的后验边缘概率：采用自上而下的递归方法，利用每个像素点的联合后验边缘概率，计算当前分割后的合成孔径雷达SAR图像每个像素点高阶多尺度条件随机场CRF的后验边缘概率；(9)分割合成孔径雷达SAR图像：利用迭代条件估计ICE法进行参数估计，分割合成孔径雷达SAR图像；(10)判断当前迭代次数是否为10，若是，则执行步骤(11)；否则，将当前的迭代次数加1后执行步骤(6)；(11)结束分割：结束对合成孔径雷达SAR图像的分割，得到高阶多尺度条件随机场CRF半监督的合成孔径雷达SAR图像分割结果。