[发明专利]一种基于轮廓结构学习模型的SAR图像语义分割方法

摘要

本发明公开了一种基于轮廓结构学习模型的SAR图像语义分割方法，实现步骤：(1)素描化SAR图像，得到素描图；(2)素描图区域化得到区域图，依据区域图划分SAR图像的像素子空间；(3)对于混合聚集结构地物像素子空间中的极不匀质区域，采用均匀采样方法得到各区域样本集；(4)建立地物轮廓结构学习模型；(5)通过地物轮廓结构学习模型得到样本结构特征，并分割混合聚集结构地物像素子空间；(6)匀质像素子空间和结构像素子空间分割；(7)合并三部分的分割结果，得到最终的SAR图像分割图。本发明的分割结果具有较好的区域一致性和分割准确性，可用于SAR图像的语义分割。本发明主要解决现有技术SAR图像分割不准确问题。

主权项

1.一种基于轮廓结构学习模型的SAR图像语义分割方法，其特征在于，包括以下步骤：步骤1，提取SAR图像的素描图；步骤2，对步骤1得到的素描图进行区域化处理，得到SAR图像的区域图，区域图将SAR图像划分为混合聚集结构地物像素子空间、结构像素子空间和匀质像素子空间，混合聚集结构地物像素子空间中包含多个极不匀质区域；步骤3，对混合聚集结构地物像素子空间中的每个极不匀质区域均匀采样，得到各个极不匀质区域的样本集；步骤4，建立地物轮廓结构学习模型；步骤5，利用地物轮廓结构学习模型对混合聚集结构地物像素子空间中的样本块进行轮廓结构特征学习，得到样本块的轮廓结构特征；步骤6，利用轮廓结构特征对混合聚集结构地物像素子空间进行分割；对结构像素子空间进行分割；对匀质像素子空间进行分割；步骤7，合并混合聚集结构地物像素子空间的分割结果、结构像素子空间的分割结果和匀质像素子空间的分割结果，得到合成孔径雷达SAR图像的最终分割结果。