一种基于区域划分与Gamma混合模型的多视SAR图像分割方法

摘要

本发明提出一种基于区域划分与Gamma混合模型的多视SAR图像分割方法，属于图像处理技术领域，该方法通过Gamma混合模型来模拟多视SAR图像的分布，从而达到分割SAR图像的目的，并使用Voronoi多边形来代替像素作为处理单元，能够有效消除SAR图像本身存在的斑点噪声影响，而且在Gamma混合模型的基础上利用Potts模型引入了邻域关系，同时约束了多边形的类属性，进而提高SAR图像的分割精度。

主权项

一种基于区域划分与Gamma混合模型的多视SAR图像分割方法，其特征在于，包括以下步骤：步骤1、获得待分割原始图像的图像域上的随机特征场；步骤2、在图像域上随机产生多个生成点，根据生成点采用Voronoi划分方法将图像域划分成一系列区域子块；步骤3、建立图像分割模型，具体步骤如下：步骤3‑1、构建每个图像域上每个像素点属于任一像素灰度类别的概率密度函数，即构建Gamma混合模型；步骤3‑2、根据步骤3‑1构建的概率密度函数，获得图像的联合概率密度函数；步骤3‑3、通过构建Potts模型的方式描述图像整体空间依赖关系，进而获得某一区域子块内像素取得某类标号时，该多边形与其邻域间的依赖关系，即获得每一个区域子块的先验概率；步骤3‑4、构建以区域子块中所有像素的分布总和最大化为目的的目标函数，该目标函数的待估计量为像素点标号场；步骤4、采用EM算法，在标号场为均质场的前提下，通过反复迭代更新生成点的方式，更新标号场的对数似然函数，通过比较获得标号场的最大值，获得图像最优分割结果。