| 发明名称 | 基于Fisher分布的活动轮廓SAR图像分割方法 | ||
| 摘要 | 本发明公开了一种基于Fisher分布的活动轮廓SAR图像分割方法，主要在于克服现有基于Gamma分布对于SAR图像分割技术的不足，其具体实现步骤为：（1）利用Fisher分布拟合图像区域的强度统计特征，根据区域竞争模型建立基于Fisher分布的能量泛函；（2）引入水平集函数<img file="dest_path_image001.GIF" wi="8" he="16" />，并结合长度约束项和水平集规则项，重新表示步骤一得到的能量泛函；（3）采用Euler-Lagrange变分法最小化步骤二的能量泛函，利用对数矩估计对Fisher分布的参数进行估计，然后对偏微分方程进行数值求解，进而获得SAR图像的分割结果。本发明利用水平集方法演化分割曲线和Fisher分布参数估计相结合,使能量泛函达到最小化,从而实现对SAR图像的分割。 | ||
| 申请公布号 | CN102542561B | 申请公布日期 | 2014.08.13 |
| 申请号 | CN201110374474.9 | 申请日期 | 2011.11.23 |
| 申请人 | 浙江工商大学 | 发明人 | 王勋;孔丁科;范英豪;章志勇 |
| 分类号 | G06T7/00(2006.01)I | 主分类号 | G06T7/00(2006.01)I |
| 代理机构 | 杭州杭诚专利事务所有限公司 33109 | 代理人 | 尉伟敏 |
| 主权项 | 一种基于Fisher分布的活动轮廓SAR图像分割方法，其特征在于，包括以下步骤：步骤一，采用Fisher分布来描述SAR 图像的统计特性，根据区域竞争模型建立基于Fisher分布的能量泛函，作为方程一：<img file="2011103744749100001dest_path_image002.GIF" wi="417" he="40" />，其中，<img file="2011103744749100001dest_path_image004.GIF" wi="18" he="20" />是零水平集的闭合曲线，<img file="dest_path_image006.GIF" wi="24" he="25" />和<img file="dest_path_image008.GIF" wi="25" he="25" />是演化曲线<img file="dest_path_image010.GIF" wi="18" he="21" />的内部区域和外部区域，分别代表SAR图像的目标区域和背景区域，<img file="dest_path_image012.GIF" wi="65" he="28" />是正的加权参数，<img file="dest_path_image014.GIF" wi="18" he="25" />、<img file="dest_path_image016.GIF" wi="20" he="25" />是Fisher分布的概率密度函数，其中Fisher分布的概率密度函数表示为：<img file="dest_path_image018.GIF" wi="302" he="107" />，其中<img file="dest_path_image020.GIF" wi="137" he="40" />，<img file="dest_path_image022.GIF" wi="21" he="18" />是平均强度参数，<img file="dest_path_image024.GIF" wi="17" he="18" />是等效视数，<img file="dest_path_image026.GIF" wi="25" he="18" />是形状参数；步骤二，引入水平集函数<img file="dest_path_image028.GIF" wi="15" he="27" />，并结合长度约束项和水平集规则项，重新表示步骤一获得的能量泛函，应用变分水平集方法，将演化曲线<img file="61793dest_path_image004.GIF" wi="18" he="20" />隐含得表示成更高维水平集函数<img file="dest_path_image030.GIF" wi="50" he="30" />的零水平集<img file="dest_path_image032.GIF" wi="145" he="28" />，其中<img file="dest_path_image034.GIF" wi="12" he="20" />是时间参数；在能量泛函中引入Heaviside 函数<img file="dest_path_image036.GIF" wi="41" he="23" />，对于<img file="dest_path_image038.GIF" wi="40" he="22" />有<img file="dest_path_image040.GIF" wi="65" he="24" />，若<img file="dest_path_image042.GIF" wi="39" he="22" />则<img file="dest_path_image044.GIF" wi="66" he="23" />，将方程一表示为：<img file="dest_path_image046.GIF" wi="476" he="40" />，其中，<img file="dest_path_image048.GIF" wi="88" he="25" />是图像定义域，令<img file="dest_path_image050.GIF" wi="18" he="21" />是梯度算子，则<img file="dest_path_image052.GIF" wi="90" he="34" />是长度约束项，<img file="dest_path_image054.GIF" wi="281" he="34" />是水平集规则项，<img file="dest_path_image056.GIF" wi="18" he="20" />和<img file="dest_path_image058.GIF" wi="46" he="28" />分别是长度约束项和水平集规则项的权值系数；步骤三，迭代法逐步最小化步骤二的能量泛函并进行数值求解，首先利用梯度流最小化能量泛函，得到如下方程二：<img file="dest_path_image060.GIF" wi="489" he="316" />其中，n为上标，指代水平集函数<img file="dest_path_image062.GIF" wi="17" he="26" />迭代次数，<img file="dest_path_image064.GIF" wi="18" he="18" />为目标边界曲线的曲率，<img file="dest_path_image066.GIF" wi="177" he="32" />分别为水平集函数<img file="926631dest_path_image062.GIF" wi="17" he="26" />的一、二阶差分；然后，时间偏导采用前向差分，得到离散化的迭代方程作为方程三：<img file="dest_path_image068.GIF" wi="471" he="73" />，其中，时间步长<img file="dest_path_image070.GIF" wi="50" he="21" />，<img file="dest_path_image072.GIF" wi="111" he="32" />是狄拉克函数，最小化的第二步为固定水平集函数估计最优的分布参数，采用对数矩的参数估计方法，得到非线性方程组作为方程四：<img file="dest_path_image074.GIF" wi="228" he="120" />，其中<img file="dest_path_image076.GIF" wi="144" he="24" />为Digamma函数，<img file="dest_path_image078.GIF" wi="186" he="28" />为<img file="dest_path_image080.GIF" wi="14" he="20" />阶Polygamma函数，<img file="dest_path_image082.GIF" wi="238" he="46" />为<img file="dest_path_image084.GIF" wi="12" he="21" />阶对数矩，<img file="dest_path_image086.GIF" wi="17" he="18" />是图像点二维坐标，通过方程三和方程四的交替迭代求解就可以实现能量泛函的最小化，演化分割曲线，从而实现SAR图像的分割。 | ||
| 地址 | 310018 浙江省杭州市下沙高教园区学正街18号 | ||