基于空间相关特征超像素块的SAR图像分割方法

摘要

本发明公开了一种基于空间相关特征超像素块的SAR图像分割方法，其实现步骤是：（1）预处理待分割SAR图像；（2）计算超像素块；（3）初始化修正隶属度矩阵；（4）计算修正隶属度；（5）计算位置信息隶属度和纹理信息隶属度；（6）计算隶属度相关量；（7）优化加权因子；（8）判断是否满足循环终止条件；如果是，则表示满足循环终止条件，执行步骤(9)；否则，执行步骤(4)；（9）获得分割结果。本发明采用超像素分割和约束空间位置信息的方法，使分割区域不仅边缘信息保留完整，而且具有良好的区域一致性和鲁棒性。

主权项

1.一种基于空间相关特征超像素块的SAR图像分割方法，包含以下步骤：（1）预处理待分割SAR图像：(1a)输入一幅待分割SAR图像；(1b)提取当前待分割SAR图像中所有像素点的小波特征描述子；（2）计算超像素块：(2a)采用Turbopixels方法，将当前待分割SAR图像分割成超像素块；(2b)对当前待分割SAR图像的每个超像素块中所有像素点的小波特征描述子求平均值，将该平均值作为每个超像素块的小波特征描述子；（3）初试化加权隶属度矩阵；（4）计算修正隶属度；按照下式，得到关于待分割SAR图像的修正隶属度：$r_{\mathrm{ij}}=\frac{u_{\mathrm{ij}}{h}_{\mathrm{ij}}}{{\Sigma }_{c=1}^C{u}_{\mathrm{cj}}{h}_{\mathrm{cj}}}$其中，r_ij表示第j块超像素属于第i类聚类中心v_i的修正隶属度，h_ij表示第j块超像素属于第i类聚类中心v_i的加权隶属度，u_ij表示第j块超像素属于第i类聚类中心v_i的隶属度，∑表示求和操作；（5）计算位置信息隶属度和纹理信息隶属度；(5a)按照下式，计算位置信息隶属度：$e_{\mathrm{ij}}=\frac{{\Sigma }_{k=1}^S{r}_{\mathrm{ik}}{d}_{\mathrm{jk}}}{{\Sigma }_{k=1}^S{d}_{\mathrm{jk}}}$其中，e_ij表示第j块超像素属于第i类聚类中心v_i的位置信息隶属度,S表示与第j块超像素相关联的超像素块的总数，S＝a+b，a表示与第j块超像素小波特征相似的超像素块的个数，b表示与第j块超像素位置相邻的超像素块的个数，∑表示求和操作，r_ik表示第k块超像素属于第i类聚类中心v_i的修正隶属度，d_jk表示第j块超像素中心位置与第k块超像素中心位置之间的高斯距离；(5b)按照下式，计算纹理信息隶属度：$f_{\mathrm{ij}}=\frac{{\Sigma }_{k=1}^S{r}_{\mathrm{ik}}{X}_{\mathrm{jk}}}{{\Sigma }_{k=1}^S{X}_{\mathrm{jk}}}$其中，f_ij表示第j块超像素属于第i类聚类中心v_i的纹理信息隶属度,S表示与第j块超像素相关联的超像素块的总数，S＝a+b，a表示与第j块超像素小波特征相似的超像素块的个数，b表示与第j块超像素位置相邻的超像素块的个数，∑表示求和操作，r_ik表示第k块超像素属于第i类聚类中心v_i的修正隶属度，X_jk表示第j块超像素的小波特征与第k块超像素的小波特征之间的高斯距离；（6）计算隶属度相关量；（7）优化加权因子：采用粒子群优化方法，对加权隶属度中的加权因子α₁和α₂进行优化；（8）判断是否满足循环终止条件:判断相邻两次隶属度相关量之间的差值是否大于0.01，如果是，则表示满足循环终止条件，执行步骤（9）；否则，执行步骤（4）；（9）获得分割图像：(9a)将修正隶属度矩阵中，每列最大隶属度值对应的隶属度矩阵的行数作为超像素块的类别标签；(9b)依次遍历所有的超像素块，得到所有超像素块的类别标签；(9c)选取所有超像素块中类别标签相同的超像素块，对其着相同的颜色，完成SAR图像分割。