基于高维三重马尔可夫场的SAR图像分割方法

摘要

本发明公开了一种基于高维三重马尔可夫场的SAR图像分割方法，主要解决现有技术中分割区域一致性不足的问题，其实现步骤是：(1)输入SAR图像，并对其初始化分割获得分割标记场；(2)通过自协方差运算，建立附加标记场；(3)计算像素点分割标记可靠性参数；(4)计算像素点与其高维邻域内像素点的起伏相似性参数；(5)构建高维邻域下分割标记场、附加标记场以及SAR图像三者的联合分布概率；(6)基于联合分布概率，构建后验边缘概率分割模型；(7)最大化后验边缘概率更新分割标记场和附加标记场，获得最终分割结果。本发明提高了同质区域的分割一致性及异质区域的分割精度，可用于SAR图像目标检测与识别。

主权项

1.一种基于高维三重马尔可夫场的SAR图像分割方法，包括如下步骤：(1)输入SAR图像Y，Y＝{Y_s|s∈Q}，Y_s为像素点s的灰度值，Y_s∈[0,1,...,255]，Q为SAR图像像素点集；(2)对SAR图像Y进行初始分割，获得分割标记场X，X＝{X_s|s∈Q}，X_s为像素点s的分割标记值，X_s∈[1,2,...,K]，K为分割标记的总类别数，取值为正整数；(3)对SAR图像Y进行自协方差运算，建立附加标记场U，U＝{U_s|s∈Q}，U_s为像素点s的附加标记值，U_s∈[0,1]，U_s为0表示像素点s处于同质性区域，U_s为1表示像素点s处于异质性区域；(4)对于像素点s，计算其分割标记值X_s的可靠性参数a_s：4a)在SAR图像Y中，获取像素点s的灰度值Y_s，获取像素点s高维邻域N_s内所有像素的灰度值，计算Y_s和的联合分布概率4b)将像素点s的灰度值人工设为Y_s^*，Y_s^*从集合[0,1,...,255]中取值，按照步骤4a)，计算Y_s^*和的联合分布概率4c)根据Y_s和的联合分布概率以及Y_s^*和的联合分布概率计算在条件下Y_s的概率和在条件下Y_s^*的概率4d)根据上述得到的以及计算像素点s的分割标记值X_s的可靠性参数a_s：$a_s=\exp [-\frac{\frac{1}{255}\underset{{Y_s}^{*}\ne Y_s}{\Sigma }p\left({Y_s}^{*}\right|Y_{N_s})}{p\left(Y_s\right|Y_{N_s})}],$其中，exp为指数运算符号；4e)重复步骤4a)-4d)，计算每个像素点的分割标记可靠性参数{a_s|s∈Q}；(5)对于像素点s及其高维邻域N_s内像素点t，计算两像素点之间的起伏程度相似性参数b_st：5a)以像素点s为中心，提取第一起伏程度特征向量C_s；以像素点t为中心，提取第二起伏程度特征向量C_t；5b)计算像素点s与像素点t之间的起伏程度相似性参数b_st＝exp(-dis(C_s,C_t))，其中，dis(·)为对输入的两个行向量进行欧氏距离计算；5c)重复步骤5a)和5b)，计算每个像素点与其邻域像素点之间的起伏程度相似性参数：{b_st|t∈N_s,s∈Q}；(6)计算高维邻域条件下分割标记场X和附加标记场U的联合分布先验概率p(X,U)：6a)计算像素点s的局部高维邻域势能$\begin{array}{c}{W}_s(X_s,U_s,X_{N_s},U_{N_s})=\\ \underset{t\in N_s}{\Sigma }{b}_{\mathrm{st}}(1-2\delta (U_s,U_t))+\left(\underset{t\in N_s}{\Sigma }{a}_t(1-2\delta (X_s,X_t))\right)\delta (U_s,0)\\ +(\underset{t\in N_s}{\Sigma }(a_t(1-2\delta (X_s,X_t))ϵ(C(s,t)-\mathrm{th})+a_t(2\delta (X_s,X_t)-1)ϵ(\mathrm{th}-C(s,t)))\delta (U_s,1)\end{array}$其中，th为自协方差门限，取值为0.5，当s处于同质区域时，δ(U_s,0)＝1，δ(U_s,1)＝0，当s处于异质区域时，δ(U_s,1)＝1，δ(U_s,0)＝0，ε(·)为单位阶跃函数，a_t为像素点t的分割标记可靠性参数，b_st为像素点s与像素点t之间的起伏程度相似性参数；6b)根据局部高维邻域势能计算分割标记场X以及附加标记场U的整体势能：$W(X,U)=\underset{s\in Q}{\Sigma }{W}_s(X_s,U_s,X_{N_s},U_{N_s});$6c)根据整体势能W(X,U)，利用吉布斯随机场概率公式计算分割标记场X以及附加标记场U联合分布的先验概率p(X,U)：p(X,U)＝γexp(-W(X,U))，其中，γ为归一化常数，(7)利用先验概率p(X,U)计算分割标记场X、附加标记场U以及SAR图像Y三者的联合分布概率p(X,U,Y)；(8)利用联合分布概率p(X,U,Y)，计算像素点s的分割标记类别后验边缘概率p(X_s|Y)，以及附加标记类别后验边缘概率p(U_s|Y)；(9)利用贝叶斯最大后验边缘概率准则，分别确定使像素点s对应后验边缘概率p(X_s|Y)最大时的分割标记值，以及使像素点s对应后验边缘概率p(U_s|Y)最大时的附加标记值，并更新分割标记场和附加标记场；(10)统计更新前后的分割标记场中类别发生变化的像素点数目，计算变化像素点数目与SAR图像总像素点数目的比值，将该比值作为终止的检测条件，若该比值大于设定的阈值ω=10^-6，返回步骤(6)，否则，输出分割标记场X作为最终的SAR图像Y的分割结果。