基于模糊的三马尔可夫场SAR图像分割方法

摘要

本发明公开了一种基于模糊的三马尔可夫场SAR图像分割方法，其实现步骤为：(1)输入待分割的SAR图像；(2)初始化标号场；(3)模糊化标号场；(4)建立附加场；(5)获得模糊联合先验概率；(6)构建后验边缘的分割模型；(7)最大化后验边缘概率去模糊更新标号场分割；(8)判断标号场的变化率是否大于阈值；(9)输出最终分割结果。本发明既可以保持图像中不同区域的边缘的准确性，又可以提高分割结果的区域一致性，具有计算效率和分割精度高的优点。可应用于合成孔径雷达SAR图像分割和SAR图像目标识别。

主权项

1.一种基于模糊的三马尔可夫场SAR图像分割方法，包括如下步骤：(1)输入待分割的SAR图像；(2)初始化标号场：对待分割的SAR图像进行均值漂移分割，输入窗口宽度为5，输出分割结果图，将分割结果图中灰度值相同的像素标记为一类，得到的标号矩阵作为初始标号场，标号场的取值为1、2、……k，k为标号场的总类别数，取值为正整数；(3)建立附加场：利用K-means聚类工具，将待分割的SAR图像聚为输入的类别数，聚类后的矩阵作为附加场；(4)利用隶属度函数模糊化标号场；(5)获得联合模糊先验概率：5a)利用下式计算能量函数：$W(x,u)=\underset{(s,t)\in C}{\Sigma }{a}^1\left(2\right||x_s-x_t||-1)-\left({\alpha }_a^2\delta (u_s,u_t,a)\right)+{\alpha }_b^2\delta \left(u_s,u_t,b)\right)({\left|\right|x}_s-x_t|\left|\right)$其中，W(x，u)为标号场x和附加场u的能量函数，∑为求和符号，(s，t)是像素集合中的一对相邻像素点，C为像素点所属的集合，α¹为约束标号场能量的参数，||x_s-x_t||为标号场的惩罚函数，x_s为当前像素点的标号值，x_t为当前像素邻域像素点的标号值，为约束附加场能量的参数，a，b为附加场中包含的两种纹理类别，δ(u_s，u_t，a)、δ(u_s，u_t，b)为附加场的惩罚函数，u_s为当前像素点的类别，u_t为当前像素邻域像素点的类别；5b)利用下式获得联合模糊先验概率：p(x，u)＝γexp[-W(x，u)]其中，p(x，u)为标号场x和附加场u的联合模糊先验概率，γ为归一化常数，W(x，u)为标号场x和附加场u的能量函数；(6)构建贝叶斯后验边缘概率的分割模型：6a)利用下式计算图像中各像素点的似然概率：$p\left(y_s\right|x_s)=\frac{1}{\Gamma \left(L\right)}\left(\frac{L}{\sigma }\right){y_s}^{L-1}\exp (-\frac{{\mathrm{Ly}}_s}{\sigma }),$y_s≥0其中，p(y_s|x_s)为似然概率，y_s为像素点的灰度值，x_s为像素点的标号，s为像素点，Γ为伽马函数，L为SAR图像的等效视数，σ为各类灰度的均值；6b)利用统计概率公式计算三马尔可夫场联合概率分布；6c)利用贝叶斯后验概率方法计算各像素点的后验边缘概率；(7)利用贝叶斯最大后验边缘概率准则确定每个像素点新的标号，逐点更新标号场中各像素点的标号，分割图像；(8)将更新前后标号场中变化的像素点个数和标号场像素点总数的比率作为终止条件，如果比率大于输入的阈值，返回步骤(4)，否则执行下一步骤；(9)输出最终分割结果。