一种基于动态轮廓的合成孔径雷达SAR图像自动分割方法

摘要

一种基于动态轮廓的合成孔径雷达SAR图像自动分割方法。具体实现步骤为：首先对目标SAR强度图像进行直方图均衡化，以增强其对比度；然后对SAR图像进行水平集初始化，建立目标图像的初始水平集模型；接下来通过初始水平集将原目标图像进行初始分割，并以此结果为初值，利用基于区域统计信息与动态轮廓的相关算法进行水平集的进化，当进化过程达到稳态，所得结果即为粗分割结果；最后对粗分割结果进行合并处理，将奇异点以及孤立的小块区域合并到大区域中，获得分割后的SAR图像。该方法能在无其他人为约束的条件下，对图像进行自动分割，并能在分割结果获得后自动终止算法，提高了SAR图像分割的可靠性以及智能化程度。

主权项

1.一种基于动态轮廓的合成孔径雷达SAR图像自动分割方法，其特征在于，该方法包括：（1）对目标SAR强度图像进行直方图均衡化；（2）对均衡化后的目标SAR强度图像进行水平集初始化，建立目标SAR强度图像初始水平集图像模型；（3）通过初始水平集对目标SAR强度图像进行初始分割，并以此分割结果为初值，对水平集图像模型进行进化；（4）建立进化终止条件，在获得分割结果之后，停止水平集图像模型的进化过程，得到粗分割结果；（5）将粗分割结果中的独立小区域按照一定的规则进行合并，得到目标SAR强度图像的自动分割结果；所述步骤（2）中对均衡化后的目标SAR强度图像进行水平集初始化，建立目标SAR强度图像初始水平集图像模型具体为：对目标SAR强度图像进行水平集初始化时：假设目标SAR强度图像为一个单区域图像，选取其灰度均值作为Rayleigh分布的参数，对原目标SAR强度图像进行建模，Rayleigh分布通过下式计算：$P_{R_i}\left(I\left(x\right)\right)=\left\{\begin{array}{cc}\frac{I\left(x\right)}{{\sigma }^2}{e}^{(\_I{\left(x\right)}^2/2{\sigma }^2)}& I\left(x\right)\ge 0\\ 0& I\left(x\right)<0\end{array}\right.---\left(1\right)$式中σ是Rayleigh分布的参数，I(x)是目标SAR强度图像在x的强度，x为目标SAR强度图像的像素坐标，水平集初始化的步骤为：①计算Rayleigh分布的参数σ；②用参数为σ的Rayleigh分布对目标SAR强度图像建模，即P(I(x)|σ)；③计算P(I(x)|σ)的均值C_mean；④计算$\hat{P}\left(I\left(x\right)\right)=P\left(I\left(x\right)\right|\sigma )-C_{\mathrm{mean}};$⑤将的区域，作为前景区域，将此区域内的初始水平值设为φ_ini(x_in)＝P(I(x_in)|σ)；⑥将目标SAR强度图像中前景区域以外区域定义为背景区域，背景区域内初始水平值为：${\phi }_{\mathrm{ini}}\left(x_{\mathrm{out}}\right)=-1-P\left(I\left(x_{\mathrm{out}}\right)\right|\sigma )+C_{\mathrm{mean}};$⑦将初始化后的前景与背景区域合并起来，即可得到最终的初始化水平集；所述步骤（5）中将粗分割结果中的独立小区域按照一定的规则进行合并，得到目标SAR强度图像的自动分割结果具体为：合并粗分割图像中孤立小区域：（i）建立能量函数为$\mathrm{\Delta E}=\underset{R_1{\cap R}_2}{\int \int }\log \left(P\left(I\left(x\right)\right|{\sigma }_{R_1\cup R_2})\right)-\underset{R_1}{\int \int }\log \left(P\left(I\left(x\right)\right|{\sigma }_{R_1})\right)-\underset{R_2}{\int \int }\log \left(P\left(I\left(x\right)\right|{\sigma }_{R_2})\right)+\varsigma ---\left(7\right)$式中I(x)是目标SAR强度图像在x的强度，分别为区域R₁,R₂,R₁∪R₂的参数，ζ为一非负常数；（ii）若ΔE＜0，则将区域R1与R2进行合并。