发明名称 基于测地距离的半监督SAR图像水域分割方法
摘要 本发明公开了一种基于测地距离的半监督SAR图像水域分割方法,主要解决现有技术在处理大尺寸SAR图像时出现的分割精度低,时间复杂度较高的问题。其实现过程是:(1)通过人工建立水域标签集合和陆地标签集合,建立对应的水域模型和陆地模型;(2)利用该水域模型和陆地模型在待分割图像中自动生成水域标签集合和陆地标签集合;(3)利用该自动生成水域标签集合和陆地标签集合,计算测地距离,得到最终分割结果。本发明能够快速、精确的对大尺寸SAR图像进行水域分割,有效的保持水域边界,为码头、桥梁等目标的检测提供准确的轮廓信息。
申请公布号 CN101894368A 申请公布日期 2010.11.24
申请号 CN201010220585.X 申请日期 2010.07.06
申请人 西安电子科技大学 发明人 钟桦;王爽;谢卿;焦李成;王桂婷;缑水平;朱虎明;慕彩红
分类号 G06T7/00(2006.01)I;G01S13/90(2006.01)I 主分类号 G06T7/00(2006.01)I
代理机构 陕西电子工业专利中心 61205 代理人 王品华;朱红星
主权项 1.一种基于测地距离的半监督SAR图像水域分割方法,包括如下步骤:(1)人工建立图像库中水域的标签集合Ω<sub>W</sub>和陆地的标签集合Ω<sub>L</sub>;对集合Ω<sub>W</sub>和Ω<sub>L</sub>分别建立如下水域模型F<sub>W</sub>(x)和陆地模型F<sub>L</sub>(x),其中x是像素点的灰度值:<maths num="0001"><![CDATA[<math><mrow><msub><mi>F</mi><mi>W</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msup><mi>N</mi><mi>N</mi></msup><mo>&CenterDot;</mo><msup><mi>x</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msup></mrow><mrow><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>!</mo><msup><mover><mi>I</mi><mo>&OverBar;</mo></mover><mi>N</mi></msup></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><mrow><mi>N</mi><mo>&CenterDot;</mo><mi>x</mi></mrow><mover><mi>I</mi><mo>&OverBar;</mo></mover></mfrac><mo>)</mo></mrow></mrow></math>]]></maths>其中,N为集合Ω<sub>W</sub>中图像的等效视数,<img file="FSA00000176858400012.GIF" wi="31" he="46" />为集合Ω<sub>W</sub>中图像的均值;F<sub>L</sub>(x)=k<sub>1</sub>·f<sub>1</sub>(x)+k<sub>2</sub>·f<sub>2</sub>(x)<maths num="0002"><![CDATA[<math><mrow><msub><mi>f</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><msqrt><mn>2</mn><mi>&pi;</mi></msqrt><msub><mi>&sigma;</mi><mn>1</mn></msub></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><mi>x</mi><mo>-</mo><msub><mi>&mu;</mi><mn>1</mn></msub><mo>)</mo></mrow><mn>2</mn></msup><msup><msub><mrow><mn>2</mn><mi>&sigma;</mi></mrow><mn>1</mn></msub><mn>2</mn></msup></mfrac><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0003"><![CDATA[<math><mrow><msub><mi>f</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>2</mn><mrow><msqrt><mn>2</mn><mi>&pi;</mi></msqrt><msub><mi>&sigma;</mi><mn>2</mn></msub></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><mo>-</mo><mo>|</mo><mi>x</mi><mo>|</mo><mo>-</mo><msub><mi>&mu;</mi><mn>2</mn></msub><mo>)</mo></mrow><mn>2</mn></msup><msup><msub><mrow><mn>2</mn><mi>&sigma;</mi></mrow><mn>2</mn></msub><mn>2</mn></msup></mfrac><mo>)</mo></mrow></mrow></math>]]></maths>其中,<img file="FSA00000176858400015.GIF" wi="388" he="208" />σ<sub>1</sub>为Ω<sub>L</sub>中像素点灰度值的标准差,μ<sub>1</sub>为Ω<sub>L</sub>中像素点灰度值的均值;Ω<sub>B</sub>是在取灰度阈值为200的条件下Ω<sub>L</sub>的子集合,μ<sub>2</sub>和σ<sub>2</sub>分别为子集合Ω<sub>B</sub>中像素点灰度值的最大值和标准差;(2)根据水域和陆地的数学模型F<sub>W</sub>(x)和F<sub>L</sub>(x)的形式,在待分割图像上自动生成水域标签集合Ω<sub>W</sub>′和陆地标签集合Ω<sub>L</sub>′,并根据该标签集合Ω<sub>W</sub>′和Ω<sub>L</sub>′,得到水域函数式F<sub>W</sub>′(x)和陆地函数式F<sub>L</sub>′(x):<maths num="0004"><![CDATA[<math><mrow><msup><msub><mi>F</mi><mi>W</mi></msub><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msup><mi>N</mi><mrow><mo>&prime;</mo><msup><mi>N</mi><mo>&prime;</mo></msup></mrow></msup><mo>&CenterDot;</mo><msup><mi>x</mi><mrow><msup><mi>N</mi><mo>&prime;</mo></msup><mo>-</mo><mn>1</mn></mrow></msup></mrow><mrow><mrow><mo>(</mo><msup><mi>N</mi><mo>&prime;</mo></msup><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>!</mo><msup><mover><mi>I</mi><mo>&OverBar;</mo></mover><msup><mi>N</mi><mo>&prime;</mo></msup></msup></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><mrow><msup><mi>N</mi><mo>&prime;</mo></msup><mo>&CenterDot;</mo><mi>x</mi></mrow><mover><mi>I</mi><mo>&OverBar;</mo></mover></mfrac><mo>)</mo></mrow></mrow></math>]]></maths>其中,N′为集合Ω<sub>W</sub>′中图像的等效视数,<img file="FSA00000176858400017.GIF" wi="32" he="47" />为集合Ω<sub>W</sub>′中图像的均值;F<sub>L</sub>′(x)=k<sub>1</sub>′·f<sub>1</sub>′(x)+k<sub>2</sub>′·f<sub>2</sub>′(x)<maths num="0005"><![CDATA[<math><mrow><msup><msub><mi>f</mi><mn>1</mn></msub><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><msqrt><mn>2</mn><mi>&pi;</mi></msqrt><msup><msub><mi>&sigma;</mi><mn>1</mn></msub><mo>&prime;</mo></msup></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><mi>x</mi><mo>-</mo><msup><msub><mi>&mu;</mi><mn>1</mn></msub><mo>&prime;</mo></msup><mo>)</mo></mrow><mn>2</mn></msup><mrow><mn>2</mn><msup><msub><mi>&sigma;</mi><mn>1</mn></msub><mrow><mo>&prime;</mo><mn>2</mn></mrow></msup></mrow></mfrac><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0006"><![CDATA[<math><mrow><msup><msub><mi>f</mi><mn>2</mn></msub><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>2</mn><mrow><msqrt><mn>2</mn><mi>&pi;</mi></msqrt><msup><msub><mi>&sigma;</mi><mn>2</mn></msub><mo>&prime;</mo></msup></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><mo>-</mo><mo>|</mo><mi>x</mi><mo>|</mo><mo>-</mo><msup><msub><mi>&mu;</mi><mn>2</mn></msub><mo>&prime;</mo></msup><mo>)</mo></mrow><mn>2</mn></msup><msup><msub><mrow><mn>2</mn><mi>&sigma;</mi></mrow><mn>2</mn></msub><mrow><mo>&prime;</mo><mn>2</mn></mrow></msup></mfrac><mo>)</mo></mrow></mrow></math>]]></maths>其中,<img file="FSA00000176858400023.GIF" wi="402" he="219" />σ<sub>1</sub>′为Ω<sub>L</sub>′中像素点灰度值的标准差,μ<sub>1</sub>′为Ω<sub>L</sub>′中像素点灰度值的均值;Ω<sub>B</sub>′是在取灰度阈值为200的条件下Ω<sub>L</sub>′的子集合,μ<sub>2</sub>′和σ<sub>2</sub>′分别为子集合Ω<sub>B</sub>′中像素点灰度值的最大值和标准差;(3)利用水域函数式F<sub>W</sub>′(x)和陆地函数式F<sub>L</sub>′(x),计算待分割图像上任一像素点i分别属于水域标签集合Ω<sub>W</sub>′的概率<img file="FSA00000176858400024.GIF" wi="136" he="77" />和属于陆地标签集合Ω<sub>L</sub>′的概率<img file="FSA00000176858400025.GIF" wi="151" he="78" />若属于水域标签集合Ω<sub>W</sub>′的概率<img file="FSA00000176858400026.GIF" wi="136" he="78" />大于属于陆地标签集合Ω<sub>L</sub>′的概率<img file="FSA00000176858400027.GIF" wi="152" he="77" />则将点i分入水域这一类,否则就将点i分入陆地这一类;对待分割图像上的所有像素点重复刚才的操作,得到一次分割结果;(4)在一次分割结果的基础上,获得需进行二次分割的目标区域Ω<sub>belt</sub>;利用水域函数式F<sub>W</sub>′(x)和陆地函数式F<sub>L</sub>′(x),计算目标区域Ω<sub>belt</sub>上归一化后属于水域的概率<img file="FSA00000176858400028.GIF" wi="254" he="78" />和归一化后属于陆地的概率<img file="FSA00000176858400029.GIF" wi="277" he="79" />利用目标区域Ω<sub>belt</sub>上归一化后属于水域的概率<img file="FSA000001768584000210.GIF" wi="253" he="77" />和归一化后属于陆地的概率<img file="FSA000001768584000211.GIF" wi="271" he="78" />自动生成目标区域Ω<sub>belt</sub>的水域标签集合Ω<sub>W</sub>″和陆地标签集合Ω<sub>L</sub>″;将该水域标签集合Ω<sub>W</sub>″和陆地标签集合Ω<sub>L</sub>″代入测地距离计算公式进行计算;若目标区域Ω<sub>belt</sub>上任一像素点i到集合Ω<sub>W</sub>″的测地距离小于到集合Ω<sub>L</sub>″的测地距离,则将点i分入水域这一类,否则就将点i分入陆地这一类;对目标区域Ω<sub>belt</sub>上的所有像素点重复刚才的操作,得到最终分割结果。
地址 710071 陕西省西安市太白南路2号