联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法技术

本发明专利技术公开了一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，包括：第一步，采用灰度阈值分割对SAR图像做第一次背景分割；第二步，根据河道轮廓形态特征，对河道区域进行分段建模，将所述河道区域表示为若干最小外接矩形窗的组合；第三步，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗；第四步，根据河道轮廓的形状及连通性，将满足条件的第二矩形窗拼接出粗略的河道区域；第五步，再次进行灰度阈值分割，得到河道提取图像。本发明专利技术主要通过河道的图像灰度特征和形态轮廓特征相结合及多模态的SAR图像分割决策，抑制SAR图像中与水体灰度及形态特征均较为接近的背景噪声，从而精准的提取出河道区域。

【技术实现步骤摘要】
联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法
本专利技术涉及合成孔径雷达(SAR,SyntheticApertureRader)河道图像的分割及识别技术，尤其涉及一种基于SAR图像利用联合灰度阈值分割及轮廓形态识别的技术来提取河道的方法，属于计算机视觉

技术介绍
在遥感图像河道目标识别与提取方面，合成孔径雷达成像同光学成像相比具有其独特的优势，主要体现在，一、合成孔径雷达(SAR)的空间分辨率较高，能够较为准确的描述河道目标。此外，它还能够全天候，全天时的实现对地观测且具备一定的穿透能力；二、河道区域中的水体具有显著的电磁波反射特性，反映在SAR图像中表现为灰度值较低的图像特征，同背景间具有显著对比。因此，基于SAR成像的遥感图像被广泛用于河道提取中。在SAR图像河道提取中，灰度阈值分割及河道轮廓识别是较为常用的方法，这些方法对于SAR图像中的河道目标提取研究具有一定参考意义，但是单独使用单一的方法对河道识别、提取方面存在一定的问题，主要体现在以下几个方面：目前，SAR图像分辨率已发展到亚米级，越来越多的小目标由于其电磁波反射率同水体接近，容易形成较强的背景噪声且本文档来自技高网...

【技术保护点】
一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述的方法包括：第一步，采用灰度阈值分割对SAR图像做第一次背景分割；第二步，根据河道轮廓形态特征，对第一步得到的图像中的河道区域进行分段建模，具体是采用基于图论的图像分割方法，将所述河道区域表示为若干最小外接矩形窗的组合；第三步，对前述各最小外接矩形窗进行形态识别，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗；第四步，根据河道轮廓的形状及连通性，对前述各第二矩形窗进行筛选，将满足条件的第二矩形窗拼接出粗略的河道区域；第五步，采用灰度阈值分割对第四步得到的图像做再次背景分割，得到河道提取图像。

【技术特征摘要】
1.一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述的方法包括：第一步，采用灰度阈值分割对SAR图像做第一次背景分割；采用Otsu法选取图像分割的最优灰度阈值k*：根据最优灰度阈值k*对SAR图像做背景分割；首先根据SAR图像构建[1,2,…,L]灰度等级的直方图，其中属于灰度等级b的像素数量为nb，因此，整幅图像的像素数因而在该图像中处于某一灰度等级像素出现的概率描述为：pb＝nb/N(1)其中，pb≥0，其次，将水体和与水体灰度较大的目标进行分类；将水体目标类定义为c1，与水体目灰度差异较大的目标类定义为c2，用于区分该两类目标的灰度阈值为k，因此，两类目标所出现的概率w1，w2分别为：类别c1，c2所对应的平均灰度μ1，μ2以及整幅图像的平均灰度μT分别为：整幅SAR图像总体的灰度方差及类间差异分别为：该方法以类间差异最大化为最优阈值选择准则，建立关于灰度阈值k的误差函数ξ(k)为：最后，得出最优灰度阈值计算为：根据最优灰度阈值k*对原始SAR图像进行背景分割；第二步，根据河道轮廓形态特征，对第一步得到的图像中的河道区域进行分段建模，具体是采用基于图论的图像分割方法，将所述河道区域表示为若干最小外接矩形窗的组合；第三步，对前述各最小外接矩形窗进行形态识别，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗；第四步，根据河道轮廓的形状及连通性，对前述各第二矩形窗进行筛选，将满足条件的第二矩形窗拼接出粗略的河道区域；第五步，采用灰度阈值分割对第四步得到的图像做再次背景分割，得到河道提取图像。2.根据权利要求1所述的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，其特征在于，所述第一步或第五步中，采用灰度阈值...

【专利技术属性】
技术研发人员：朱贺，李臣明，高红民，张丽丽，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32