基于稀疏三重马尔可夫场的SAR图像分割方法技术

本发明专利技术公开了一种基于稀疏三重马尔可夫场的SAR图像分割方法，主要解决现有技术对于复杂场景下的非平稳SAR图像多目标分割边界定位准确率低的问题。其实现步骤是：1、输入SAR图像，初始化标记场和辅助场；2、定义基于自适应非平稳划分的辅助场,构建扩展邻域下的稀疏势能函数，结合似然函数构建联合后验分布；3、利用Gibbs采样对联合后验分布进行采样，得到若干样本；4、利用MPM准则更新标记场和辅助场；5、利用若干样本进行参数估计。本发明专利技术提高了SAR图像分割区域的一致性及边界定位的准确率，可用于实现SAR图像的目标检测、目标识别与分类。

SAR image segmentation method based on sparse three Markov field

The invention discloses a SAR image segmentation method based on sparse Markov field three, mainly to solve the existing technology for multiobjective non-stationary SAR image under complex scene segmentation boundary problem of low positioning accuracy. The method comprises the following steps: 1, input SAR image, initialization markers and auxiliary fields; 2, based on the definition of the auxiliary field adaptive non-stationary division, the building and extending the neighborhood of sparse potential function, the construction of joint combined with the likelihood function of the posterior distribution; 3, the use of Gibbs sampling to the joint posterior distribution of some samples 4, the use of MPM standards; update markers and auxiliary fields; 5, the number of samples for parameter estimation. The invention improves the consistency of the SAR image segmentation area and the accuracy of the boundary location, and can be used for the target detection, target recognition and classification of SAR images.

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及合成孔径雷达SAR图像分割方法，可用于实现SAR图像的目标检测、目标识别与分类。
技术介绍
由于合成孔径雷达SAR具有先天性的优势从而广泛的被应用在各个领域，SAR图像解析技术日渐受到人们的重视。SAR图像分割技术是对SAR图像进行分析的基础和前提，是一个非常关键的步骤。通过图像分割可以提供图像整体结构和纹理信息并且能够突出需要分类和识别的目标区域，为接下来的识别提供重要的依据。然而由于SAR的成像特点使得SAR图像包含大量的乘性相干斑噪声，使得图像分割技术难度大大增加。目前，SAR图像分割处理技术方面已经有大量的研究成果，其中基于马尔可夫随机场MRF模型的分割方法已经被广泛的应用在SAR图像分割中，它描述了图像邻域像素的空间相关性，从而为图像分割提供了一个有效的建模方法。但是针对SAR图像出现的非平稳性该模型并没有进行考虑，在对非平稳SAR图像进行分割时显示出其能力不足。考虑了图像的非平稳性，三重马尔可夫随机场TMF模型被提出来。TMF模型是在MRF模型的基础上引入了第三个随机场对SAR图像的非平稳性进行建模，用辅助场的不同取值来定义图像处于不同的平稳态。因此，TMF模型有效的解决了非平稳性问题，并且能够使用不同参数下的多样统计模型对图像数据进行准确建模，同时使得分割结果更加令人满意。然而，经典的TMF模型在对SAR图像建模时，对复杂场景下的非平稳SAR图像中的多目标区域和非目标区域的分割都是按照同一个标准进行的，通常并没有对图像内容进行区分。目前，也涌现出了一些基于TMF模型的扩展模型和与其他理论相结合的模型，如分层TMF模型、小波域TMF模型，模糊TMF模型、高维TMF模型、边缘惩罚TMF模型等。这些研究成果使用不同的方法在TMF中，引入数据之间的空间相关性或结构纹理特征来解决经典TMF利用观测数据相关性不足的问题，在对实测SAR图像的仿真中得到了令人满意的分割结果，然而他们依然采用了空间的四邻域或八邻域作为研究对象，所捕获的数据相关性非常有限，同时并没有对复杂场景中目标和非目标区域进行区分，影响了分割区域的一致性和类别的边界定位的准确性，从而对复杂场景下的非平稳SAR图像中多目标分割显示出能力不足。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出一种基于稀疏三重马尔可夫场的SAR图像分割方法，以实现复杂场景下的多目标分割，有效提高分割区域的一致性和分割边界定位的准确率。实现本专利技术的技术方案是：对输入的测试数据进行初始分割，得到标记场和辅助场的初始标记，在稀疏三重马尔可夫随机场的框架下重新定义基于自适应非平稳划分的辅助场；将邻域扩展，并对其进行自适应划分，引入稀疏表示，构建扩展邻域下的稀疏势能函数，结合似然函数构成后验概率模型，依据最大后验概率准则完成对SAR图像的分割。具体步骤包括如下：(1)输入SAR图像Y′，Y′＝{yi|i∈S本文档来自技高网...

【技术保护点】
一种基于稀疏三重马尔可夫场的SAR图像分割方法，包括如下步骤：(1)输入SAR图像：Y′＝{yi|i∈S}，yi为第i像素点的灰度值，yi∈[0,1,...,255]，S为SAR图像像素点集；(2)初始化：对输入的测试SAR图像Y′进行初始分割，得到初始分割标记场X，其中X＝{xi|i∈S}，xi为第i个像素点的分割标记，xi∈[1,2,...,K]，K为分割标记的总类别数；将辅助场U初始化为：U＝{ui|i∈S}，ui为第i个像素点的辅助场标记，ui∈[0,1,2,…M]，M为SAR图像中包含的平稳态个数；(3)构建稀疏势能函数：3a)定义基于自适应非平稳划分的辅助场U，在该辅助场中计算第i个像素的势能所需的像素集合Ωi；3b)定义基于扩展邻域的稀疏势能函数：WSTMF(xi,xj,ui,uj|θ)=Σj∈Ωi(W1+W2)×W3=Σj∈Ωi{η·(2δ(xi,xj)-1)+(1-δ(xi,xj))·[β·δ*(ui,uj,a)+γ·δ*(ui,uj,b)]}·|r(xi)-r(xj)|]]>其中xi表示第i个像素的类别标记，xj表示第j个像素的类别标记，ui表示第i个像素的辅助场标记，uj表示第j个像素的辅助场标记，W1表示标记场能量，W2表示辅助场能量，W3表示稀疏能量，θ＝(η,β,γ)是势能函数中的约束参数，a＝1为SAR图像的一个平稳态，b＝0为SAR图像的另外一个平稳态；δ(xi,xj)为冲激函数，若xi＝xj时，该冲激函数值为1，否则为0；δ*(ui,uj,a)为符号函数，若ui＝uj＝a＝1或ui＝uj＝b＝0时，该符号函数值为1，否则为0；r(xi)表示第i个像素的重构误差，r(xj)表示第j个像素的重构误差，Ωi表示以第i个像素为中心的候选像素集合，且j∈Ωi；(4)结合稀疏势能函数WSTMF(xi,xj,ui,uj|θ)和高斯似然函数p(yi|xi)，利用贝叶斯概率准则得到在标记场X和辅助场U联合作用下的联合后验分布p(x,u|y)；(5)利用Gibbs采样方法对联合后验分布函数p(x,u|y)进行采样，得到整幅图像的标记场X的T个样本场：[X1,X2,…,XT]和辅助场U的T个样本场：[U1,U2,…,UT]；(6)将采样后的标记场X和辅助场U的T个样本场作为先验数据，根据贝叶斯最大后验概率MPM准则分别对标记场X和辅助场U进行更新，得到更新后的标记场X'和辅助场U'；(7)将采样得到的标记场X和辅助场U的T个样本作为先验数据，结合更新以后的标记场X'和辅助场U'，对扩展邻域下的稀疏势能函数WSTMF(xi,xj,ui,uj|θ)中参数θ进行估计；(8)分别统计更新参数前后图像标号场中像素类别标号发生变化的像素数目，计算标号变化的像素数目与图像总的像素数目的比值Q，同时设定阈值并将比值与阈值比较：若就将更新以后的标记场X'和辅助场U'作为最终结果输出，否则返回(6)。...

【技术特征摘要】
1.一种基于稀疏三重马尔可夫场的SAR图像分割方法，包...

【专利技术属性】
技术研发人员：吴艳，宋晨飞，李明，梁文楷，曹宜策，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61