一种基于Gamma分布超像素算法和基于超像素TMF 的SAR 图像海岸线检测算法制造技术

本发明专利技术公开了一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，通过读取图像I，输入种子点数k，并根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小，直至超像素的边界不再发生变化，输入所述超像素图像，更新种子点并计算势能，最终输出海岸线结果。本发明专利技术在SAR图像海岸线检测算法中提出了一种全新的TMF算法，能够良好的解决中心像素和邻域像素之间的相对位置关系的问题，而解决前一问题需要引入超像素方法。

A super pixel algorithm based on Gamma distribution and SAR image coastline detection algorithm based on hyper pixel TMF

The invention discloses a Gamma super pixel distribution algorithm and SAR image detection of coastline super pixel based on TMF algorithm based on I, by reading the image input, the seed points K, and determined according to the size of K and the number of input image seed seed points and each seed points around the size of search areas, until the super the boundary pixels do not change, the super pixels of image input, update the seed point and calculation of potential energy, the final output results of coastline. The invention proposes a new TMF algorithm in SAR image coastline detection algorithm, to the relative position between the center pixel and a good solution to the problem of neighborhood pixels, and the first problem need to introduce super pixel method.

【技术实现步骤摘要】
一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法
本专利技术涉及一种超像素的概率因子TMF的SAR图像海岸线检测算法，属于海岸线检测领域。
技术介绍
在微波遥感中合成孔径雷达SAR(SyntheticApertureRadar)是一种主动式微波探测器，利用合成孔径原理，信号处理方法和脉冲压缩技术，通过较小尺寸的真实天线孔径合成较大的等效天线孔径来成像。相对于光学成像，合成孔径雷达具有全天候成像等优势，因而使得SAR图像在战略目标识别与探测，灾害控制，国土资源监测，海域使用管理，地图测绘，船舰目标识别等领域起到了重要的作用。近年来SAR图像在海域管理领域逐渐引起关注，其主要的问题之一就是海岸线检测问题，由于长时间江河泥沙堆积，填海造地等原因使得海岸线不断发生变化，有效监测海岸线的变化，对海域使用动态监测具有一定的实际意义。目前为止，海岸线检测算法有了很大的发展。常见的用于海岸线检测的方法有基于图论的超像素分割算法、基于梯度上升的超像素形成算法、三重马尔科夫随机场、尽管目前马尔科夫随机场中最适合处理SAR图像分类与分割的一种方法，其优势主要体现在辅助场的引入能本文档来自技高网...

【技术保护点】
一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，其特征在于包括如下步骤：S1：读取图像I，并输入种子点数k；S2：根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小；S3：在每一个种子点周围选择一个5像素×5像素的邻域窗，计算邻域窗内每一个种点子局部窗内的均值作为当前点的特征，对该特征通过聚类算法确定局部窗内和中心点纹理特征很相似的点集C并计算相似点集C：

【技术特征摘要】
1.一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，其特征在于包括如下步骤：S1：读取图像I，并输入种子点数k；S2：根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小；S3：在每一个种子点周围选择一个5像素×5像素的邻域窗，计算邻域窗内每一个种点子局部窗内的均值作为当前点的特征，对该特征通过聚类算法确定局部窗内和中心点纹理特征很相似的点集C并计算相似点集C：其中，(x,y)表示局部窗内像素点坐标，I(x,y)表示局部窗内像素点的像素值，W表示局部窗，N表示C中像素个数，μs(x,y)表示(x,y)位置像素局部窗内的均值，表示C中每一个点的μs均值，σ表示的是局部窗内均值的方差；S4：遍历所述图像，根据步骤S3计算出每一个邻域点的特征，根据式计算中心点和邻域点位置的欧氏距离与统计量的欧氏距离的加权距离di,j，比较di,j形成超像素；所述邻域点和种子点之间的距离di,j：其中，μi表示种子点i的均值，μj表示邻域点j的均值，σi表示局部窗内i的均值的方差，σj表示局部窗内j的均值的方差其中xi表示中心点i的行坐标，yi表示中心点i的列坐标，xj表示邻域点j的行坐标，yj表示邻域点j的列坐标其中，m表示dci,j与dsi,j之间的权重系数；所述相邻种子点之间的距离S其中，N表示图像像素总数，k表示种子点数；S5：更新种子点的位置为每一类超像素中所包含的所有点位置的均值；S6：重复步骤S3-S5直到所述超像素的边界不再发生变化，停止重复，输出超像素图像；S7：输入所述超像素图像，对所述超像素使用kmeans算法初始聚成2类，并将该聚类结果当作初始的标记场Xsp，同时根据Xsp初始化辅助场Usp并计算势能Wsp(Xsp,Usp)；S8：更新标记场Xsp和辅助场Usp，并通过ICM算法和SG算法对参数集θ进行更新：S9：重复步骤S7-S8直到标记场不再发生变化为止，输出海岸线结果。2.根据权利要求1所述的一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，其特征还在于：步骤S3中所述聚类算法：选取所述邻域中任意两个点作为中心点A和B，计算局部窗内，每一个点...

【专利技术属性】
技术研发人员：史晓非，王智罡，刘玲，丁星，马海洋，冯建德，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁,21