基于复小波提取标记的分水岭SAR图像分割方法技术

本发明专利技术公开一种基于复小波提取标记的分水岭SAR图像分割方法，用于解决分水岭SAR图 像分割的过分割问题。本发明专利技术综合了专门针对纹理信息的特征提取方法及分水岭的方法分割 SAR图像之长，能很好的抑制过分割。其具体实现步骤为：(1)用复小波能量特征提取的方式 获得标记分水岭变换的标记；(2)对原图像做高斯低波滤波；(3)对滤波后的图像用Priwitt算 子求梯度；(4)用上内、外标记并利用强制最小技术对梯度修正，以便局部最小区域仅出现在 标记位置；(5)对修正后的梯度图进行分水岭变换，所得SAR图像的初始分割图。经一组实验， 验证了本发明专利技术的图像分割效果基本符合标准。既减少了过分割，又保证了边缘的准确性。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体涉及一种基于复小波提取标记的分水岭SAR图像分 割方法。用于在合成孔径雷达(synthetic aperture radar, SAR)图像分割领域中抑制SAR图像 分割的过分割。
技术介绍
合成孔径雷达SAR图像分割是实现SAR图像自动处理的一个关键步骤，其目的是将SAR 图像分割成具有强相关性的子区域或对象。便于进一步对SAR图像进行分析、识别、等,分割 的准确性直接影响后续任务的有效性。SAR图像的观测对象是高度无约束场景下的地物和目标，雷达回波对地物类型、方位、 均匀程度、空间关系等反应敏感，在图像上很大一部分反映为纹理信息。在SAR图像分割的 过程中，纹理信息被认为是区分地物类型的重要解译信息，其它信息难以分辨的观测对象很 可能可以用纹理轻易的区分。早在1981年，美国的Shanmugan就认识到了纹理对于雷达图 像理解的重要性，并在之后的二十多年中大量的研究人员对此进行了研究，现在已有诸多文 献表明引入纹理特征有助于提高SAR图像分割的精度。目前，对SAR图像纹理信息的分析 方法主要采用的是统计纹理方法，主要包括自相关函数、傅里叶功率谱法、基于小波变化的 纹理特征、灰度共生矩阵、随机模型等方法。但这类种方法对边缘定位不够准确。要解决这 个问题必须弓I入边缘定位准确的方法。形态学分水岭算法是一种边缘定位准确的区域提取图像分割算法，由于算法实现过程简 单有效，现已成为广泛使用的图像分割工具。分水岭算法充分利用了梯度操作捕获的边缘信 息，边缘定位准确，且所得到的区域边界形成了一个封闭、连接的集合，具有空间一致性。 然而，分水岭算法中的梯度操作对纹理及噪声敏感，用于SAR图像将因其丰富的纹理信息而 产生严重的过分割。因此针对SAR图像的特点，探索采用多种分割方法的结合对SAR图像分 割已是当前图像处理的一种趋势。
技术实现思路
本专利技术要解决的技术问题是克服现有图像分割技术的不足，即单独采用复小波特征提 取聚类的分割结果边缘不准确，单独采用经典分水岭变换或标记分水岭变换的过分割问题，提出一种基于复小波提取标记的分水岭SAR图像分割方法，用复小波特征提取聚类后的图像 作为分水岭的标记来源，结合了专门针对纹理信息的特征提取方法及分水岭的方法对SAR图 像进行分割，综合的两方法的优点，消除纹理信息的影响，有效的解决分水岭SAR图像分割 的过分割问题。为达到上述目的，根据本专利技术提供的SAR图像分割方法，首先用复小波提取分水岭分割 法所需要的标记，同时为了一定程度上消除了SAR图像噪声及纹理信息的影响，用这样的标 记修正原图像进行高斯滤波后再求得的梯度图，针对此梯度图进行经典分水岭运算，则得到 最终的能很好解决过分割问题的结果。具体技术方案的实现包括如下步骤(1) 用复小波能量特征的方式从原图像Img提取标记分水岭变换的内部标记LImg;(2) 对内部标记LImg进行经典分水岭变换得外部标记WUmg;(3) 对原图像Img进行高斯低通滤波得滤波后图像GImg;(4) 对滤波后的图像GImg用Priwitt算子求图PGImg;(5) 用内、外标记对梯度图PGImg进行梯度修正，具体利用强制最小技术修正，使梯 度图的局部最小区域出现在标记位置；(6) 对修正后的梯度图进行分水岭变换，获得最终的图像分割图RImg。 上述步骤(l)用复小波能量特征的方式获得内部标记LImg的步骤如下对原图像的每个像素提取复小波能量特征； [2]对每个像素进行K-均值聚类； [3]对聚类后的结果图像进行高斯低通滤波；. [4]对滤波后的图像用Priwitt算子求梯度；对梯度图提取内部标记，选取内部标记的过程就是找到局部最小值的过程，局部最 小值是指灰度值在一个灰度范围内的连续区域，且此区域附近的像素的值均大于这个区域内 的值。上述的步骤[l]中的复小波能量特征提取技术中的复小波是一种具有时移不变性，方向信 息多和相位信息多等特点的小波。它将小波的构造空间扩展到复数域，构造出的小波不仅有 传统小波变换良好的时频局部化特征，而且具有良好的方向性。本专利技术中的复小波能量特征 的算法如下将每个像素的窗口图像进行复小波分解两层，得到一个低频子带和每层6个高频 子带，共13个子带，用下式对各子带分别求小波能量作为特征矢量，并归一化特征矢量。其中，s(x,y)是分解系数，MxTV为频带图像的大小，；c和y分别表示图像的行和列，e为能量 特征矢量。上述步骤(2)和步骤[3]所用的高斯低通滤波技术是一种低频增强技术，它可以增强图像的 某些频率特征，改变地物目标与邻域或者背景之间的灰度反差。在分析图像信号的频域特性时， 一幅图像的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量,而大面积的背景区则代表 图像信号的低频分量。如果通过低通滤波增强低频信息抑制高频信息，则将平滑影像细节,保 留并突出较均匀连片的主体图像。本专利技术用其去除图像的细节或噪声部分。上述步骤(3)和步骤[4]的对图像求梯度方法中，所说的梯度是指图像灰度值的显著变化的 地方。从数学的角度可以把图像看成二维离散函数，图像梯度就是二维离散函数的求导，不同 的算子对应了不同的求梯度的方法。本专利技术采用了Priwitt算子，它是在一个奇数模板中定义 其微分运算。本专利技术所应用的分水岭图像分割方法来源于地形学，分水岭图像分割算法将图像看作是 地形学上被水覆盖的自然地貌，图像中的每一象素的灰度值表示该点的海拔髙度，其每一个 局部极小值及其影响区域称为汇水盆地，而汇水盆地的边界则是分水岭。传统的分水岭方法 正是在梯度图像上提取梯度图像的局部极小值，将梯度值较小的区域内部看成是一个汇水盆 地，而将梯度值较大的目标边界作为分水岭线;然后根据梯度值来进行区域生长，当水浸没盆 地时，分水岭线以下的较低梯度的像素点逐渐连成一片，水到达梯度局部极大值点时，筑起 分水岭线，将两个相邻的汇水盆地分割开来。这样，分水岭线就将图像分割成为若干个的汇 水盆地，从而得到不同的目标区域。分水岭图像分割算法简单快速，分割结果区域封闭且一 致性强，边缘准确。本专利技术与现有的技术相比具有以下优点1、 本专利技术采用了一种改进后的分水岭的方法对SAR图像分割，能得到封闭而且连通的区域。2、 本专利技术采用了复小波标记提取，有效的消除了纹理信息产生的过分割。3、 本专利技术采用了高斯低通滤波的方法对阈值分割后的图像进行了滤波，消除了高频成分 带来的过分割。4、 本专利技术的梯度修正是针对原图像的滤波后的梯度图像进行的，并不是阈值分割后的滤 波图像，这样既减少了过分割，又保证了边缘的准确性。附图说明图l是本专利技术基于复小波提取标记的分水岭SAR图像分割方法流程图 图2是本专利技术复小波算法提取标记的流程图图3是本专利技术中对SAR图像I的实验及对比实验结果图。其中(a)为SAR原图像；(b) 复小波特征提取+K-均值聚类的结果；(c)本专利技术算法；(d)本专利技术算法得到的 边缘叠加到(b)结果图上的结果图4是本专利技术中对SAR图像II的实验及对比实验结果图。其中(a)为SAR原图像；(b) 复小波特征提取+ K-均值聚类的结果；(C)本专利技术算法；(d)本专利技术算法得到的边缘叠加到(b)结果图上的结果图5是本专利技术中对SAR图像III的实本文档来自技高网...

【技术保护点】
基于复小波提取标记的分水岭ＳＡＲ图像分割方法，其特征包括如下步骤：　１．１用复小波能量特征的方式从原图像Ｉｍｇ提取用于分水岭变换的内部标记ＬＩｍｇ；　１．２对内部标记ＬＩｍｇ进行经典分水岭变换得外部标记ＷＬＩｍｇ；　１．３对原图像Ｉｍｇ进行高斯低通滤波得滤波后图像ＧＩｍｇ；　１．４对滤波后的图像ＧＩｍｇ用Ｐｒｉｗｉｔｔ算子求梯度图ＰＧＩｍｇ；　１．５用内、外标记对梯度图ＰＧＩｍｇ进行梯度修正，使梯度图的局部最小区域出现在标记位置；　１．６对修正后的梯度图进行分水岭变换，获得最终的图像分割图ＲＩｍｇ。

【技术特征摘要】
1、基于复小波提取标记的分水岭SAR图像分割方法，其特征包括如下步骤1.1用复小波能量特征的方式从原图像Img提取用于分水岭变换的内部标记LImg；1.2对内部标记LImg进行经典分水岭变换得外部标记WLImg；1.3对原图像Img进行高斯低通滤波得滤波后图像GImg；1.4对滤波后的图像GImg用Priwitt算子求梯度图PGImg；1.5用内、外标记对梯度图PGImg进行梯度修正，使梯度图的局部最小区域出现在标记位置；1.6对修正后的梯度图进行分水岭变换，获得最终的图像分割图RImg。2、根据权利要求1所述的基于复小波提取标记的分水岭SAR图像分割方法，其特征是所述 步骤l.l用复小波能量特征提取标记的步骤如下...

【专利技术属性】
技术研发人员：王爽，焦李成，张晓静，侯彪，刘芳，公茂果，刘若辰，
申请(专利权)人：王爽，焦李成，张晓静，侯彪，刘芳，公茂果，刘若辰，
类型：发明
国别省市：87