本发明专利技术公开了一种基于改进视觉注意模型的SAR机场分割方法，它属于图像处理技术领域，主要解决传统视觉注意模型不能满足SAR图像分割条件要求的问题。其分割过程为：(1)对待分割SAR图像进行下采样；(2)对采样后的图像提取纹理特征、小波特征和邻域对比度特征，把这些特征进行加权相加后经过归一化及显著性处理得到初始显著图；(3)把初始显著图经过视觉感受野模板滤波，得到最终显著图；(4)把最终显著图插值到与原SAR图像大小相同，然后对插值后的显著图进行域值处理，得到机场区域；(5)用支撑矢量机的方法对机场区域进行分类，即可分割出机场。本发明专利技术具有计算速度快，分割效果明显的优点，可用于SAR图像机场的分割和识别。
【技术实现步骤摘要】
本专利技术属于图像处理领域，特别是一种涉及SAR图像机场分割的方法，可应用于对SAR图像机场的分割。
技术介绍
合成孔径雷达SAR是一种高分辨率雷达体制，可应用于军事，农业，导航，地理监视等诸多领域。它与其它遥感成像系统，光学成像系统相比有很多差异。在军事目标识别方面，SAR图像被广泛的应用在目标检测领域，而SAR图像分割则是从图像处理到图像分析的重要步骤，是目标分类和识别的基础。本质上SAR图像反映的是目标的电磁散射特性和结构特性，其成像效果很大程度上依赖于雷达参数和地域电磁参数。SAR成像的特殊性使得针对该类图像的分割方法有别于普通光学图像非光学成像方式导致SAR图像灰度级变化缓慢，因此光学图像常用的自适应阈值分割方法对此类图像收效甚微；SAR图像含有大量相干斑噪声，而常规分割方法通常对噪声具有很高的敏感度，不宜用于此类图像。视觉注意方法是一种人眼视觉生物机制和计算机仿真相结合的新方法，其定义如下在面对一个复杂场景时，人类的注意力会迅速集中在少数几个显著的视觉对象上，并对这些对象进行优先处理，该过程则被称为视觉注意。视觉注意模型就是利用人眼的这种视觉生物学机制，用数学的计算方法模拟，从而形成了图像处理领域的一个重要方向，该模型可用于目标检测与识别，图像压缩与编码，图像检索，监视系统，主动视觉等方面。经典的视觉注意模型是由Itti提出的，他首次用数学的方法来模拟人类的视觉注意机制并取得了较好的效果，后来引起了众多学者的关注并产生了重要的影响。按照对视觉信息的处理方式，可分为自底向上的视觉注意和自顶向下的视觉注意，目前研究的较多的是自底向上的视觉注意，它是基于数据驱动，且独立于具体的任务；而自顶向上的视觉注意是受意识支配，与具体任务相关，而目前针对自顶向下视觉注意模型的研究工作较少，大多数的工作限于生物实验取证和理论研究。自底向上的视觉注意模型按计算方式的不同，又可分为基于空域的计算模型和基于频域的计算模型。基于空域的计算模型主要思想是在空间域中计算图像中各个位置的视觉显著程度，即采用显著度来衡量，进而实现视觉注意机制的模拟。这类模型的优点是计算特征较容易提取、计算量较小、快速，但缺点是对于噪声较为敏感、鲁棒性较差，较适用于前期对注意焦点进行检测，对于对象区域语义的完整性考虑不足。代表模型是1998年Itti提出的视觉注意计算模型，参见 Itti L, Koch C, Niebur E. 1998. A modelof saliency一basedvisual attention for rapid scene analysis .1EEE Trans. onPattern Analysisand Machine Intelligence,20(11) :1254_1259。基于频域空间的计算模型主要思想是利用傅立叶变换或特征值极坐标变换等方法将图像从空间域映射到频域空间，并对其分析处理，找出其显著性特征，之后再反变换回空间域得到显著图。其代表是以Hou等人的光谱剩余假说,参见Hou X andZhang L. 2007.Saliency Detection A Spectral Residual ApproachC. Proceedingsof IEEEConference on Computer Vision and Pattern Recognition, Minnesota,USA,1—8。综上所述的视觉注意模型都是针对自然图像的，对于在SAR图像中的应用几乎没有，原因是SAR图像有其自身的特点，与其它遥感成像系统、光学成像系统相比有很多差异，常规视觉注意的方法在SAR图像上不能得到好的效果。另一方面视觉注意模型只是模拟人眼的视觉机制而产生的对目标的模糊注意及定位，而图像分割对分割后图像的边缘信息、纹理信息的完整性都有较高要求，常规的视觉注意方法难以达到这样的要求。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于改进视觉注意模型的SAR机场分割方法，以解决常规视觉注意方法不能满足图像分割条件要求的问题，利用人眼的视觉特性机制使得对SAR机场的分割更准确快速，保证图像分割信息的完整性，提高SAR图像分割的质量。 现本专利技术目的的技术方案是在原有经典视觉注意模型的框架下，利用高效的多尺度多分辨率数学工具gabor小波和正交小波，并利用图像的邻域对比度特征，充分挖掘图像中的纹理信息、结构信息和对比度信息，模拟人眼的视觉注意机制，以实现对机场的分害I]。其实现步骤包括如下(I)对待分割SAR图像进行下采样处理，处理后的图像记为I ;(2)对采样后的图像I进行纹理特征提取，用gabor小波提取其在0° ,45° ,90° ,135°方向上的分量纹理特征，然后把这些分量纹理特征相加，即可得到图像的纹理特征；(3)对采样后的图像I进行小波特征提取(3a)对图像I进行正交小波变换，得到图像的四个小波分量，即一个低频分量III (x，y)和三个高频分量 IHux, y), Ihh (X, y), Ilh (x, y)；(3b)计算低频分量与其平均值的对比差值C(x,y) = (lLL(x,y)_Iu)2,其中Iix(Xd)为低频分量，Iu为低频分量的平均值；(3c)对所述C(x，y)，IHL(x，y)，IHH(x，y)，lLH(x，y)进行逆小波变换，即得到采样后图像I的小波特征；(4)对采样后的图像I进行邻域对比度特征提取(4a)计算采样后图像I的每个像素I (x，y)邻域像素的平均值(4b)计算采样后图像I的每个像素I (x，y)与其邻域像素的平均值 (為力的差值 -1(^ ，并将该差值的绝对值作为邻域对比度特征；(5)对提取后的纹理特征、小波特征和领域对比度特征进行加权相加，对相加后的图像进行归一化及显著性处理，得到初步的显著图；(6)将初步显著图进行视觉感受野模型处理，得到最终的显著图；(7)把得到的最终显著图插值到与原SAR图像大小相同；(8)将插值后的显著图进行域值处理，得到目标区域；(9)将目标区域用支撑矢量机方法进行分类，即对目标区域中的机场和背景进行标签并训练分类，从而分割出机场目标。本专利技术与现有的技术相比具有以下优点1、本专利技术由于使用多尺度几何分析工具gabor小波，对SAR图像的纹理特征的方向性细节信息进行提取，保证了图像信息的完整性；2、本专利技术使用了 SAR图像的领域对比度特征，更好地模拟了人眼的视觉对比特征；3、本专利技术对SAR图像进行了下采样，可对低分辨SAR图像来进行机场检测；4、本专利技术由于使用了正交小波，抗噪性能较好，鲁棒性较好，得到的显著图轮廓较清晰，速度较快，定位准确；5、本专利技术使用了视觉感受野模型，更好地模拟了人眼的 视觉生物特性，使待分割图像中目标的边缘特征保留的较好，得到的显著图更准确；6、仿真结果表明，本专利技术方法较传统Itti模型和频域谱残差模型分割结果更有效。附图说明图1是本专利技术的流程图；图2是两类简单地物背景SAR图像；图3是用本专利技术和现有方法对图2的仿真结果图；图4是两类复杂地物背景SAR图像；图5是用本专利技术和现有方法对图4的仿真结果图；图6是三类复杂地物背景SAR图像；图7是用本专利技术和现有方法对图6的仿真结果图。具体实施例方式参照图本文档来自技高网...
【技术保护点】
一种基于改进视觉注意模型的SAR机场分割方法，包括如下步骤：1)对待分割SAR图像进行下采样处理，处理后的图像记为I；2)对采样后的图像I进行纹理特征提取，用gabor小波提取其在0°,45°,90°,135°方向上的分量纹理特征，然后把这些分量纹理特征相加，即可得到图像的纹理特征；3)对采样后的图像I进行小波特征提取：3a)对图像I进行正交小波变换，得到图像的四个小波分量，即一个低频分量ILL(x，y)和三个高频分量IHL(x，y),IHH(x，y),ILH(x，y)；3b)计算低频分量与其平均值的对比差值：C(x，y)=(ILL(x，y)?Iu)2，其中ILL(x，y)为低频分量，Iu为低频分量的平均值；3c)对所述C(x，y),IHL(x，y),IHH(x，y),ILH(x，y)进行逆小波变换，即得到采样后图像I的小波特征；4)对采样后的图像I进行邻域对比度特征提取：4a)计算采样后图像I的每个像素I(x，y)邻域像素的平均值4b)计算采样后图像I的每个像素I(x，y)与其邻域像素的平均值的差值并将该差值的绝对值作为邻域对比度特征；5)对提取后的纹理特征、小波特征和领域对比度特征进行加权相加，对相加后的图像进行归一化及显著性处理，得到初步的显著图；6)将初步显著图进行视觉感受野模型处理，得到最终的显著图；7)把得到的最终显著图插值到与原SAR图像大小相同；8)将插值后的显著图进行域值处理，得到目标区域；9)将目标区域用支撑矢量机方法进行分类，即对目标区域中的机场和背景进行标签并训练分类，从而分割出机场目标。FDA00002428591300011.jpg,FDA00002428591300012.jpg,FDA00002428591300013.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：侯彪，侯小瑾，刘彦甲，焦李成，方相如，翁鹏，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。