[发明专利]基于局部和全局区域信息的水平集SAR图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及SAR图像分割领域的应用，具体地说是一种基于局部和全局区域信息相结合的水平集SAR图像分割方法，可用于SAR图像的分割、边缘检测和目标识别。

背景技术

合成孔径雷达SAR是一种高分辨率主动式雷达，具有全天候、全天时、分辨率高、可侧视成像等优点，可应用于军事、农业、导航、地理监视等诸多领域。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。由于SAR是一种相干成像系统，SAR图像在本质上是对目标的电磁散射特性和结构特性的反应，其成像效果很大程度上依赖于雷达参数和地域电磁参数。由于SAR成像系统的特殊性，使SAR图像的信息表达方式和光学图像有很大差异，并且会受到相干斑噪声及阴影等许多几何特征的影响，正因为这些因素使适用于光学图像的分割方法对SAR图像不再适用。

总体上说常规的SAR图像分割方法差不多还是用传统的分割模型对SAR图像进行分割，如一些基于阈值的分割、基于边缘的分割和基于区域生长的分割方法等，但是其中的很多分割方法容易受到SAR图像中相干斑噪声的影响，所以此类方法都需要先通过预处理抑制相干斑噪声。这些预处理方法在抑制相干斑噪声的同时，不可避免地损失了很多边缘与目标信息，影响了分割效果。

水平集图像分割方法是重要的图像处理方法之一。水平集方法的优点是可以适应拓扑结构的变化，而且算法稳定性较高。利用水平集方法研究SAR图像分割问题，通过建立合适的能量泛函，可以在能量泛函的定义中引入图像区域信息，在不需要相干斑预处理的情况下，对于受相干斑噪声影响的SAR图像可以获得比较准确的分割结果。

基于区域的水平集方法可分为基于局部区域和基于全局区域的方法。基于局部区域的方法利用图像的局部区域的灰度信息构造能量函数，在医学图像和自然图像上取得了较好的分割结果，Chan和Vese提出的CV模型是一种基于区域的水平集分割方法，作为一种能有效提高曲线演化拓扑自适应能力的区域水平集分割模型，它利用了图像的全局区域信息。但是其同样也存在不足之处，该模型的内部能量项只是保证零水平集曲线光滑，而没有考虑水平集函数本身所固有的内在性质，在某些应用中还需要对水平集函数进行重新初始化，以使它接近符号距离函数，保证数值解法的稳定性.

虽然水平集分割方法已经在光学和医学图像分割中获得了巨大的成功，但是在SAR图像分割领域，研究的还比较少，目前国际上研究基于区域信息的水平集方法的学者有Chunming Li和Ayed等人，Chunming Li偏重研究局部二值拟合LBF方法在医学图像分割的应用，由于SAR图像噪声是乘性噪声，不同于医学图像和自然图像中的加性噪声，局部区域方法易受到乘性相干斑噪声影响，因此LBF方法不适用于SAR图像。Ayed等人研究的水平集方法对较复杂SAR图像容易产生漏分割现象，对复杂区域SAR图像的分割结果不是很理想。

发明内容

本发明的目的在于针对上述已有技术的不足，提供一种基于局部和全局区域信息相结合的水平集SAR图像分割方法，以实现对边缘模糊的SAR图像区域的准确分割，提高边缘的定位性能，从而提高SAR图像分割的质量。

实现本发明目的技术思路是：根据SAR图像的灰度信息，应用一个局部窗函数高斯核函数对图像内外区域的强度信息进行卷积，作为局部区域信息，再根据SAR图像的统计特性，计算由水平集划分得到的两个区域的概率密度的估计值，以各估计值的对数作为全局区域信息，最后结合水平集长度的约束项和避免重新初始化的惩罚项，将这四部分信息相结合进行能量函数的建模，从而达到理想的分割结果。其具体的实现过程包括如下：

(1)将水平集函数φ初始化成符号距离函数形式，根据水平集函数值的正负，将待分割SAR图像I的整个图像区域Ω分割成内部区域Ω₁和外部区域Ω₂；

(2)根据所述的两个区域Ω₁和_Ω2，构造对应的局部区域能量函数E_L：