[发明专利]基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法

说明书

技术领域

本发明涉及一种基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法，属于SAR图像分割技术领域。

背景技术

海洋溢油污染对海洋生态系统及沿海城市的环境与经济发展都带来了严重的危害，是主要的海洋污染之一。合成孔径雷达(SAR)具有全天时，全天候的监测能力，能够有效穿透云层，因此在海面溢油监测方面得到了广泛的应用。海面溢油具有地雷达后向散射的特性，能够造成Bragg波的衰减，从而降低海面粗糙程度，在SAR影像中显示为较暗的条带或者斑点。同时，其他一些因素如雨区、生物溢油、海洋自然表面膜、低风速区等等也具有类似的特性，为图像分割带来的很大的难度^[8,9]。另外，SAR图像由于其自身成像机理，图像中存在大量的相干斑噪声，也对后续的图像处理造成严重的干扰。因此，准确、高效的图像分割是SAR图像海面溢油检测的关键步骤之一。

基于谱聚类的分割算法是近几年图像分割领域的研究之一。它利用数据点间的相似性构造相似矩阵，进而对提取的特征向量进行聚类获得分割结果。例如文献（张君，薄华，王晓峰.基于改进谱聚类的合成孔径雷达溢油图像分割算法[J].上海海事大学学报，2011,32(3):68-73.）采用分块策略将高维图像分为多个子图，将每个子图采用基于灰度的谱聚类进行分类，有效降低了算法复杂度。但直接基于灰度的谱聚类更容易受到噪声影响，因而分割结果中溢油区域的连通性不佳，分割精度不高。因而在谱聚类之前，首先应对图像进行特征提取从而构建特征矩阵。

目前，对SAR图像溢油区域的纹理特征提取主要利用基于灰度共生矩阵的特征分析方法。灰度共生矩阵(gray-level co-occurrence matrix)最早由Haralick提出，能够有效描述图像中灰度的空间相关性。例如张伟伟，薄华，王晓峰的多特征-谱聚类的SAR图像溢油分割，利用灰度共生矩阵提取SAR影像的多个纹理特征构建相似性矩阵，在此基础上采用谱聚类方法有效提高了分割精度。但在利用灰度共生矩阵提取溢油图像的纹理信息之前，需要首先确定计算灰度共生矩阵的3个参数，包括：方向、步长以及纹理计算窗口的大小。不同的参数组合会对最终分割精度产生重要影响，而这些参数的确定往往只能根据溢油图像本身或经验取得，因而降低了算法的可靠性。采用某一种参数组合决定了灰度共生矩阵仅对特定尺度下的纹理特征敏感，从而忽略了图像中所包含的尺度信息。根据专家的知识，对SAR溢油图像进行多尺度特征提取，并对不同尺度下的分割结果进行融合，可以有效提高分割精度及可靠性。另一方面，在灰度共生矩阵中提取的多个纹理特征向量中，如何选择合适的纹理特征向量来构建特征矩阵，从而保证分割精度的同时有效控制计算复杂度，依然没有统一标准。Deng和Manjunath等人提出的JSEG算法是目前流行的彩色纹理分割算法之一。JSEG算法在图像分割中产生了J-image图像序列，该图像序列能够较好的整合影像的光谱特征和纹理特征，同时包含了尺度信息，用J-image描述对象能有效克服采用原始特征向量存在的局限性，同时对方向不敏感。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法。采用计算J-image影像序列提取SAR影像中的多尺度下的灰度与纹理特征，进而构造相似性矩阵，根据标准切准则（Shi J,Malik J.Normalized cuts and image segmentation[J]）选择第2小特征值对应的特征向量并采用K-mean方法进行聚类，对单一尺度下的聚类结果不一致的像素采用基于投票机制的决策融合策略进行融合，获得最终的分割结果。

技术方案：一种基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法，主要包括三个步骤：色彩量化与特征提取；多尺度谱聚类分割；基于投票机制的决策融合。

色彩量化与特征提取

采用JSEG算法中的色彩量化方法对图像进行灰度级压缩。首先将图像的颜色空间转换为LUV颜色空间，利用对等组滤波对影像进行平滑去噪，最后采用K-means algorithm方法获得量化影像，即“类图”。进而，基于“类图”计算反应图像局域同质性特征J-image影像序列。其中J-value定义如下：

令量化影像中每一个像素的位置Z(x,y)为像素z的像素值，Z(x,y)∈Z。Z为以像素z为中心的特定尺寸窗口内所有像素组成的集合。利用不同尺寸的窗口可以获得不同尺度的J-image影像。