[发明专利]联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法

说明书

技术领域

本发明涉及合成孔径雷达(SAR,Synthetic Aperture Rader)河道图像的分割及识别技术，尤其涉及一种基于SAR图像利用联合灰度阈值分割及轮廓形态识别的技术来提取河道的方法，属于计算机视觉技术领域。

背景技术

在遥感图像河道目标识别与提取方面，合成孔径雷达成像同光学成像相比具有其独特的优势，主要体现在，一、合成孔径雷达(SAR)的空间分辨率较高，能够较为准确的描述河道目标。此外，它还能够全天候，全天时的实现对地观测且具备一定的穿透能力；二、河道区域中的水体具有显著的电磁波反射特性，反映在SAR图像中表现为灰度值较低的图像特征，同背景间具有显著对比。因此，基于SAR成像的遥感图像被广泛用于河道提取中。

在SAR图像河道提取中，灰度阈值分割及河道轮廓识别是较为常用的方法，这些方法对于SAR图像中的河道目标提取研究具有一定参考意义，但是单独使用单一的方法对河道识别、提取方面存在一定的问题，主要体现在以下几个方面：

目前，SAR图像分辨率已发展到亚米级，越来越多的小目标由于其电磁波反射率同水体接近，容易形成较强的背景噪声且难以通过灰度阈值实现滤除。此外，灰度阈值分割也无法区分河道区域与零星水体间的差异，河道是指河水流经的路线，通常指能通航的水路，零散的水体区域并不属于本研究的目标，对于该类目标单一的通过灰度阈值分割无法有效地实现抑制，因此在分割结果中形成了严重的干扰。最后，SAR图像中所固有的相干斑噪声也会对河道提取产生严重影响。

河道轮廓不同于战车飞机等团状目标，也不同于桥梁、道路等的规则线状目标，河道轮廓相对复杂，可以粗略视为平行线对所包络的条带状区域，但是这种带状区域并非笔直的，且不同区段河道的粗细也有显著差异，加之人工构筑物如桥梁，船坞等的影响，河道轮廓含有平行线对的先验知识也常不适用，因此，对于河道轮廓形态的准确建模十分困难，会严重影响基于轮廓形态特征的河道识别。目前，常用Snake建模方法对河道轮廓进行建模，但由于其对初始轮廓位置比较敏感，对噪音也比较敏感，在其应用受到一定的制约。

SAR图像中的河道目标不适合采用聚类等高级模式识别方法提取，因为不同河道的外观变化较大且较为复杂。根据现有的特征提取及聚类方法很难对河道及非河道区域进行准确的聚类，更不能寻找到最优的分类面。

鉴于上述问题，根据SAR图像的成像特点及河道的轮廓形态特征，本发明公开了一种新的联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法。

发明内容

本发明的主要目的是利用联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法对河道进行提取，通过河道的图像灰度特征和形态轮廓特征相结合及多模态的SAR图像分割决策，抑制SAR图像中与水体灰度及形态特征均较为接近的背景噪声，从而精准的提取出河道区域。

为达到上述目的，本发明提供一种联合灰度阈值分割及轮廓形态识别的SAR图像河道提取方法，所述的方法包括：

第一步，采用灰度阈值分割对SAR图像做第一次背景分割；

第二步，根据河道轮廓形态特征，对第一步得到的图像中的河道区域进行分段建模，具体是采用基于图论的图像分割方法，将所述河道区域表示为若干最小外接矩形窗的组合；

第三步，对前述各最小外接矩形窗进行形态识别，将位于同一区域内的最小外接矩形窗进行合并，形成若干第二矩形窗；

第四步，根据河道轮廓的形状及连通性，对前述各第二矩形窗进行筛选，将满足条件的第二矩形窗拼接出粗略的河道区域；

第五步，采用灰度阈值分割对第四步得到的图像做再次背景分割，得到河道提取图像。

上述第一步或第五步中，采用灰度阈值分割的详细内容是：根据下式进行最优灰度阈值k^*计算：