[发明专利]结合背景信息和最大后验边缘概率准则的SAR图像分割方法

摘要

本发明公开了一种结合背景信息和最大后验边缘概率准则的SAR图像分割方法，它属于图像处理技术领域，主要解决现有基于区域的分层模型中分水岭分割方法对于灰度差异不大的图像边缘获取不完整和分割准确性不高的问题。其分割过程为：对原图像经过均值采样得到四叉树分层结构，在原始图像上截取训练样本进行特征提取；除最粗层外，其他各层采用梯度修正的分水岭分割；对分水岭分割得到的区域进行合并；考虑父区域和邻接区域作为背景信息，用最大期望值方法训练参数，计算得出每层各区域的后验边缘概率P(xA|y)，从而得到最终分割结果。本发明具有分割结果区域一致性好边界准确的优点，可用于SAR图像目标识别。

主权项

1.一种结合背景信息和最大后验边缘准则的SAR图像分割方法，包括如下步骤：1)在大小为L×L的待分割SAR图像上截取M类训练样本，提取Gabor小波能量特征和基于灰度直方图的纹理描述子特征；2)对SAR图像在2×2的窗口上进行平均采样，得到N层的四叉树结构，3)从四叉树的最细层至最粗层分别计算各层节点似然概率Pⁿ(y_d(s)|x_s)，n＝{0，1，...，N-1}，得到各层基于像素的最大似然分割结果；4)计算四叉树除最粗层外其他各层上的梯度图，将基于像素的似然分割结果与各层梯度图叠加实现梯度修正，在修正后的梯度图上进行分水岭分割；5)将各层分水岭分割得到的区域进行合并，根据各层最大似然分割结果，由各节点类标来标定所在区域的类别，如果一个区域内某一类的节点个数达到三分之二以上，则本区域由该类标标定，反之，该区域不作处理，最后将具有相同类标的区域进行合并；6)将合并的区域作为处理单元，计算各层区域的似然概率Pⁿ(y_d(s)|x_A)；7)对四叉树除最粗层外其他各层依次通过最大期望值方法训练，得到各层上各区域的背景向量先验概率Pⁿ(x_A)和条件概率对背景条件概率进行Gibbs采样得到背景边缘概率根据这些参数分别计算各层上每个区域的后验边缘概率：Pn(xA|y)=ΣVnPn(xA)Pn(VAn|xA)Pn(yd(s)|xA)VAnΣxAPn(xA)Pn(VAn|xA)Pn(yd(s)|xA)VAnPn(VAn|y)---(1)]]>其中，x_A为区域A的类标，x_A＝{1，2，...，M}，M为分割类别数；8)从各层区域后验边缘概率中取出最细层的区域后验边缘概率，依据最大后验边缘概率准则确定最细层上各区域类标，完成对SAR图像的分割。