[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

摘要

本发明公开了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，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，对河道区域进行分段建模，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，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，将满足条件的第二矩形窗拼接出粗略的河道区域；第五步，再次进行灰度阈值分割，得到河道提取图像。本发明主要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。

主权项

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，其特征在于，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；采用Otsu法选取图像分割的最优灰度阈值k*：根据最优灰度阈值k*对SAR图像做背景分割；首先根据SAR图像构建[1,2,…,L]灰度等级的直方图，其中属于灰度等级b的像素数量为nb，因此，整幅图像的像素数因而在该图像中处于某一灰度等级像素出现的概率描述为：pb＝nb/N    (1)其中，pb≥0，其次，将水体和与水体灰度较大的目标进行分类；将水体目标类定义为c1，与水体目灰度差异较大的目标类定义为c2，用于区分该两类目标的灰度阈值为k，因此，两类目标所出现的概率w1，w2分别为：w1=Σb=1kpb---(2)]]>w2=Σb=k+1Lpb---(3)]]>类别c1，c2所对应的平均灰度μ1，μ2以及整幅图像的平均灰度μT分别为：μ1=Σb=1kbpb/w1---(4)]]>μ2=Σb=k+1Lbpb/w2---(5)]]>μT=Σb=1Lbpb---(6)]]>整幅SAR图像总体的灰度方差及类间差异分别为：σT2=Σb=1L(b-μT)2pb---(7)]]>σB2=w1w2(μ1-μ2)2---(8)]]>该方法以类间差异最大化为最优阈值选择准则，建立关于灰度阈值k的误差函数ξ(k)为：ξ(k)=σB2(k)/σT2---(9)]]>最后，得出最优灰度阈值计算为：k*=argk(max1≤k≤LσB2(k))---(10)]]>根据最优灰度阈值k*对原始SAR图像进行背景分割；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。