[发明专利]基于Gamma分布的异质超像素SAR图像分割方法

摘要

本发明公开了一种基于Gamma分布的异质超像素SAR图像分割方法，主要解决SAR图像分割经过超像素预分割后易产生细节信息不完整，边界凌乱的问题。分割过程为将图像超像素预分割；用Gamma分布估计每个超像素异质性，找出超像素由于弱边界导致分割错误的超像素块；对错分超像素用Kmeans分成两类；提取原图像每个点的特征，采用灰度共生矩阵提取图像纹理特征，得4维灰度共生矩阵特征；提取原图像的小波特征，得9维gabor特征；给图像纹理特征和散射特征分配相等权重，融合特征组合；将超像素块里的像素特征取均值得到每个超像素的特征；利用高斯混合模型分类，得到最终分割结果。有效分割了异质超像素，细节信息保留完整，同质区一致性好，有效抑制噪声。

主权项

一种基于Gamma分布的异质超像素SAR图像分割方法，其特征在于，包括有如下步骤：1)将图像M*N进行超像素预分割，得到S个超像素块；2)在超像素预分割后的再分割，用Gamma分布估计每个超像素块的异质性，以Gamma分布的异质性参数阈值m为界，将同质超像素块和异质超像素块区分开，当异质性参数大于阈值m时，此超像素块为同质超像素；当异质性参数小于阈值m时，此超像素为异质超像素,并将异质超像素块用Kmeans方法实现再分类；3)提取原图像每个点的特征F1(i，j)，采用灰度共生矩阵提取图像纹理特征，选择4个离散的方向：0°，45°，90°和135°，每个方向上取的统计量是同质区，得到原图像4维灰度共生矩阵特征；4)提取原图像的小波特征F2(i，j)，gabor的方向数取3，尺度数取3，得到原图像的9维gabor特征；5)融合原图像的纹理特征和散射特征，给原图像纹理特征和散射特征分配相等权重：F(i,j)＝[Q1,Q2]'*[F1(i,j),F2(i,j)]其中，为方向数；所以为方向数，Nω为尺度数；6)计算每个超像素的特征F(t)，t＝1,2,3……S，将超像素块里的像素特征取均值得到每个超像素的特征，F(t)＝(∑(i,j)∈tF(i,j))/Nt|，Nt为t里包含的像素数；将原图像4维灰度共生矩阵特征和原图像的9维gabor特征同时融入同质超像素块中，得到同质超像素块的特征；7)将同质超像素块的特征利用高斯混合模型进行分类，即每个超像素块就得到了相应的类别标签，得到最终分割结果。