[发明专利]基于语义条件随机场模型的SAR图像分割方法

摘要

本发明公开了一种基于语义条件随机场模型的SAR图像分割方法。主要解决现有技术中不能保持图像细节信息的问题。其实现步骤为：1.根据SAR图像的区域图，将SAR图像划分为混合聚集结构地物子空间、结构区域子空间和匀质区域子空间；2.对混合聚集结构地物子空间采用词袋模型提取特征，用AP聚类的方法进行分割；3.构建语义条件随机场模型对结构区域子空间和匀质区域子空间进行分割；4.将混合聚集结构地物子空间、结构区域子空间和匀质区域子空间的分割结果合并，得到SAR图像的分割结果。本发明获得了SAR图像的良好分割效果，可用于SAR图像的语义分割。

主权项

1.基于语义条件随机场模型的SAR图像分割方法，其特征在于：包括如下步骤：(1)根据SAR图像的区域图，将SAR图像划分为混合聚集结构地物子空间、结构区域子空间和匀质区域子空间；(2)对混合聚集结构地物子空间，采用词袋模型提取区域的特征，并用仿射传播AP聚类的方法对该地物子空间进行分割；(3)构建语义条件随机场模型：(3a)定义一元势函数为：其中，u_s(x_s,y_s)是一元势函数，Z＝{1,2,...,N}是整个SAR图像像素的集合，N是SAR图像像素的总数目；y_s是SAR图像中第s个像素，s∈Z；x_s是SAR图像中第s个像素的类标；f_s(y_s)是像素的类别特征函数，p(y_s)是像素的类别特征概率，p(y_s|x_s)是似然概率；K是图像类别的总数目，l∈{1,2,...,K}，δ(x_s，l)为第一指示函数，如果x_s＝l，则δ(x_s，l)＝1，如果x_s≠l，则δ(x_s，l)＝0；(3b)定义二元势函数为：其中，y_t是SAR图像中第t个像素，t∈Z，且s≠t；x_t是SAR图像中第t个像素的类标；l∈{1,2,...,K}，m∈{1,2,...,K}，δ(x_t，m)为第二指示函数，如果x_t＝m，则δ(x_t，m)＝1，如果x_t≠m，则δ(x_t，m)＝0；ψ_st(y_s,y_t,φ(y_s,y_t))是混合核函数，φ(y_s,y_t)是像素y_s和像素y_t之间的语义函数，p(x_s,x_t|ψ_st(y_s,y_t,φ(y_s,y_t)))是先验概率；(3c)根据(3a)和(3b)，定义语义条件随机场模型的目标函数如下：p(x_s|y_s)＝p(y_s)×p(y_s|x_s)×p(x_s,x_t|ψ_st(y_s,y_t,φ(y_s,y_t)))   <3>其中，p(y_s)是像素的类别特征概率，p(y_s|x_s)是似然概率，p(x_s,x_t|ψ_st(y_s,y_t,φ(y_s,y_t)))是先验概率；(4)采用(3c)得到的语义条件随机场模型的目标函数对结构区域子空间和匀质区域子空间进行分割，即对结构区域子空间和匀质区域子空间的每个像素，取式<3>的最大值，得到每个像素的类标为：(5)将混合聚集结构地物子空间、结构区域子空间和匀质区域子空间的分割结果进行合并，得到SAR图像的分割结果。