[发明专利]一种基于马尔可夫模型的合成孔径雷达图像快速分割方法

摘要

本发明属于图像分割技术领域，具体涉及一种基于马尔可夫模型的合成孔径雷达图像快速分割方法。本发明以马尔可夫模型为基础，综合研究了超像素和邻域系统对分割速度的影响，提出了一种合成孔径雷达图像快速分割方法。首先对雷达图像进行超像素预处理，并以此生成合理描述位置关系的邻域系统，然后进行基于MRF模型的图像分割以及相应的后处理得到最后的分割结果。实验证明该方法大幅度提高了图像分割速度且最大程度地保留了分割质量。

主权项

1.一种基于马尔可夫模型的合成孔径雷达图像快速分割方法，其特征在于，包括以下步骤：S1、对SAR图像进行预处理：利用简单线性迭代聚类超像素算法对SAR图像进行预处理，选择合适的分割步长；S2、根据步骤S1的预处理结果，生成伪网格化邻域系统：S21、假设预处理结果的所有超像素块的节点信息，是按照网格化排列的，对超像素块的节点信息建模如下：D(i,j)＝max(|r(i)‑r(j)|,|c(i)‑c(j)|)其中，用块内均值表示超像素块节点信息，r_k和c_k为每个像素点的横纵坐标，gk像素点的灰度值，D(i,j)表示节点间距离，i，j为节点编号，n为像素块内像素值，n(i)为节点i的像素块内像素值，S为像素块面积，S(i)为节点i的像素块面积；S22、获得每个超像素块节点信息后，按照网格化排列方式，计算每个超像素块节点在网格中的位置所在，得到待处理图像；S23、根据步骤S22获得所有节点位置后，对获得的待处理图像中出现的空白点进行处理，即将空白点2阶邻域所有点灰度值均值赋予该空白点；S24、根据图像灰度最大差值和分割总像素块数获得识别区间；S3、根据步骤S1的预处理结果，生成下采样邻域系统：S31、以超像素块平均面积大小和图像整体大小为依据，选择合适的采样步长，对SLIC预处理结果进行下采样，直接得到无空白点的待处理小图；S32、对步骤S1的预处理结果中遗漏的节点信息进行判断处理，使遗漏点与其最近中心点进行对比判断：其中像素块大小为S_s，识别区间步长设为J，识别区间灰度设为G，最近的中心点的距离为l_m，最近的中心点的灰度值为g_m，该遗漏点的灰度值为g_t；S33、根据步骤S32获得的遗漏节点的大小和灰度值，以及其与最近节点的距离和灰度差值，再加上整个分割的识别区间和步长，做出分割类别的判断；S4、将两种邻域系统分别带入基于马尔可夫模型的分割算法中进行分割操作，所述的马尔可夫模型采用了有限正态混合模型描述的特征场，Potts模型描述的标号场，并采用迭代条件模式算法作为分割算法，具体为：有限正态混合规定每个位置仅有两种取值，假设图像中某一点像素为x_k，则Potts模型中的条件概率表示为：其中，x_i是节点i的像素，x_j是节点j的像素，是节点i邻域像素的集合，N_i是节点i的邻域，α和β是对应的势参数；Potts模型的局部概率为：假设图像y＝{y₁,y₂,…,y_n}的每个像素y_i在给定初始分割结果x的条件下是相互独立的，且y_i关于x的条件分布只依赖于该像素的标号x_i，即：f(y_i|x)＝f(y_i|x_i)因此，y关于x的条件分布可以表示为：分割结果表示为：S5、对分割结果进行后处理：将待处理图像分割结果按照步骤S3中邻域系统生成时的对应关系，对照回步骤S1预处理结果，得到两种邻域情况下的分割结果；S6、评估两种邻域系统不同的分割情况并选取最后的分割结果：对分割结果进行监督的评估，采用以Dice Ratio和S_A为评估参数，其中，Dice Ratio是由分割的正确性Precision和敏感性Recall综合评估而来，为评判该次分割结果，引入下列几个参数：真阳性，即阳性区域中的真目标数量，简记为tp，假阳性，即阳性区域中的假目标数量，简记为fp，真阴性，即阴性区域中的真目标数量，简记为tn，假阴性，即阴性区域中的假目标数量，简记为fn；由此，精度Precision和敏感性Recall就定义为：分割精度S_A为：其中，T_k表示区域R_k的真值。根据上述引入的四个评估参数的评估情况选取最后的分割结果。