專(zhuān)利名稱(chēng)：基于測(cè)地距離的半監(jiān)督sar圖像水域分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種SAR圖像水域分割的方法，可為碼頭、橋 梁等目標(biāo)的檢測(cè)提供準(zhǔn)確的輪廓信息。
背景技術(shù)：
水域作為重要的民用交通要道，同時(shí)也是重要的軍事目標(biāo)，因此對(duì)于水域的檢測(cè) 無(wú)論是在民用還是軍用領(lǐng)域都具有重大的意義。SAR圖像的全天時(shí)，全天候的工作特點(diǎn)即可 穿透云霧不受天氣和光照影響，高分辨率，側(cè)視成像方式工作等優(yōu)點(diǎn)使得它在民用和軍用 領(lǐng)域獲得廣泛的應(yīng)用，因此SAR圖像的水域檢測(cè)具有重要的研究意義。然而SAR圖像的本身具有相干斑噪聲干擾，同時(shí)水域周?chē)尘笆謴?fù)雜，這使得 SAR圖像水域分割存在很多困難。現(xiàn)有的許多SAR圖像水域分割方法處理的圖像尺寸較小， 這樣的圖像中水域目標(biāo)所占的比例相對(duì)較大，復(fù)雜背景的比例就相對(duì)較小，且計(jì)算的復(fù)雜 度也相應(yīng)的較低。將這些方法應(yīng)用于尺寸大、背景復(fù)雜的圖像時(shí)，往往獲得的結(jié)果較不理想 同時(shí)處理所耗費(fèi)的時(shí)間較長(zhǎng)。范立生等提出了一種基于交叉熵的特征參數(shù)以表征河流地區(qū)與其他區(qū)域差別的 水域檢測(cè)方法。胡德勇等以單極化Radarsat SAR圖像為研究對(duì)象，首先利用半變異函數(shù)分 析樣本圖像的結(jié)構(gòu)特性，從而確定紋理信息提取的最佳參數(shù)，然后計(jì)算基于灰度共生矩陣 的三種紋理特征，建立使用于圖像分類(lèi)的多維特征空間，從而有效增強(qiáng)水域部分的信息，最 后通過(guò)采集樣本，使用支持向量機(jī)分類(lèi)器提取出水域，并在目標(biāo)層融合了從ETM+圖像提取 的歸一化植被指數(shù)NDVI和分類(lèi)結(jié)果來(lái)消除山體因素的影響。Sakurai-Amano等利用頻譜特 征和空間特征，將河流的提取分為兩部分窄河流的提取和寬河流的提取。Yamada等提出 了一種結(jié)合傳統(tǒng)的閾值法，并利用形態(tài)學(xué)方法作為空間信息的水域提取方法。Ahtonen和 hallikainen使用傳統(tǒng)的閾值和動(dòng)態(tài)輪廓模型對(duì)ERS-2SAR圖像中的水域進(jìn)行了提取。楊蕾 等提出了一種基于灰度統(tǒng)計(jì)及區(qū)域編碼的SAR圖像水域識(shí)別方法，具體分析了 SAR圖像及 光學(xué)遙感圖像的水域灰度分布情況，采用閾值法對(duì)目標(biāo)區(qū)域進(jìn)行粗分割，并針對(duì)水域區(qū)與 非水域區(qū)的編碼差異提出了游程長(zhǎng)度編碼的水域識(shí)別方法。上述這些方法的共有缺點(diǎn)是需 要復(fù)雜的預(yù)處理過(guò)程，在處理大尺寸、背景復(fù)雜的圖像時(shí)速度較慢，且分割精度低。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服已有方法的缺陷，提出一種基于測(cè)地距離的半監(jiān)督SAR圖 像水域分割方法，以在無(wú)需對(duì)圖像進(jìn)行復(fù)雜預(yù)處理的條件下，提高大尺寸、背景復(fù)雜的圖像 分割的速度和分割的精度，有效的保持水域邊界，為碼頭、橋梁等目標(biāo)的檢測(cè)提供準(zhǔn)確的輪
廊{曰息。為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是首先通過(guò)人工建立水域標(biāo)簽集合和陸地 標(biāo)簽集合，建立對(duì)應(yīng)的水域模型和陸地模型；再利用該水域模型和陸地模型在待分割圖像 中自動(dòng)生成水域標(biāo)簽集合和陸地標(biāo)簽集合；然后利用該自動(dòng)生成水域標(biāo)簽集合和陸地標(biāo)簽集合，計(jì)算測(cè)地距離，得到最終分割結(jié)果。具體步驟包括(1)人工建立圖像庫(kù)中水域的標(biāo)簽集合Qw和陸地的標(biāo)簽集合；對(duì)集合0 和 分別建立如下水域模型FW(X)和陸地模型Fjx)，其中x是像素點(diǎn)的灰度值 其中，N為集合Qw中圖像的等效視數(shù)，7為集合 中圖像的均值； 其中，
為 中像素點(diǎn)灰度值的標(biāo)準(zhǔn)差，^為 中像素點(diǎn) 2 maxC/iO))
灰度值的均值；QB是在取灰度閾值為200的條件下的子集合，P 2和o 2分別為子集合中 像素點(diǎn)灰度值的最大值和標(biāo)準(zhǔn)差；(2)根據(jù)水域和陸地的數(shù)學(xué)模型Fw(x)和&(x)的形式，在待分割圖像上自動(dòng)生成 水域標(biāo)簽集合和陸地標(biāo)簽集合，并根據(jù)該標(biāo)簽集合和，得到水域函數(shù) 式Fw' (x)和陸地函數(shù)式!V (x): 其中，N'為集合Q/中圖像的等效視數(shù)，7為集合中圖像的均值 f2(x) =其中，
像素點(diǎn)灰度值的均值；Qb'是在取灰度閾值為200的條件下的子集合，和分別為子集 合中像素點(diǎn)灰度值的最大值和標(biāo)準(zhǔn)差；(3)利用水域函數(shù)式F/ (x)和陸地函數(shù)式!V (X)，計(jì)算待分割圖像上任一像素 點(diǎn)i分別屬于水域標(biāo)簽集合W的概率fOO和屬于陸地標(biāo)簽集合W的概率若
屬于水域標(biāo)簽集合的概率Too大于屬于陸地標(biāo)簽集合Q J的概率f 00，則將點(diǎn)i分入水域這一類(lèi)，否則就將點(diǎn)i分入陸地這一類(lèi)；對(duì)待分割圖像上的所有像素點(diǎn)重復(fù)剛才 的操作，得到一次分割結(jié)果；(4)在一次分割結(jié)果的基礎(chǔ)上，獲得需進(jìn)行二次分割的目標(biāo)區(qū)域Qbelt ；利用水域 函數(shù)式Fw' (x)和陸地函數(shù)式!V (x)，計(jì)算目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率
^OcJQm)和歸一化后屬于陸地的概率f (x, 利用目標(biāo)區(qū)域上歸一化后屬于
水域的概率| 和歸一化后屬于陸地的概率f O, ，自動(dòng)生成目標(biāo)區(qū)域
的水域標(biāo)簽集合和陸地標(biāo)簽集合；將該水域標(biāo)簽集合和陸地標(biāo)簽集合 代入測(cè)地距離計(jì)算公式進(jìn)行計(jì)算；若目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i到集合Qw〃的測(cè) 地距離小于到集合的測(cè)地距離，則將點(diǎn)i分入水域這一類(lèi)，否則就將點(diǎn)i分入陸地這 一類(lèi)；對(duì)目標(biāo)區(qū)域上的所有像素點(diǎn)重復(fù)剛才的操作，得到最終分割結(jié)果。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)1.由于本發(fā)明在一次分割階段，采用的人工采集不同類(lèi)別的像素信息，既可在待 處理圖像中采集信息，也可在相同類(lèi)型的圖像庫(kù)中采集信息，克服了之前相關(guān)方法必須在 待處理圖像中采集信息的限制。2.由于本發(fā)明采用自動(dòng)生成水域標(biāo)簽集合和陸地標(biāo)簽集合，克服了之前相關(guān)方法 只能依賴(lài)人工獲得水域標(biāo)簽集合和陸地標(biāo)簽集合的限制。3.由于本發(fā)明對(duì)待分割圖像建立了具有針對(duì)性的更加合理的水域模型和陸地模 型，利用該水域模型和陸地模型明顯的提高了分割的精度，克服了之前相關(guān)方法因?yàn)槭褂?通用模型而造成的分割精度低的缺點(diǎn)。4.由于本發(fā)明在計(jì)算測(cè)地距離時(shí)僅在目標(biāo)區(qū)域內(nèi)計(jì)算，大大降低了運(yùn)算的時(shí)間復(fù) 雜度，克服了之前相關(guān)方法應(yīng)用于大尺寸、背景復(fù)雜的SAR圖像時(shí)運(yùn)算的時(shí)間復(fù)雜度過(guò)高 的問(wèn)題。


圖1是本發(fā)明的流程圖；圖2是用本發(fā)明各步驟的結(jié)果示意圖；圖3是用本發(fā)明方法對(duì)輸入的一幅待分割的SAR圖像的仿真結(jié)果圖。具體實(shí)施方法參照附圖1，本發(fā)明的實(shí)現(xiàn)步驟主要包括離線建立數(shù)學(xué)模型，一次分割，二次分 割，具體實(shí)現(xiàn)方式如下步驟1，人工建立圖像庫(kù)中水域的標(biāo)簽集合和陸地的標(biāo)簽集合；對(duì)集合 和分別建立如下水域模型Fw(x)和陸地模型，其中x是像素點(diǎn)的灰度值
r nP ‘、 NN-XN~l , N-X.Fw(x) =(N_1)lJN exp(-丁)其中，N為集合Qw中圖像的等效視數(shù)，7為集合 中圖像的均值；Fl(x) = (x) +k2 f2 (x) 其中，
工為 中像素點(diǎn)灰度值的標(biāo)準(zhǔn)差，u :為 中像素點(diǎn)
2 max(/(x))
灰度值的均值；是在取灰度閾值為200的條件下 的子集合，P 2和o 2分別為子集合中 像素點(diǎn)灰度值的最大值和標(biāo)準(zhǔn)差；步驟2，根據(jù)水域和陸地的數(shù)學(xué)模型Fw (x)和& (x)，在待分割圖像上自動(dòng)生成兩類(lèi) 的標(biāo)簽集合和；并根據(jù)該標(biāo)簽集合和，得到對(duì)應(yīng)于待分割圖像的水 域函數(shù)式F/ (x)和陸地函數(shù)式FJ (x)。2a)在待分割圖像上設(shè)定水域標(biāo)簽集合Q/和陸地標(biāo)簽集合Q J ；2b)將待分割圖像上任一像素點(diǎn)i的灰度值Xi分別代入水域模型Fw(x)和陸地模 型Fjx)，得到任一像素點(diǎn)i分別屬于水域的概率Pw(Xi)和屬于陸地的概率I\(Xi)；2c)將待分割圖像上屬于水域的概率Pw(Xi) > 1-10—16的像素點(diǎn)i作為自動(dòng)生成的 水域標(biāo)簽放入集合中，如圖2a所示，曲線表示自動(dòng)建立的水域的標(biāo)簽集合Q/ ；2d)將待分割圖像上屬于陸地的概率I\(Xi) > 1-10—16的像素點(diǎn)i作為自動(dòng)生成的 陸地標(biāo)簽放入集合中，如圖2a所示，直線表示自動(dòng)建立的陸地的標(biāo)簽集合Q J ；2e)根據(jù)水域和陸地的數(shù)學(xué)模型Fw(x)和的形式，并根據(jù)待分割圖像上自動(dòng) 生成的水域標(biāo)簽集合和陸地的標(biāo)簽集合，得到對(duì)應(yīng)于待分割圖像的水域函數(shù)式 F/ (x)和陸地函數(shù)式FJ (x) 其中，N'為集合Q/中圖像的等效視數(shù)，7為集合Q/中圖像的均值；
(x)其中，
中像素點(diǎn)灰度值的標(biāo)準(zhǔn)差，y/為中
maxC/i (x))
像素點(diǎn)灰度值的均值；Qb'是在取灰度閾值為200的條件下的子集合，和分別為子集 合中像素點(diǎn)灰度值的最大值和標(biāo)準(zhǔn)差；步驟3，利用對(duì)應(yīng)于待分割圖像的水域函數(shù)式F/ (x)和陸地函數(shù)式FJ (x)，計(jì) 算待分割圖像上任一像素點(diǎn)i分別屬于水域標(biāo)簽集合的概率^(x,)和屬于陸地標(biāo)簽集合Ω J的概率通過(guò)比較屬于水域標(biāo)簽集合Ω/的概率i；'(χ,)和屬于陸地標(biāo)簽集 合Ω,'的概率的大小，得到一次分割結(jié)果。3a)將待分割圖像上任一像素點(diǎn)i的灰度值Xi代入水域函數(shù)式F/ (χ)和陸地函 數(shù)式IV U)，分別得到待分割圖像上任一像素點(diǎn)i屬于水域的概率P/ (Xi)和屬于陸地 的概率IV (Xi)；3b)對(duì)待分割圖像上屬于水域的概率P/ (Xi)和屬于陸地的概率IV (Xi)做 歸一化處理，得到屬于水域標(biāo)簽集合Ω/的概率fog和屬于陸地標(biāo)簽集合Ω^的概率 圖2b所示的是待分割圖像上所有像素點(diǎn)屬于陸地標(biāo)簽集合Ω,'的概率〖(χ,);3c)若待分割圖像上任一像素點(diǎn)i屬于水域標(biāo)簽集合Ω/的概率fh)大于屬于
陸地標(biāo)簽集合Ql'的概率fh)，則將點(diǎn)i分入水域這一類(lèi)，否則就將點(diǎn)i分入陸地這一 類(lèi)；對(duì)待分割圖像上的所有像素點(diǎn)重復(fù)剛才的操作，得到一次分割結(jié)果，如圖2c所示，白色 為分割得到的水域部分，黑色為分割得到的陸地部分。步驟4，在一次分割結(jié)果的基礎(chǔ)上，獲得需進(jìn)行二次分割的目標(biāo)區(qū)域Qbelt ；利用水 域函數(shù)式F/ (χ)和陸地函數(shù)式!V U)，計(jì)算目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率
Pjixi I 和歸一化后屬于陸地的概率fo,. I ΩΜι)。4a)沿著一次分割得到的水域部分的邊沿，做大小為10X10的滑動(dòng)窗口，滑動(dòng)窗 口所經(jīng)過(guò)的區(qū)域作為需進(jìn)行二次分割的目標(biāo)區(qū)域Qtelt，如圖2d所示，白色表示目標(biāo)區(qū)域
Dbelt ；4b)將目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i的灰度值Xi代入水域函數(shù)式F/ (χ)和陸 地函數(shù)式F/ U)，分別得到目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i分別屬于水域和陸地的概率4c)對(duì)目標(biāo)區(qū)域Qbelt上屬于水域的概率;^(χ,和屬于陸地的概率 P^ix1 I 做歸一化處理，得到目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率『(χ, I 和 目標(biāo)區(qū)域Qbelt上歸一化后屬于陸地的概率f 步驟5，利用目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率foe, I 和歸一化后屬于陸地的概率Ρλ’0,|Ωμ),自動(dòng)生成目標(biāo)區(qū)域Qbelt的水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合
^ L 。5a)在目標(biāo)區(qū)域Qbelt上設(shè)定水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合Ω," ；5b)將目 標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率fh |ΩΜ)>1-10—5的像素點(diǎn)i作為自動(dòng)生成的 水域標(biāo)簽放入集合Ω/，如圖2e所示，空心圓圈表示自動(dòng)生成目標(biāo)區(qū)域Qbelt的水域標(biāo)簽 集合Ω w/r ；5c)將目標(biāo)區(qū)域Qbelt上歸一化后屬于陸地的概率的像素點(diǎn) i作為自動(dòng)生成的陸地標(biāo)簽放入集合Ω J，如圖2e所示，實(shí)心圓點(diǎn)表示自動(dòng)生成目標(biāo)區(qū)域 Qbelt的陸地標(biāo)簽集合Ql"。步驟6，將目標(biāo)區(qū)域Qtelt上自動(dòng)生成的水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合Ω J 代入測(cè)地距離計(jì)算公式進(jìn)行計(jì)算，得到SAR圖像的最終分割結(jié)果。6a)將目標(biāo)區(qū)域Qbelt上自動(dòng)生成的水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合代 入測(cè)地距離計(jì)算公式D1(X) :=mmssnid(s,Xl), I e {Ωψ" Ω/}其中，c/O”·^):=!!^、J^2 W(Xi)-C^s1(Xi)CiXi式中Xi為目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i的灰度值，0Sl，S2(X)是連接目標(biāo)區(qū)域Qbelt
上任意兩個(gè)像素點(diǎn)S1, S2之間的路徑；權(quán)值FOO = I-Ph I 。計(jì)算得到目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i到集合Ω/的測(cè)地距離和到集合Ω J 的測(cè)地距離；6b)若目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i到集合Ω/的測(cè)地距離小于到集合Ω J 的測(cè)地距離，則將點(diǎn)i分入水域這一類(lèi)，否則就將點(diǎn)i分入陸地這一類(lèi)；對(duì)目標(biāo)區(qū)域QbeltI 的所有像素點(diǎn)重復(fù)剛才的操作，得到最終分割結(jié)果，如圖2f所示，白色為分割得到的水域 部分，黑色為分割得到的陸地部分。本發(fā)明效果可以通過(guò)以下實(shí)驗(yàn)進(jìn)一步證實(shí)一.實(shí)驗(yàn)條件和內(nèi)容實(shí)驗(yàn)條件選擇如圖3a所示的待分割圖像，該圖像是美國(guó)Sandia NationalLaboratories 公開(kāi)的 Washington DC area Images，大小為 810 X 2000，分辨率為 Im的SAR圖像。實(shí)驗(yàn)計(jì)算機(jī)CPU主頻為2. 20GHz，內(nèi)存2GB。實(shí)驗(yàn)使用matlab語(yǔ)言編程實(shí) 現(xiàn)。實(shí)驗(yàn)內(nèi)容在上述實(shí)驗(yàn)條件下，對(duì)輸入待分割圖像進(jìn)行水域分割，分割結(jié)果如圖 3b所示。二 .實(shí)驗(yàn)結(jié)果本仿真實(shí)驗(yàn)完成水域分割的耗時(shí)約為500s，約合8min。相比于現(xiàn)有方法在處理相 同尺寸SAR圖像時(shí)需耗費(fèi)數(shù)小時(shí)，說(shuō)明本發(fā)明在速度上具有明顯優(yōu)勢(shì)，并且在降低時(shí)間復(fù) 雜度的同時(shí)能保證精確的水域分割質(zhì)量。本發(fā)明能夠有效的保持水域邊界，為碼頭、橋梁等目標(biāo)的檢測(cè)提供準(zhǔn)確的輪廓信息。從圖3b中可以明顯看出不僅在河岸部分，這類(lèi)背景相對(duì)簡(jiǎn)單，細(xì)節(jié)信息相對(duì)較少，較容 易分割的部分，有效的保持了水域邊界；特別是在碼頭、橋梁，這類(lèi)本身細(xì)節(jié)信息豐富，很難 做到精確分割的部分，提供了準(zhǔn)確的輪廓信息。
權(quán)利要求
一種基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，包括如下步驟(1)人工建立圖像庫(kù)中水域的標(biāo)簽集合ΩW和陸地的標(biāo)簽集合ΩL；對(duì)集合ΩW和ΩL分別建立如下水域模型FW(x)和陸地模型FL(x)，其中x是像素點(diǎn)的灰度值 <mrow><msub> <mi>F</mi> <mi>W</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msup> <mi>N</mi> <mi>N</mi></msup><mo>&CenterDot;</mo><msup> <mi>x</mi> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></msup> </mrow> <mrow><mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>!</mo><msup> <mover><mi>I</mi><mo>&OverBar;</mo> </mover> <mi>N</mi></msup> </mrow></mfrac><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><mrow> <mi>N</mi> <mo>&CenterDot;</mo> <mi>x</mi></mrow><mover> <mi>I</mi> <mo>&OverBar;</mo></mover> </mfrac> <mo>)</mo></mrow> </mrow>其中，N為集合ΩW中圖像的等效視數(shù)，為集合ΩW中圖像的均值；FL(x)＝k1·f1(x)+k2·f2(x) <mrow><msub> <mi>f</mi> <mn>1</mn></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><msqrt> <mn>2</mn> <mi>&pi;</mi></msqrt><msub> <mi>&sigma;</mi> <mn>1</mn></msub> </mrow></mfrac><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><msup> <mrow><mo>(</mo><mi>x</mi><mo>-</mo><msub> <mi>&mu;</mi> <mn>1</mn></msub><mo>)</mo> </mrow> <mn>2</mn></msup><msup> <msub><mrow> <mn>2</mn> <mi>&sigma;</mi></mrow><mn>1</mn> </msub> <mn>2</mn></msup> </mfrac> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>f</mi> <mn>2</mn></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>2</mn> <mrow><msqrt> <mn>2</mn> <mi>&pi;</mi></msqrt><msub> <mi>&sigma;</mi> <mn>2</mn></msub> </mrow></mfrac><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><msup> <mrow><mo>(</mo><mo>-</mo><mo>|</mo><mi>x</mi><mo>|</mo><mo>-</mo><msub> <mi>&mu;</mi> <mn>2</mn></msub><mo>)</mo> </mrow> <mn>2</mn></msup><msup> <msub><mrow> <mn>2</mn> <mi>&sigma;</mi></mrow><mn>2</mn> </msub> <mn>2</mn></msup> </mfrac> <mo>)</mo></mrow> </mrow>其中，σ1為ΩL中像素點(diǎn)灰度值的標(biāo)準(zhǔn)差，μ1為ΩL中像素點(diǎn)灰度值的均值；ΩB是在取灰度閾值為200的條件下ΩL的子集合，μ2和σ2分別為子集合ΩB中像素點(diǎn)灰度值的最大值和標(biāo)準(zhǔn)差；(2)根據(jù)水域和陸地的數(shù)學(xué)模型FW(x)和FL(x)的形式，在待分割圖像上自動(dòng)生成水域標(biāo)簽集合ΩW′和陸地標(biāo)簽集合ΩL′，并根據(jù)該標(biāo)簽集合ΩW′和ΩL′，得到水域函數(shù)式FW′(x)和陸地函數(shù)式FL′(x) <mrow><msup> <msub><mi>F</mi><mi>W</mi> </msub> <mo>&prime;</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msup> <mi>N</mi> <mrow><mo>&prime;</mo><msup> <mi>N</mi> <mo>&prime;</mo></msup> </mrow></msup><mo>&CenterDot;</mo><msup> <mi>x</mi> <mrow><msup> <mi>N</mi> <mo>&prime;</mo></msup><mo>-</mo><mn>1</mn> </mrow></msup> </mrow> <mrow><mrow> <mo>(</mo> <msup><mi>N</mi><mo>&prime;</mo> </msup> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>!</mo><msup> <mover><mi>I</mi><mo>&OverBar;</mo> </mover> <msup><mi>N</mi><mo>&prime;</mo> </msup></msup> </mrow></mfrac><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><mrow> <msup><mi>N</mi><mo>&prime;</mo> </msup> <mo>&CenterDot;</mo> <mi>x</mi></mrow><mover> <mi>I</mi> <mo>&OverBar;</mo></mover> </mfrac> <mo>)</mo></mrow> </mrow>其中，N′為集合ΩW′中圖像的等效視數(shù)，為集合ΩW′中圖像的均值；FL′(x)＝k1′·f1′(x)+k2′·f2′(x) <mrow><msup> <msub><mi>f</mi><mn>1</mn> </msub> <mo>&prime;</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><msqrt> <mn>2</mn> <mi>&pi;</mi></msqrt><msup> <msub><mi>&sigma;</mi><mn>1</mn> </msub> <mo>&prime;</mo></msup> </mrow></mfrac><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><msup> <mrow><mo>(</mo><mi>x</mi><mo>-</mo><msup> <msub><mi>&mu;</mi><mn>1</mn> </msub> <mo>&prime;</mo></msup><mo>)</mo> </mrow> <mn>2</mn></msup><mrow> <mn>2</mn> <msup><msub> <mi>&sigma;</mi> <mn>1</mn></msub><mrow> <mo>&prime;</mo> <mn>2</mn></mrow> </msup></mrow> </mfrac> <mo>)</mo></mrow> </mrow> <mrow><msup> <msub><mi>f</mi><mn>2</mn> </msub> <mo>&prime;</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>2</mn> <mrow><msqrt> <mn>2</mn> <mi>&pi;</mi></msqrt><msup> <msub><mi>&sigma;</mi><mn>2</mn> </msub> <mo>&prime;</mo></msup> </mrow></mfrac><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><msup> <mrow><mo>(</mo><mo>-</mo><mo>|</mo><mi>x</mi><mo>|</mo><mo>-</mo><msup> <msub><mi>&mu;</mi><mn>2</mn> </msub> <mo>&prime;</mo></msup><mo>)</mo> </mrow> <mn>2</mn></msup><msup> <msub><mrow> <mn>2</mn> <mi>&sigma;</mi></mrow><mn>2</mn> </msub> <mrow><mo>&prime;</mo><mn>2</mn> </mrow></msup> </mfrac> <mo>)</mo></mrow> </mrow>其中，σ1′為ΩL′中像素點(diǎn)灰度值的標(biāo)準(zhǔn)差，μ1′為ΩL′中像素點(diǎn)灰度值的均值；ΩB′是在取灰度閾值為200的條件下ΩL′的子集合，μ2′和σ2′分別為子集合ΩB′中像素點(diǎn)灰度值的最大值和標(biāo)準(zhǔn)差；(3)利用水域函數(shù)式FW′(x)和陸地函數(shù)式FL′(x)，計(jì)算待分割圖像上任一像素點(diǎn)i分別屬于水域標(biāo)簽集合ΩW′的概率和屬于陸地標(biāo)簽集合ΩL′的概率若屬于水域標(biāo)簽集合ΩW′的概率大于屬于陸地標(biāo)簽集合ΩL′的概率則將點(diǎn)i分入水域這一類(lèi)，否則就將點(diǎn)i分入陸地這一類(lèi)；對(duì)待分割圖像上的所有像素點(diǎn)重復(fù)剛才的操作，得到一次分割結(jié)果；(4)在一次分割結(jié)果的基礎(chǔ)上，獲得需進(jìn)行二次分割的目標(biāo)區(qū)域Ωbelt；利用水域函數(shù)式FW′(x)和陸地函數(shù)式FL′(x)，計(jì)算目標(biāo)區(qū)域Ωbelt上歸一化后屬于水域的概率和歸一化后屬于陸地的概率利用目標(biāo)區(qū)域Ωbelt上歸一化后屬于水域的概率和歸一化后屬于陸地的概率自動(dòng)生成目標(biāo)區(qū)域Ωbelt的水域標(biāo)簽集合ΩW″和陸地標(biāo)簽集合ΩL″；將該水域標(biāo)簽集合ΩW″和陸地標(biāo)簽集合ΩL″代入測(cè)地距離計(jì)算公式進(jìn)行計(jì)算；若目標(biāo)區(qū)域Ωbelt上任一像素點(diǎn)i到集合ΩW″的測(cè)地距離小于到集合ΩL″的測(cè)地距離，則將點(diǎn)i分入水域這一類(lèi)，否則就將點(diǎn)i分入陸地這一類(lèi)；對(duì)目標(biāo)區(qū)域Ωbelt上的所有像素點(diǎn)重復(fù)剛才的操作，得到最終分割結(jié)果。FSA00000176858400012.tif,FSA00000176858400015.tif,FSA00000176858400017.tif,FSA00000176858400023.tif,FSA00000176858400024.tif,FSA00000176858400025.tif,FSA00000176858400026.tif,FSA00000176858400027.tif,FSA00000176858400028.tif,FSA00000176858400029.tif,FSA000001768584000210.tif,FSA000001768584000211.tif
2.根據(jù)權(quán)利要求1所述的基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，其特征在于 步驟(2)所述的“在待分割圖像上自動(dòng)生成水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合Ω^ ”，按 如下步驟進(jìn)行2a)在待分割圖像上設(shè)定水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合Ω J ； 2b)利用水域和陸地的數(shù)學(xué)模型Fw(X)和FJx)，計(jì)算待分割圖像上任一像素點(diǎn)i分別 屬于水域的概率Pw(Xi)和屬于陸地的概率(Xi)；2c)將待分割圖像上屬于水域的概率Pw(Xi) > 1-10—16的像素點(diǎn)i作為自動(dòng)生成的水域 標(biāo)簽放入集合Ω/中；2d)將待分割圖像上屬于陸地的概率(Xi) > 1-10—16的像素點(diǎn)i作為自動(dòng)生成的陸地 標(biāo)簽放入集合Ω J中。
3.根據(jù)權(quán)利要求1所述的基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，其特征在于 步驟(3)所述的“利用水域函數(shù)式F/ (χ)和陸地函數(shù)式F/ (X)，計(jì)算待分割圖像上任一像素點(diǎn)i分別屬于水域標(biāo)簽集合Ω/的概率『(χ,.)和屬于陸地標(biāo)簽集合Ω/的概率 ”，按如下步驟進(jìn)行3a)將待分割圖像上任一像素點(diǎn)i的灰度值Xi代入水域函數(shù)式F/ (χ)和陸地函數(shù)式 Fl' (X)，分別得到待分割圖像上任一像素點(diǎn)i屬于水域的概率P/ (Xi)和屬于陸地的概 率 Pl' (Xi)；3b)對(duì)待分割圖像上水域的概率P/ (Xi)和屬于陸地的概率IV (Xi)做歸一化處理， 得到屬于水域標(biāo)簽集合Ω /的概率『(χ,.)和屬于陸地標(biāo)簽集合Ω J的概率^OO
4.根據(jù)權(quán)利要求1所述的基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，其特征在于 步驟(4)所述的“計(jì)算目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率fh I Ωω )和歸一化后 屬于陸地的概率^7Oci I Qbell) ”，按如下步驟進(jìn)行4a)沿看一次分割得到的水域部分的邊沿，做大小為10X10的滑動(dòng)窗口，滑動(dòng)窗口所 經(jīng)過(guò)的區(qū)域作為需進(jìn)行二次分割的目標(biāo)區(qū)域Qtelt ；4b)將目標(biāo)區(qū)域Qtelt上任一像素點(diǎn)i的灰度值Xi代入水域函數(shù)式F/ (χ)和陸地 函數(shù)式iV (χ)，分別得到目標(biāo)區(qū)域Qtelt上任一像素點(diǎn)i分別屬于水域和陸地的概率 Pw' (XiI ~elt)和 Pl' (Xi^belt);4c)對(duì)目標(biāo)區(qū)域上水域的概率P/ (Xi| Qbelt)和屬于陸地的概率IV UiI Qbelt)做歸 一化處理，得到目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率和目標(biāo)區(qū)域QbeltI 歸一化后屬于陸地的概率^(Xi I Qbelt)
5.根據(jù)權(quán)利要求1所述的基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，其特征在于 步驟⑷所述的“自動(dòng)生成目標(biāo)區(qū)域Qtelt的水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合Ω J ”， 按如下步驟進(jìn)行5a)在目標(biāo)區(qū)域Qbelt上設(shè)定水域標(biāo)簽集合Ω/和陸地標(biāo)簽集合Ω J ； 5b)將目標(biāo)區(qū)域Qbelt上歸一化后屬于水域的概率^7( |Ω_)>1-1(Γ5的像素點(diǎn)i作 為自動(dòng)生成的水域標(biāo)簽放入集合Ω/ ；5c)將目標(biāo)區(qū)域Qbelt上歸一化后屬于陸地的概率^(xj ΩΜ,)>1-ΙΟ—5的像素點(diǎn)i作為 自動(dòng)生成的陸地標(biāo)簽放入集合Ql"中。
6.根據(jù)權(quán)利要求1所述的基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，其特征在于 步驟(4)所述的“測(cè)地距離計(jì)算公式”，表示如下 其中， 式中Xi為目標(biāo)區(qū)域Qbelt上任一像素點(diǎn)i的灰度值， 是連接目標(biāo)區(qū)域Qbelt上 任意兩個(gè)像素點(diǎn)S1, S2之間的路徑；權(quán)值妒(%)二1-^7(&|0_)。
全文摘要
本發(fā)明公開(kāi)了一種基于測(cè)地距離的半監(jiān)督SAR圖像水域分割方法，主要解決現(xiàn)有技術(shù)在處理大尺寸SAR圖像時(shí)出現(xiàn)的分割精度低，時(shí)間復(fù)雜度較高的問(wèn)題。其實(shí)現(xiàn)過(guò)程是(1)通過(guò)人工建立水域標(biāo)簽集合和陸地標(biāo)簽集合，建立對(duì)應(yīng)的水域模型和陸地模型；(2)利用該水域模型和陸地模型在待分割圖像中自動(dòng)生成水域標(biāo)簽集合和陸地標(biāo)簽集合；(3)利用該自動(dòng)生成水域標(biāo)簽集合和陸地標(biāo)簽集合，計(jì)算測(cè)地距離，得到最終分割結(jié)果。本發(fā)明能夠快速、精確的對(duì)大尺寸SAR圖像進(jìn)行水域分割，有效的保持水域邊界，為碼頭、橋梁等目標(biāo)的檢測(cè)提供準(zhǔn)確的輪廓信息。
文檔編號(hào)G01S13/90GK101894368SQ20101022058
公開(kāi)日2010年11月24日 申請(qǐng)日期2010年7月6日 優(yōu)先權(quán)日2010年7月6日
發(fā)明者慕彩紅, 朱虎明, 焦李成, 王桂婷, 王爽, 緱水平, 謝卿, 鐘樺 申請(qǐng)人:西安電子科技大學(xué)