聯(lián)合灰度閾值分割及輪廓形態(tài)識別的sar圖像河道提取方法
【專利摘要】本發(fā)明公開了一種聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，包括：第一步，采用灰度閾值分割對SAR圖像做第一次背景分割；第二步，根據(jù)河道輪廓形態(tài)特征，對河道區(qū)域進(jìn)行分段建模，將所述河道區(qū)域表示為若干最小外接矩形窗的組合；第三步，將位于同一區(qū)域內(nèi)的最小外接矩形窗進(jìn)行合并，形成若干第二矩形窗；第四步，根據(jù)河道輪廓的形狀及連通性，將滿足條件的第二矩形窗拼接出粗略的河道區(qū)域；第五步，再次進(jìn)行灰度閾值分割，得到河道提取圖像。本發(fā)明主要通過河道的圖像灰度特征和形態(tài)輪廓特征相結(jié)合及多模態(tài)的SAR圖像分割決策，抑制SAR圖像中與水體灰度及形態(tài)特征均較為接近的背景噪聲，從而精準(zhǔn)的提取出河道區(qū)域。
【專利說明】聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及合成孔徑雷達(dá)(SAR, Synthetic Aperture Rader)河道圖像的分割及識別技術(shù)，尤其涉及一種基于SAR圖像利用聯(lián)合灰度閾值分割及輪廓形態(tài)識別的技術(shù)來提取河道的方法，屬于計算機(jī)視覺【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]在遙感圖像河道目標(biāo)識別與提取方面，合成孔徑雷達(dá)成像同光學(xué)成像相比具有其獨(dú)特的優(yōu)勢，主要體現(xiàn)在，一、合成孔徑雷達(dá)(SAR)的空間分辨率較高，能夠較為準(zhǔn)確的描述河道目標(biāo)。此外，它還能夠全天候，全天時的實(shí)現(xiàn)對地觀測且具備一定的穿透能力；二、河道區(qū)域中的水體具有顯著的電磁波反射特性，反映在SAR圖像中表現(xiàn)為灰度值較低的圖像特征，同背景間具有顯著對比。因此，基于SAR成像的遙感圖像被廣泛用于河道提取中。
[0003]在SAR圖像河道提取中，灰度閾值分割及河道輪廓識別是較為常用的方法，這些方法對于SAR圖像中的河道目標(biāo)提取研究具有一定參考意義，但是單獨(dú)使用單一的方法對河道識別、提取方面存在一定的問題，主要體現(xiàn)在以下幾個方面:
[0004]目前，SAR圖像分辨率已發(fā)展到亞米級，越來越多的小目標(biāo)由于其電磁波反射率同水體接近，容易形成較強(qiáng)的背景噪聲且難以通過灰度閾值實(shí)現(xiàn)濾除。此外，灰度閾值分割也無法區(qū)分河道區(qū)域與零星水體間的差異，河道是指河水流經(jīng)的路線，通常指能通航的水路，零散的水體區(qū)域并不屬于本研究的目標(biāo)，對于該類目標(biāo)單一的通過灰度閾值分割無法有效地實(shí)現(xiàn)抑制，因此在分割結(jié)果中形成了嚴(yán)重的干擾。最后，SAR圖像中所固有的相干斑噪聲也會對河道提取產(chǎn)生嚴(yán)重影響。
[0005]河道輪廓不同于戰(zhàn)車飛機(jī)等團(tuán)狀目標(biāo)，也不同于橋梁、道路等的規(guī)則線狀目標(biāo)，河道輪廓相對復(fù)雜，可以粗略視為平行線對所包絡(luò)的條帶狀區(qū)域，但是這種帶狀區(qū)域并非筆直的，且不同區(qū)段河道的粗細(xì)也有顯著差異，加之人工構(gòu)筑物如橋梁，船塢等的影響，河道輪廓含有平行線對的先驗(yàn)知識也常不適用，因此，對于河道輪廓形態(tài)的準(zhǔn)確建模十分困難，會嚴(yán)重影響基于輪廓形態(tài)特征的河道識別。目前，常用Snake建模方法對河道輪廓進(jìn)行建模，但由于其對初始輪廓位置比較敏感，對噪音也比較敏感，在其應(yīng)用受到一定的制約。
[0006]SAR圖像中的河道目標(biāo)不適合采用聚類等高級模式識別方法提取，因?yàn)椴煌拥赖耐庥^變化較大且較為復(fù)雜。根據(jù)現(xiàn)有的特征提取及聚類方法很難對河道及非河道區(qū)域進(jìn)行準(zhǔn)確的聚類，更不能尋找到最優(yōu)的分類面。
[0007]鑒于上述問題，根據(jù)SAR圖像的成像特點(diǎn)及河道的輪廓形態(tài)特征，本發(fā)明公開了一種新的聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的主要目的是利用聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法對河道進(jìn)行提取，通過河道的圖像灰度特征和形態(tài)輪廓特征相結(jié)合及多模態(tài)的SAR圖像分割決策，抑制SAR圖像中與水體灰度及形態(tài)特征均較為接近的背景噪聲，從而精準(zhǔn)的提取出河道區(qū)域。
[0009]為達(dá)到上述目的，本發(fā)明提供一種聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，所述的方法包括:
[0010]第一步，采用灰度閾值分割對SAR圖像做第一次背景分割；
[0011]第二步，根據(jù)河道輪廓形態(tài)特征，對第一步得到的圖像中的河道區(qū)域進(jìn)行分段建模，具體是采用基于圖論的圖像分割方法，將所述河道區(qū)域表示為若干最小外接矩形窗的組合；
[0012]第三步，對前述各最小外接矩形窗進(jìn)行形態(tài)識別，將位于同一區(qū)域內(nèi)的最小外接矩形窗進(jìn)行合并，形成若干第二矩形窗；
[0013]第四步，根據(jù)河道輪廓的形狀及連通性，對前述各第二矩形窗進(jìn)行篩選，將滿足條件的第二矩形窗拼接出粗略的河道區(qū)域；
[0014]第五步，采用灰度閾值分割對第四步得到的圖像做再次背景分割，得到河道提取圖像。
[0015]上述第一步或第五步中，采用灰度閾值分割的詳細(xì)內(nèi)容是:根據(jù)下式進(jìn)行最優(yōu)灰度閾值k*計算:
[0016]
【權(quán)利要求】
1.一種聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，其特征在于，所述的方法包括: 第一步，采用灰度閾值分割對SAR圖像做第一次背景分割； 第二步，根據(jù)河道輪廓形態(tài)特征，對第一步得到的圖像中的河道區(qū)域進(jìn)行分段建模，具體是采用基于圖論的圖像分割方法，將所述河道區(qū)域表示為若干最小外接矩形窗的組合； 第三步，對前述各最小外接矩形窗進(jìn)行形態(tài)識別，將位于同一區(qū)域內(nèi)的最小外接矩形窗進(jìn)行合并，形成若干第二矩形窗； 第四步，根據(jù)河道輪廓的形狀及連通性，對前述各第二矩形窗進(jìn)行篩選，將滿足條件的第二矩形窗拼接出粗略的河道區(qū)域； 第五步，采用灰度閾值分割對第四步得到的圖像做再次背景分割，得到河道提取圖像。
2.根據(jù)權(quán)利要求1所述的聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，其特征在于，所述第一步或第五步中，采用灰度閾值分割的詳細(xì)內(nèi)容是:根據(jù)下式進(jìn)行最優(yōu)灰度閾值k*計算:
k* = arg(max <t~(/c))
k -z 其中，L表示灰度直方 圖的等級汰表示區(qū)分水體目標(biāo)與和水體目標(biāo)差異較大目標(biāo)的灰度閾值；σ〗表示整幅SAR圖像總體的類間差異，Oli = η',η',?//, -μ2)ζ，其中，W1為目標(biāo)水體出現(xiàn)的概率，W2為與目標(biāo)水體差異較大目標(biāo)出現(xiàn)的概率，U1為目標(biāo)水體的平均灰度，μ2為與目標(biāo)水體差異較大目標(biāo)的平均灰度。
3.根據(jù)權(quán)利要求1所述的聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，其特征在于，所述第二步中，河道區(qū)域表示為m個最小外接矩形窗的組合，且所有最小外接矩形窗均滿足以下條件:
λ (Ci) = I Ci I / I Ri I > τ 其中，λ (Ci)表示第i個最小外接矩形窗的占空比，i = 1，2，…，HI5IciI表示第i個最小外接矩形窗的圖像區(qū)域像素數(shù)；I Ri I表示第i個最小外接矩形窗所包絡(luò)的像素數(shù)；τ表示預(yù)設(shè)的占空比閾值。
4.根據(jù)權(quán)利要求3所述的聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，其特征在于，所述第三步的詳細(xì)內(nèi)容是，利用如下判據(jù)判斷各最小外接矩形窗的邊是否作為第二矩形窗的邊界:
true if Dif(CrCl) > Minl(CrCl) or A(CiXi)^ β(λ(€]) +A(C /)((:?<
false otherwise 其中，i = 1，2，…，m, j = I, 2，…，m,且i關(guān)j ；Dif (Ci, Cj)表示為連接兩個不同區(qū)域 Ci 和 Cj 頂點(diǎn)的最小權(quán)重；MInt (Ci, Cj) = min (Int (Ci) + n (Ci)，Int (Cj) + n (Cj))，其中，Int (Ci)、Int(Cj)分別表示Q、Cj的權(quán)重，采用相關(guān)性函數(shù)度量，由圖像自身信息決定；n (Ci), n (Cj)分別表示CiXj的調(diào)制參數(shù)，且Ii (c) =a/|c|，其中|c|為區(qū)域中的像素數(shù)，a為預(yù)設(shè)的調(diào)制幅度；λ (Ci)、λ (Cj)分別表示區(qū)域Ci和&的占空比，λ (Ci, Cj)為區(qū)域Ci和Cj合并后第二矩形窗的占空比，β為調(diào)制參數(shù)，范圍為:0< β < I。
5.根據(jù)權(quán)利要求4所述的聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，其特征在于，所述第四步進(jìn)行篩選的條件是: 各第二矩形窗對應(yīng)的長寬比LK/WK大于閾值T，即: VWk > T， 且不同第二矩形窗的最近像素點(diǎn)的距離小于閾值Y，即:
(!(Ri, Rj) < Y。
6.根據(jù)權(quán)利要求1所述 的聯(lián)合灰度閾值分割及輪廓形態(tài)識別的SAR圖像河道提取方法，其特征在于，所述第五步后還包括第六步:采用區(qū)域膨脹腐蝕方法對第五步得到的圖像的毛刺點(diǎn)噪聲和孔洞進(jìn)行優(yōu)化處理。
【文檔編號】G06K9/34GK103996039SQ201410189305
【公開日】2014年8月20日 申請日期:2014年5月6日 優(yōu)先權(quán)日:2014年5月6日
【發(fā)明者】朱賀, 李臣明, 高紅民, 張麗麗 申請人:河海大學(xué)