基于聯(lián)合廣義伽瑪分布參數(shù)的sar圖像分割方法
【專利摘要】本發(fā)明屬于雷達(dá)信號(hào)處理【技術(shù)領(lǐng)域】，特別涉及基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法。該基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，包括以下步驟：得出SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩和二階對數(shù)累積量；得出廣義Gamma分布的第二類特征函數(shù)；建立廣義Gamma分布形狀參數(shù)方程；利用二值法對所述廣義Gamma分布形狀參數(shù)方程進(jìn)行求解，得出廣義Gamma分布的形狀參數(shù)；得出廣義Gamma分布的尺度參數(shù)和指示形狀參數(shù)；根據(jù)廣義Gamma分布的形狀參數(shù)、尺度參數(shù)和指示形狀參數(shù)，基于三重馬爾可夫場模型得出SAR圖像的圖像分割結(jié)果。
【專利說明】基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于雷達(dá)信號(hào)處理【技術(shù)領(lǐng)域】，特別涉及基于聯(lián)合廣義伽瑪(Ga_a)分布參數(shù)的SAR (合成孔徑雷達(dá))圖像分割方法。
【背景技術(shù)】
[0002]對于基于統(tǒng)計(jì)理論的雷達(dá)信號(hào)處理，建立雷達(dá)數(shù)據(jù)精確的統(tǒng)計(jì)分布模型以及模型分布參數(shù)的穩(wěn)健有效估計(jì)方法是一項(xiàng)具有重要研究意義的課題。在SAR圖像解譯技術(shù)中，由于SAR屬于相干微波成像，其圖像數(shù)據(jù)反映了地物目標(biāo)與電磁波的相互作用關(guān)系，SAR圖像觀測數(shù)據(jù)的統(tǒng)計(jì)分布多呈現(xiàn)非對稱重拖尾的特性。建立精確的SAR圖像觀測數(shù)據(jù)的統(tǒng)計(jì)分布對于SAR圖像分割分類以及目標(biāo)識(shí)別等問題至關(guān)重要。針對SAR圖像觀測數(shù)據(jù)的幅度或強(qiáng)度數(shù)據(jù)統(tǒng)計(jì)分布這一問題，各國學(xué)者提出了眾多用于擬合SAR幅度或強(qiáng)度數(shù)據(jù)統(tǒng)計(jì)分布的統(tǒng)計(jì)模型，例如Gamma分布,廣義Gamma分布,K分布,廣義高斯分布以及Fisher分布，這些統(tǒng)計(jì)分布已成功地用于擬合城區(qū)、山區(qū)、森林、以及農(nóng)作物等目標(biāo)的統(tǒng)計(jì)分布。
[0003]研究表明廣義Ga_a (Ga_a)分布的自由度高,對數(shù)據(jù)統(tǒng)計(jì)分布的擬合能力較強(qiáng)，在數(shù)據(jù)統(tǒng)計(jì)建模中受到了廣泛關(guān)注。利用廣義Gamma分布對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模則需要穩(wěn)健、精確的分布參數(shù)估計(jì)方法作為支撐。統(tǒng)計(jì)分布模型的分布參數(shù)估計(jì)通?？赏ㄟ^最大似然方法和矩估計(jì)方法實(shí)現(xiàn)。然而由于廣義Gamma分布的對數(shù)似然函數(shù)的復(fù)雜性，最大似然方法通常難以求解其參數(shù)值且計(jì)算量巨大。針對這一問題，有學(xué)者提出了基于尺度獨(dú)立形狀估計(jì)(Scale-1ndependent Shape Estimation, SISE)的廣義 Gamma 分布參數(shù)估計(jì)方法，但是此方法對廣義Gamma分布形狀參數(shù)的初始值設(shè)定較為敏感，方法的穩(wěn)健性有待于進(jìn)一步提聞。
[0004]基于Mellin變換的對數(shù)累積量方法(Method-of-log-cumulants, MoLC)是近年來提出的用于估計(jì)參數(shù)化的概率密度函數(shù)的估計(jì)方法，已成功應(yīng)用于統(tǒng)計(jì)分布模型的分布參數(shù)估計(jì)領(lǐng)域中，例如廣義Gaussian分布、Fisher分布的分布參數(shù)都可應(yīng)用此方法進(jìn)行有效估計(jì)。MoLC是矩估計(jì)方法的擴(kuò)展形式，其在計(jì)算特征函數(shù)時(shí)利用Mellin變換取代了Fourier變換和Laplace變換,其實(shí)質(zhì)為利用對數(shù)矩、對數(shù)累積量與第二類特征函數(shù)之間的關(guān)系將隨機(jī)變量的對數(shù)累積量表示為統(tǒng)計(jì)模型分布參數(shù)的函數(shù)，從而將參數(shù)估計(jì)問題轉(zhuǎn)化為求解所構(gòu)造的參數(shù)方程。研究MoLC對于建立穩(wěn)健有效的廣義Gamma分布參數(shù)的估計(jì)方法具有重要意義。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提出基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法。
[0006]為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。
[0007]基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法包括以下步驟:
[0008]S1:利用雷達(dá)接收多個(gè)SAR圖像觀測數(shù)據(jù)，所述多個(gè)SAR圖像觀測數(shù)據(jù)組成SAR圖
像觀測數(shù)據(jù)集，得出SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩成和二階對數(shù)累積量& ；[0009]S2:得出廣義Gamma分布的第二類特征函數(shù)；
[0010]S3:基于SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩、SAR圖像觀測數(shù)據(jù)集的二階對數(shù)累積量、以及廣義Ga_a分布的第二類特征函數(shù),建立廣義Ga_a分布形狀參數(shù)方程；
[0011]S4:利用二值法對所述廣義Gamma分布形狀參數(shù)方程進(jìn)行求解，得出廣義Gamma分布的形狀參數(shù)β ;
[0012]S5:得出廣義Gamma分布的尺度參數(shù)α和指示形狀參數(shù)λ ;
[0013]S6:根據(jù)所述廣義Gamma分布的形狀參數(shù)、尺度參數(shù)和指示形狀參數(shù),建立三重馬爾可夫場模型的似然概率分布函數(shù)，并利用Gibbs采樣得到基于三重馬爾可夫場模型的邊緣后驗(yàn)概率分布；根據(jù)所述基于三重馬爾可夫場模型的邊緣后驗(yàn)概率分布，得出每個(gè)SAR圖像觀測數(shù)據(jù)對應(yīng)的目標(biāo)類型，對SAR圖像進(jìn)行圖像分割。
[0014]本發(fā)明的特點(diǎn)和進(jìn)一步改進(jìn)在于:
[0015]在步驟SI中，所述SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩為:
[0016]
【權(quán)利要求】
1.基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，包括以下步驟: 51:利用雷達(dá)接收多個(gè)SAR圖像觀測數(shù)據(jù)，所述多個(gè)SAR圖像觀測數(shù)據(jù)組成SAR圖像觀測數(shù)據(jù)集，得出SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩&和二階對數(shù)累積量|2 52:得出廣義Ga_a分布的第二類特征函數(shù)； 53:基于SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩、SAR圖像觀測數(shù)據(jù)集的二階對數(shù)累積量、以及廣義Ga_a分布的第二類特征函數(shù),建立廣義Ga_a分布形狀參數(shù)方程； 54:利用二值法對所述廣義Gamma分布形狀參數(shù)方程進(jìn)行求解，得出廣義Gamma分布的形狀參數(shù)β ; 55:得出廣義Gamma分布的尺度參數(shù)α和指示形狀參數(shù)λ ； 56:根據(jù)所述廣義Gamma分布的形狀參數(shù)、尺度參數(shù)和指示形狀參數(shù)，建立三重馬爾可夫場模型的似然概率分布函數(shù)，并利用Gibbs采樣得到基于三重馬爾可夫場模型的邊緣后驗(yàn)概率分布；根據(jù)所述基于三重馬爾可夫場模型的邊緣后驗(yàn)概率分布，得出每個(gè)SAR圖像觀測數(shù)據(jù)對應(yīng)的目標(biāo)類型，對SAR圖像進(jìn)行圖像分割。
2.如權(quán)利要求1所述的基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，在步驟SI中，所述SAR圖像觀測數(shù)據(jù)集的一階對數(shù)矩為:
3.如權(quán)利要求1所述的基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，所述步驟S2具體包括以下步驟:對廣義Ga_a分布進(jìn)行Mellin變換，以得到廣義Ga_a分布的第二類特征函數(shù)Φ,(ω)，φ(ω)表示如.,、 a ''w 1、
4.如權(quán)利要求1所述的基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，所述步驟S3具體包括以下步驟: 對所述廣義Gamma分布的第二類特征函數(shù)進(jìn)行對數(shù)變換，得到:爐丨.("’) = Wr(W)其中，Cj5y(ω)表示廣義Gamma分布的第二類特征函數(shù)，Φ,(ω)表示如下:
5.如權(quán)利要求1所述的基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，所述步驟S4具體包括以下步驟: S41:設(shè)定廣義Ga_a分布的形狀參數(shù)β的取值范圍為β工至β 2 ; S42:計(jì)算廣義Gamma分布的形狀參數(shù)β的中值β mid: β mid= ( β ι+β 2)/2 ;S43:根據(jù)所述廣義Gamma分布形狀參數(shù)方程，得出廣義Gamma分布的形狀參數(shù)β的中值^mid對應(yīng)的二階對數(shù)累積量|2—Md; S44:如果I—mid < I2，則將β !的取值變?yōu)棣?mid ;反之，則將β 2的取值變?yōu)棣?mid ； 4為SAR圖像觀測數(shù)據(jù)集的二階對數(shù)累積量；S45:判斷4—mM-4與設(shè)定門限T的大小關(guān)系，其中，I.I表示取絕對值；如果A—mid-A卜T，則返回至步驟S42 ;如果— - A| < T，則得出廣義Gamma分布的形狀參數(shù) β , β = ^midO
6.如權(quán)利要求1所述的基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，所述步驟S5具體包括以下步驟: 按照以下公式得出廣義Gamma分布的指示形狀參數(shù)λ:
7.如權(quán)利要求1所述的基于聯(lián)合廣義伽瑪分布參數(shù)的SAR圖像分割方法，其特征在于，所述步驟S6具體包括以下步驟: 561:按照以下公式計(jì)算三重馬爾可夫場模型的似然概率分布函數(shù)P (y I x，u):
【文檔編號(hào)】G06T7/00GK103886606SQ201410127588
【公開日】2014年6月25日 申請日期:2014年4月1日 優(yōu)先權(quán)日:2014年4月1日
【發(fā)明者】張鵬, 李明, 吳艷, 安琳, 宋婉瑩, 賈璐 申請人:西安電子科技大學(xué)