構(gòu)相似性； (3e)根據(jù)各個(gè)互不連通區(qū)域間的結(jié)構(gòu)相似性，得到聚集區(qū)域A和勻質(zhì)區(qū)域B的分割結(jié) 果； (4) 采用基于超像素的方法對結(jié)構(gòu)區(qū)域C進(jìn)行分割，得到結(jié)構(gòu)區(qū)域C的分割結(jié)果； (5) 合并聚集區(qū)域A、勻質(zhì)區(qū)域B和結(jié)構(gòu)區(qū)域C的分割結(jié)果，得到SAR圖像的最終分割 結(jié)果。2. 根據(jù)權(quán)利要求1所述的SAR圖像分割方法，其中步驟⑵所述的根據(jù)SAR圖像的素 描模型提取SAR圖像的素描圖，其步驟如下： (2a)構(gòu)造具有不同方向和尺度的邊、線模板，并利用模板的方向和尺度信息構(gòu)造各向 異性高斯函數(shù)來計(jì)算該模板中每一點(diǎn)的加權(quán)系數(shù)，其中尺度個(gè)數(shù)取值為3~5,方向個(gè)數(shù)取 值為18 ; (2b)計(jì)算模板不同區(qū)域?qū)?yīng)在合成孔徑雷達(dá)SAR圖像中像素的均值μ和方差V: (2c)計(jì)算合成孔徑雷達(dá)SAR圖像中每個(gè)像素對比值算子的響應(yīng)值R: (2d)計(jì)算合成孔徑雷達(dá)SAR圖像中每個(gè)像素對相關(guān)性算子的響應(yīng)值C: (2e)根據(jù)比值算子響應(yīng)值R和相關(guān)性算子響應(yīng)值C，計(jì)算合成孔徑雷達(dá)SAR圖像中每 個(gè)像素對各個(gè)模板的響應(yīng)值其中，F(xiàn)表示合成孔徑雷達(dá)SAR圖像中每個(gè)像 素對各個(gè)模板的響應(yīng)值，R和C分別表示合成孔徑雷達(dá)SAR圖像中像素對比值算子和合成 孔徑雷達(dá)SAR圖像中像素對相關(guān)性算子的響應(yīng)值； (2f)選擇具有最大響應(yīng)值的模板作為合成孔徑雷達(dá)SAR圖像中像素的模板，并將最大 響應(yīng)值作為該像素的強(qiáng)度，將具有最大響應(yīng)值的模板的方向作為該像素的方向，獲得合成 孔徑雷達(dá)SAR圖像的邊線響應(yīng)圖和方向圖； (2g)利用孔徑雷達(dá)SAR圖像中每個(gè)像素所選擇的模板，獲得合成孔徑雷達(dá)SAR圖像的 梯度圖； (2h)按照下式，將邊線響應(yīng)圖和梯度圖歸一化到[0, 1]并進(jìn)行融合，得到強(qiáng)度圖：其中，I表示強(qiáng)度圖中的強(qiáng)度值，X表示邊線響應(yīng)圖中的值，y表示梯度圖中的值； (2i)采用非極大值抑制方法，對強(qiáng)度圖進(jìn)行檢測，得到建議草圖； (2j)選取建議草圖中具有最大強(qiáng)度的像素，將建議草圖中與該最大強(qiáng)度的像素連通的 像素連接形成建議線段，得到建議素描圖； (2k)按照下式，計(jì)算建議素描圖中素描線的編碼長度增益CLG:其中，CLG表示建議素描圖中素描線的編碼長度增益，Σ表示求和操作，m表示當(dāng)前素 描線鄰域中像素的個(gè)數(shù)，t表示當(dāng)前素描線鄰域中像素的編號，At表示當(dāng)前素描線鄰域中第 t個(gè)像素的觀測值，Ati。表示在當(dāng)前素描線不能表示結(jié)構(gòu)信息的假設(shè)下，該素描線鄰域中第 t個(gè)像素的估計(jì)值，ln( ·)表示以e為底的對數(shù)操作，Atil表示在當(dāng)前素描線能夠表示結(jié)構(gòu) 信息的假設(shè)下，該素描線鄰域中第t個(gè)像素的估計(jì)值； (21)設(shè)定閾值T，T的取值范圍為5~50,選擇CLGXT的建議素描線作為最終素描圖中 的素描線，獲得輸入合成孔徑雷達(dá)SAR圖像對應(yīng)的素描圖。3. 根據(jù)權(quán)利要求2所述的SAR圖像分割方法，其中步驟（2b)中計(jì)算模板不同區(qū)域?qū)?yīng) 在合成孔徑雷達(dá)SAR圖像中像素的均值μ和方差V，通過如下公式計(jì)算：其中，μ表示區(qū)域Ω對應(yīng)在合成孔徑雷達(dá)SAR圖像中像素的均值，Ω表示模板中的一 個(gè)區(qū)域，g表示區(qū)域Ω中一個(gè)像素點(diǎn)的位置，e表示屬于符號，Σ表示求和操作，Wg表示區(qū) 域Ω中位置g處的權(quán)重系數(shù)，Wg的取值范圍為wge[〇, 1]，示區(qū)域Ω中位置g對應(yīng) 在合成孔徑雷達(dá)SAR圖像中的像素值，V表示區(qū)域Ω與合成孔徑雷達(dá)SAR圖像中對應(yīng)像素 的方差。4. 根據(jù)權(quán)利要求2所述的SAR圖像分割方法，其中步驟（2c)計(jì)算合成孔徑雷達(dá)SAR圖 像中每個(gè)像素對比值算子的響應(yīng)值R，公式如下：其中，R表示合成孔徑雷達(dá)SAR圖像中每個(gè)像素對比值算子的響應(yīng)值，min{ ·}表示求 最小值操作，a和b分別表示模板中任意兩個(gè)不同區(qū)域的編號，μ3和μb分別為根據(jù)（2b) 得到的表示區(qū)域a和區(qū)域b的合成孔徑雷達(dá)SAR圖像中對應(yīng)像素的均值。5. 根據(jù)權(quán)利要求2所述的SAR圖像分割方法，其中步驟（2d)中計(jì)算合成孔徑雷達(dá)SAR圖像中每個(gè)像素對相關(guān)性算子的響應(yīng)值C，公式如下：其中，C表示合成孔徑雷達(dá)SAR圖像中每個(gè)像素對相關(guān)性算子的響應(yīng)值，a和b分別表 示模板中任意兩個(gè)不同區(qū)域的編號，VjPvb分別為根據(jù)（2b)得到的表示區(qū)域a和區(qū)域b 對應(yīng)在合成孔徑雷達(dá)SAR圖像中像素的方差，μ，μb分別為根據(jù)（2b)得到的表示區(qū)域 a和區(qū)域b與合成孔徑雷達(dá)SAR圖像中對應(yīng)像素的均值。6. 根據(jù)權(quán)利要求1所述的SAR圖像分割方法，其中所述步驟⑵中對于聚集區(qū)域A和 勻質(zhì)區(qū)域B中的各個(gè)互不連通區(qū)域分別進(jìn)行采樣，并用反卷積網(wǎng)絡(luò)對采樣獲得的樣本進(jìn)行 無監(jiān)督訓(xùn)練，其步驟如下： (2a)分別對于聚集區(qū)域A中和勻質(zhì)區(qū)域B中的各個(gè)互不連通區(qū)域按29*29和25*25的 窗口進(jìn)行滑窗采樣； (2b)構(gòu)造一個(gè)5層的反卷積網(wǎng)絡(luò)，其中第1層為輸入層，第2層為反卷積層，包含9個(gè) 7*7大小的濾波器和9個(gè)特征圖，第3層為反卷積層，包含45個(gè)7*7大小的濾波器和45個(gè) 特征圖，第4層為反卷積層，包含100個(gè)7*7大小的濾波器和100個(gè)特征圖，第5層為反 卷積層，包含250個(gè)7*7大小的濾波器和250個(gè)特征圖； (2c)分別將聚集區(qū)域A和勻質(zhì)區(qū)域B的各個(gè)互不連通區(qū)域的采樣樣本，輸入到反卷積 網(wǎng)絡(luò)中； (2d)固定反卷積網(wǎng)絡(luò)中特征圖和濾波器的值，通過解決一個(gè)一維最優(yōu)化問題，得到反 卷積網(wǎng)絡(luò)中輔助變量的值； (2e)固定反卷積網(wǎng)絡(luò)中輔助變量和濾波器的值，通過解決一個(gè)線性系統(tǒng)最優(yōu)化問題， 得到反卷積網(wǎng)絡(luò)中特征圖的值； (2f)固定反卷積網(wǎng)絡(luò)中特征圖和輔助變量的值，通過使用梯度下降法，得到反卷積網(wǎng) 絡(luò)中濾波器的值。7. 根據(jù)權(quán)利要求1所述的SAR圖像分割方法，其中所述步驟（3a)中的自組織測試網(wǎng)絡(luò) 是一個(gè)測試分類網(wǎng)絡(luò)；映射比較模塊用于實(shí)現(xiàn)區(qū)域間濾波器集合的比較；規(guī)則推理模塊用 于得到推理結(jié)果。8. 根據(jù)權(quán)利要求1所述的SAR圖像分割方法，其中步驟（3c)所述的將步驟⑵得到的 濾波器集合輸入推理網(wǎng)絡(luò)中進(jìn)行映射，其步驟如下： (3cl)統(tǒng)計(jì)（3b)中第一區(qū)域D的每個(gè)濾波器子集中各濾波器與相應(yīng)聚類中心的相似性 測度，并記錄每個(gè)濾波器子集與相應(yīng)聚類中心的相似性測度的最小值； (3c2)將第二區(qū)域F的濾波器集合中的每個(gè)濾波器輸入到推理網(wǎng)絡(luò)； (3c3)計(jì)算第二區(qū)域F的濾波器集合中的每個(gè)濾波器與自組織測試網(wǎng)絡(luò)的每個(gè)聚類中 心的相似性測度，并按照從大到小的順序，依次判斷該相似性測度是否大于等于該聚類中 心與第一區(qū)域D相應(yīng)濾波器子集的相似性測度的最小值：如果滿足，則稱該濾波器映射成 功，將該濾波器類別設(shè)置為第一區(qū)域D相應(yīng)濾波器子集的類別，否則，該濾波器映射失敗。9. 根據(jù)權(quán)利要求1所述的SAR圖像分割方法，其中步驟（3d)中根據(jù)映射結(jié)果，判定第 一區(qū)域D與第二區(qū)域F之間的結(jié)構(gòu)相似性，其步驟如下： (3dl)計(jì)算第二區(qū)域F的濾波器集合中成功映射的濾波器所占的比例α; (3d2)設(shè)定閾值T= 0. 7,若α多Τ，則判定第一區(qū)域D與第二區(qū)域F是結(jié)構(gòu)相似的，否 貝1J，判定第一區(qū)域D與第二區(qū)域F是結(jié)構(gòu)相異的。10. 根據(jù)權(quán)利要求1所述的SAR圖像分割方法，其中步驟（4)中采用基于超像素的方法 對于結(jié)構(gòu)區(qū)域C進(jìn)行分割，其步驟如下： (4. 1)使用分水嶺算法，將結(jié)構(gòu)區(qū)域分割成多個(gè)超像素； (4. 2)在SAR圖像的素描圖中，將平行且距離小于7個(gè)像素的兩條素描線確定為第一類 線目標(biāo)素描線，將第一類線目標(biāo)素描線之間的超像素進(jìn)行合并，作為第一類線目標(biāo)； (4. 3)在SAR圖像的素描圖中，將素描線兩邊屬于同一區(qū)域的素描線確定為第二類線 目標(biāo)素描線，將第二類線目標(biāo)素描線向兩邊各擴(kuò)一個(gè)像素作為第二類線目標(biāo)，將其它素描 線作為刻畫邊界的素描線； (4.4)對除了線目標(biāo)和邊界的覆蓋區(qū)域以外的各個(gè)超像素，將與其相鄰且灰度均值之 差小于25的超像素進(jìn)行合并，直到不存在相鄰且灰度均值之差小于25的兩個(gè)超像素為 止； (4. 5)在合并后的各個(gè)超像素中，找到與該超像素灰度值均值之差最小的勻質(zhì)區(qū)域，若 該灰度值均值之差小于25,則將該超像素與該勻質(zhì)區(qū)域合并。
【專利摘要】本發(fā)明公開了一種基于反卷積網(wǎng)絡(luò)和映射推理網(wǎng)絡(luò)的SAR圖像分割方法，主要解決現(xiàn)有技術(shù)分割不準(zhǔn)的問題。其實(shí)現(xiàn)步驟是：1.根據(jù)SAR圖像的素描模型提取素描圖，補(bǔ)全該圖中的素描線段得到區(qū)域圖，并將其映射到原SAR圖像，得到聚集、勻質(zhì)和結(jié)構(gòu)三個(gè)區(qū)域；2.對聚集和勻質(zhì)區(qū)域中的各個(gè)互不連通區(qū)域分別采樣，對采樣樣本進(jìn)行無監(jiān)督訓(xùn)練，得到表征各個(gè)互不連通區(qū)域結(jié)構(gòu)特征的濾波器集合；3.對聚集和勻質(zhì)區(qū)域中互不連通區(qū)域間的結(jié)構(gòu)特征進(jìn)行比較推理，得到聚集和勻質(zhì)區(qū)域的分割結(jié)果；4.分割結(jié)構(gòu)區(qū)域；5.合并聚集、勻質(zhì)和結(jié)構(gòu)三個(gè)區(qū)域的分割結(jié)果，得到最終分割結(jié)果。本發(fā)明分割結(jié)果準(zhǔn)確，能有效對SAR圖像的不同地物進(jìn)行區(qū)分。
【IPC分類】G06T7/00
【公開號】CN105389798
【申請?zhí)枴緾N201510679181
【發(fā)明人】劉芳, 李婷婷, 王陽陽, 焦李成, 郝紅俠, 尚榮華, 馬文萍, 馬晶晶
【申請人】西安電子科技大學(xué)
【公開日】2016年3月9日
【申請日】2015年10月19日