一種基於極化目標分解特徵的變分極化sar圖像分割方法

2023-06-10 01:09:21

一種基於極化目標分解特徵的變分極化sar圖像分割方法
【專利摘要】本發明公開了一種基於極化目標分解特徵的變分極化SAR圖像分割方法，利用極化SAR圖像的極化相干分解方法和極化非相干分解方法，得到了反應目標屬性和目標類型信息的極化目標分解特徵向量f，結合區域指示函數FiN、高斯核函數KRBF和基本CV模型，建立能量泛函，採用水平集方法進行求解，得到極化SAR圖像的分割結果。本發明給出的方法不僅僅局限於一種或者兩種極化目標分解特徵數據，而是使用了多種極化目標分解的特徵數據，對極化信息的利用是比較充分的。通過定義區域指示函數FiN，可以利用較少數目的水平集函數表示區域數目較多的情況，大大地減少了計算量。將本發明用於極化SAR圖像的分割，可以得到較精確的分割結果。
【專利說明】—種基於極化目標分解特徵的變分極化SAR圖像分割方法
【技術領域】
[0001]本發明涉及雷達遙感或圖像處理技術，即用圖像處理技術分析雷達觀測信息，尤其涉及一種基於極化目標分解特徵的變分極化SAR圖像分割方法。
【背景技術】
[0002]極化合成孔徑雷達(Synthetic Aperture Radar, SAR)圖像的分割是雷達遙感【技術領域】的重要研究內容，在極化SAR數據的分類、目標檢測和目標識別等方面有重要的應用，對雷達遙感【技術領域】的發展具有重要意義。
[0003]極化SAR利用不同的極化發射和極化接收天線的組合，得到雷達目標的極化散射矩陣，進而獲得雷達目標的電磁散射特性，該特性可以提供其他雷達參數不能反映出的信息，是刻畫雷達目標特性的一個重要參量。為了有效提取出雷達目標的結構信息和電磁散射特性，需要對極化數據進行極化SAR目標的分解。極化目標分解主要分為相干極化目標分解和非相干極化目標分解。相干極化目標分解主要有Pauli分解，Krogager分解等；非相干極化目標分解包括基於互易性和對稱性等屬性的目標二分法分解方法，即Huynen分解和Barnes-Holm分解等，基於模型的Freeman-Durden分解和Yamaguchi分解等，基於特徵矢量的Cloude-Pottier分解和VanZyl分解等。近年來,利用極化SAR目標分解所得到的極化特徵信息，對極化SAR圖像進行相關處理已成為一個研究熱點。
[0004]Krogager提出的相干目標分解方法，將極化散射矩陣分解成球散射、二面角散射、螺旋體散射3個固定類型分量，結合SVM設計分類器可以得到較好的極化SAR圖像分類結果。Huynen分解根據目標的屬性，將目標分為對稱分量、不規則分量與不對稱分量，可以較好的分出對稱和規則的地物類型。Freeman和Durden利用極化協方差矩陣,建立表面散射、二次散射、體散射的散射模型，根據三種散射分量的散射能量進行極化SAR圖像的分類。Yamaguchi在此基礎上增添了螺旋體散射，進行了極化SAR圖像的進一步更細緻的劃分。利用Freeman-Durden分解得到的散射特徵與散射熵以及Wishart分布統計特徵進行極化SAR圖像的分類處理，也可以得到較好的結果。Cloude-Pottier利用極化相干矩陣的特徵分解，定義了三個重要的旋轉不變極化物理量:散射熵、散射角和反熵，較好的刻畫出了目標的散射特性。結合參量與根據極化SAR圖像統計特徵形成的Wishart分類器，可以清楚地區分自然地物的主要類型，符合散射機制的自然分布。這些方法都是基於極化目標分解的，利用的是一個或者兩個極化分解方法得到的特徵，得到的分割結果反應的地物信息往往不夠精確。
[0005]近些年，隨著偏微分方程技術的逐漸成熟，變分法在極化SAR圖像的分割中，佔據了較為重要的位置，獲得了廣泛應用。該方法通過定義針對圖像的能量泛函，利用水平集方法求解能量泛函的極值，以達到對圖像分割的目的。1.B.Ayed等人根據極化相干矩陣的Wishart統計特徵，建立針對極化SAR圖像的能量泛函，進行極化SAR圖像的分割。這種方法對極化信息的利用是比較充分的，但單個數據點的極化相干矩陣是一個3X3的復矩陣，數學運算非常複雜。Y.Shuai等利用復Gaussian/Wishart統計分布、漂移Heaviside函數和改進的CV模型建立了應用於極化SAR圖像分割的能量泛函，水平集求解的曲線演化方程穩定收斂，避免了局部極小值的出現，但是未能很好地進行極化信息的有效利用。為了較好的利用極化信息，將極化參量組成極化特徵向量，建立基於該向量的CV模型，省去了 Wishart統計分布的複雜數學運算，還有效地利用了極化信息。但是該方法也只是用了一種極化目標分解的分解特徵，然而不同極化目標分解反應出不同的極化特徵信息，這樣就會使得上述方法對於極化信息的利用不夠充分。

【發明內容】

[0006]有鑑於現有技術的上述缺陷，本發明所要解決的技術問題是提供一種基於極化目標分解特徵的變分極化SAR圖像分割方法，充分利用極化目標分解的分解特徵，同時利用變分法和核函數的優勢，較好的處理高維數災難問題，採用水平集方法數值求解，得到較為精確的極化SAR圖像分割結果。
[0007]為實現上述目的，本發明提供了一種基於極化目標分解特徵的變分極化SAR圖像分割方法，利用不同極化目標分解的分解特徵形成的特徵向量，結合核函數和CV模型建立能量泛函，具體由以下步驟進行實現:
[0008]步驟1:根據極化目標分解特徵數據，建立極化目標分解特徵向量:
[0009]根據極化SAR 圖像 Pauli 分解，Huynen 分解，Cloude-Pottier 分解，Freeman-Durden分解，SDH分解,VanZyl分解各自得到的3個分解特徵數據，Yamaguchi分解得到的4個分解特徵數據，以及Huynen分解的推廣分解方法,即Barnes-Holm分解,在兩種不同的特徵向量情況下，得到的6個極化特徵數據，一共28個極化目標分解特徵數據，構成分解特徵向量f = (fi, f2)..., fD)，其中fk，k = I,..., D, D = 28,表徵某一個分解特徵。
[0010]步驟2:將極化SAR圖像I(x，y)整個區域Ω任意劃分為N個區域Qi, i =I,..., N，所述極化SAR圖像I (X，y)中的每個區域用i標註。
[0011]步驟3:計算區域指示函數if。
[0012]步驟4:計算區域的極化目標分解特徵均值向量
【權利要求】
1.一種基於極化目標分解特徵的變分極化SAR圖像分割方法，利用不同極化目標分解的分解特徵形成的特徵向量，結合核函數和CV模型建立能量泛函，其特徵在於，包括如下步驟: 步驟1:根據極化目標分解特徵數據，建立極化目標分解特徵向量: 根據極化 SAR 圖像 Pauli 分解，Huynen 分解，Cloude-Pottier 分解，Freeman-Durden分解，SDH分解，VanZyl分解各自得到的3個分解特徵數據，Yamaguchi分解得到的4個分解特徵數據，以及Huynen分解的推廣分解方法,即Barnes-Holm分解,在兩種不同的特徵向量情況下，得到的6個極化特徵數據，一共28個極化目標分解特徵數據，構成分解特徵向量f = (fi, f2,...，fD)，其中 fk, k = I,..., D, D = 28,表徵某一個分解特徵； 步驟2:將極化SAR圖像I (X，y)整個區域Ω任意劃分為N個區域Ω。i = 1，...，N，所述極化SAR圖像I (X，y)中的每個區域用i標註； 步驟3:計算區域指示函數F ；




步驟4:計算區域的極化目標分解特徵均值向量
2.如權利要求1所述的基於極化目標分解特徵的變分極化SAR圖像分割方法，其特徵在於，所述步驟3中所述區域指示函數F汁算步驟如下: (3a)當數N為2的冪次方時，存在m使得2m = N成立，則I≤i≤2m = N。引入水平集函數集合Ψ = { Φ! (x, y),..., Φ m (X，y)}, m為水平集函數數目， Φ (χ, y), r = I,...，m表示第r個水平集函數；Ψ相對應的正則化Heaviside函數集合為1(小(叉，7)) = (Ηε (Φ^χ, y))，...，He (<i)m(x，y))),其中,
HMrix^))= 2 1 +^arctan 1為水平集函數4>r(X，y)對應的正則化 Heaviside函數，ε用以控制函數從O上升到I的快慢，ε的取值範圍為[0.1,2],則當2m = N時，區域指示函數表示為: Ff={-lft\{H^y))-brl)

r=\ (3b)當數N不為2的冪次方時，即2m Φ N, 2"1-1 < N < 2m時，區域指示函數表示為:

3.如權利要求1所述的基於極化目標分解特徵的變分極化SAR圖像分割方法，其特徵在於，所述步驟5中所述核函數為高斯核函數:^_.(Μ) = ^)?) = εχΡ(4-€Α2)，其中，σ為高斯核函數的標準差，取值為[5，50], IHI"為L2範數，則有
4.如權利要求1所述的基於極化目標分解特徵的變分極化SAR圖像分割方法，其特徵在於，所述步驟8中所述水平集函數迭代過程為:
【文檔編號】G06T7/00GK103761741SQ201410033518
【公開日】2014年4月30日 申請日期:2014年1月23日 優先權日:2014年1月23日
【發明者】曹宗傑, 皮亦鳴, 譚英, 馮籍瀾 申請人:電子科技大學