CN101127082A - 一种快速退火的基于mrf的sar图像分割方法 - Google Patents
一种快速退火的基于mrf的sar图像分割方法 Download PDFInfo
- Publication number
- CN101127082A CN101127082A CNA2007101199629A CN200710119962A CN101127082A CN 101127082 A CN101127082 A CN 101127082A CN A2007101199629 A CNA2007101199629 A CN A2007101199629A CN 200710119962 A CN200710119962 A CN 200710119962A CN 101127082 A CN101127082 A CN 101127082A
- Authority
- CN
- China
- Prior art keywords
- mark
- energy
- new
- current
- sentinel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种快速退火的基于MRF的SAR图像分割方法:(1)确定初始分割场;(2)计算当前分割场每个像素的局部能量;(3)改变当前像素点的标记:首先判断当前像素点邻域中是否存在占支配地位的标记,如果是,则令当前像素点的新标记为占优标记;如果不是,则随机改变当前像素点的标记,获得的新标记,如果由新标记计算的能量低于当前标记计算的能量,则接受新标记,否则随机选取[0,1]中的一个值,如果新能量相对于当前能量的能量差对应的概率大于等于该值,则接受标记,反之不接受新标记;(4)计算当前状态的全局能量和新状态的全局能量,如果全局能量的变化量小于事先确定的某一阈值,迭代寻优过程结束。本发明提高了处理的速度,促进了基于模拟退火SAR图像分割算法在实际处理系统中的应用。
Description
技术领域
本发明属于图像处理领域,更具体地说涉及合成孔径雷达(SyntheticAperture Radar,简写为SAR)图像的分割方法。
背景技术
SAR是一种高分辨微波成像雷达,它具有全天侯、全天时工作的能力,并且能够穿透一定深度的天然植被、人工伪装物和地表土壤等,因此倍受人们关注。随着SAR图像获取系统的日渐增多,迫切需要快速发展SAR图像应用技术。SAR图像分割是应用SAR图像进行目标检测和分类识别的关键技术之一。SAR图像中大量斑点噪声的存在使得图像不能正确地反映地物目标的散射特性,从而会导致SAR图像分割的不准确。因此,在SAR图像分割处理中必须考虑斑点噪声的影响。
目前的SAR图像分割算法主要有两种思路:一是先对原始SAR图像进行斑点噪声抑制,然后再采用类似于可见光图像分割的处理方法进行图像分割;另一种是直接针对SAR图像的统计特性,在分割过程中考虑斑点噪声的抑制。相比较而言,第二种思路能够获得更好的分割结果,因此近年来关于SAR图像分割的研究主要集中在第二种思路上。其中,基于Markov随机场模型MRF的SAR图像分割方法是最有代表性的一类方法。
基于MRF的图像分割方法在最大后验概率准则下,确定代价函数,并且通过使得能量函数最小获取最优解,从而得到最优的分割结果。模拟退火算法是最常用的最优化方法,它通过模拟固体物质退火过程中出现的热平衡现象,形成基于一定概率的双方向随机搜索,通过迭代寻优获得全局最优解。但是模拟退火算法的计算量很大,收敛到全局最优解的速度很慢,这一缺点的存在大大限制了基于模拟退火的SAR图像分割算法在实际SAR图像处理系统中的应用。
发明内容
本发明的技术解决问题:克服现有技术的不足,提出了一种快速退火的基于MRF的SAR图像分割方法的模拟退火处理方法,该方法在基本不影响处理效果的前提下,大大提高了处理的速度,促进了基于模拟退火SAR图像分割算法在实际处理系统中的应用。
本发明的技术解决方案:一种快速退火的基于MRF的SAR图像分割方法,其特点在于步骤如下:
(1)确定初始分割场;
(2)计算当前分割场每个像素的局部能量;
(3)改变当前像素点的标记:首先判断当前像素点邻域中是否存在占支配地位的标记,如果存在占支配地位的占优标记,则令当前像素点的新标记为占优标记;如果不存在占优标记,则按照传统模拟退火方法随机改变当前像素点的标记,对于随机改变获得的新标记,如果由新标记计算的能量低于当前标记计算的能量,则接受新标记,否则随机选取[0,1]中的一个值,如果新能量相对于当前能量的能量差对应的概率大于等于该值,则接受标记,反之不接受新标记;
(4)计算当前状态的全局能量和新状态的全局能量,如果全局能量的变化量小于事先确定的某一阈值,迭代寻优过程结束,得到最终分割结果;否则,更新温度系数,并转到步骤(3)进行下一次迭代。
所述的步骤(3)中当前像素点标记的改变优先采用其邻域内的占优标记作为新标记,如果不存在占优标记才按照传统退火方法随机改变获得新标记,具体为:首先判断当前像素点邻域中是否存在占支配地位的占优标记xp,即判断关系式 是否成立,如果成立,则令当前像素点的新标记为xp;否则随机改变当前像素点的标记,得到新标记xik;对于xik,若Eli,k>Eli,k-1,则在[0,1]中随机选取数值λ,如果exp[-(Eli+,k-Eli,k+1)/T]≥λ,就接受新标记为当前像素的分割标记;否则,保持当前分割标记不变,其中:Nxp是当前像素点邻域中标记为xp的像素个数,NR为邻域中的总像素数,其中:Eli,k为局部能量,T=T0χk,T0为初始退火温度,χ为降温系数。
本发明与现有技术相比的优点在于:本发明考虑到SAR图像中每个像素与其邻域像素同属于一类的概率很大,因此在模拟退火寻求最优解过程中不是像传统模拟退火随机改变每个像素的分割标记,而是首先对每个像素先判断其邻域像素的分割标记是否存在占有支配地位的标记值:如果存在明显占支配地位的标记,则在新的分割标记场中采用这类标记对该像素进行标记;否则,随机选取任一标记对该像素进行标记。本发明的好处是由于使用了当前像素与其邻域像素分割类别相同的先验知识,在退火的过程中不是随机改变状态,而是限定状态向全局最优的方向改变,因此能够快速地得到全局最优解。与传统模拟退火方法相比,在基本不影响处理效果的前提下,大大提高了处理的速度,促进了基于模拟退火SAR图像分割算法在实际处理系统中的应用。
附图说明
图1为本发明方法的流程图;
图2a为原始SAR图像;
图2b为采用本发明方法得到的分割结果;
图2c为采用传统退火方法得到的分割结果。
具体实施方式
如图1所示,本发明的具体步骤如下:
其中,p(yi|xi)为SAR图像的观测模型,这里采用瑞利分布,即
式中α(xi)与瑞利分布的均值μR(xi)和方差σR 2(xi)的关系为
它们可以通过EM方法估计获得。
(2)计算当前状态每个像素的局部能量Eli,0,有
Eli,0=-[lnp(yi|xi)+lnp(xi)]
式中p(xi)为SAR图像的先验模型,它可以通过下式计算
其中,Z是归一化常数;β是(0,1)之间的一个常数;δ(·)是狄拉克函数;Ri是像素i的邻域,可以是4邻域,也可以是8邻域,这里选取4邻域。
(3)令迭代次数k=1,并改变当前像素点的标记:首先根据下式判断当前像素点邻域中是否存在占支配地位的标记,即是否存在xp使得
其中Nxp是邻域Ri中的标记为xp的像素个数之和,NR为邻域中的总像素数,如果存在占支配地位的标记xp,则令当前像素点的新标记为xp;否则随机改变当前像素点的标记,得到新标记xik。
对于随机改变获得的新标记xik,计算新能量Eli,k,计算公式如步骤(2),若Eli,k>Eli,k-1,则在[0,1]中随机选取数值λ,如果exp[-(Eli,k-Eli,k+1)/T]≥λ,那么就接受新标记为当前像素的分割标记;否则,保持当前分割标记不变。T为退火温度,这里采用指数降温形式,有
T=T0χk
T0为初始退火温度,χ为降温系数。
(4)计算当前分割标记场的全局能量Ek,有
Ek=-[lnp(y|x)+lnp(x)]
其中
p(yi|xi)为SAR图像的观测模型,这里采用瑞利分布,即
式中α(xi)与瑞利分布的均值μR(xi)和方差σR 2(xi)的关系为
它们可以通过EM方法估计获得。
如果全局能量的变化量满足|Ek-Ek-1|≤εΔ,εΔ为收敛判决门限,则认为满足收敛条件,得到最终分割结果,程序结束;否则,令k=k+1,如果k≤K,转到步骤(3),进行下一次迭代;如果k>K,强行结束程序,退火寻优过程失败,其中K为预先设置的迭代次数的上限值。
采用本发明给出的方法对图2a所示的某一机场跑道的SAR图像进行分割处理,得到图2b;为了比较,同时给出了采用传统模拟退火方法得到的分割结果如图2c。本发明给出的快速退火方法和传统退火方法均取T0=4,χ=0.9,εΔ=0.1。传统退火方法的迭代次数为558,本发明给出的方法的迭代次数为38。可以看出,与传统方法相比,本发明给出的方法在能够获取较好分割效果的同时,大大提高了分割处理的速度,本实例中的分割速度提高了14倍多。
Claims (2)
1.一种快速退火的基于MRF的SAR图像分割方法,其特征在于步骤如下:
(1)确定初始分割场;
(2)计算当前分割场每个像素的局部能量;
(3)改变当前像素点的标记:首先判断当前像素点邻域中是否存在占支配地位的标记,如果存在占支配地位的占优标记,则令当前像素点的新标记为占优标记;如果不存在占优标记,则法随机改变当前像素点的标记,对于随机改变获得的新标记,如果由新标记计算的能量低于当前标记计算的能量,则接受新标记,否则随机选取[0,1]中的一个值,如果新能量相对于当前能量的能量差对应的概率大于等于该值,则接受标记,反之不接受新标记;
(4)计算当前状态的全局能量和新状态的全局能量,如果全局能量的变化量小于事先确定的某一阈值,迭代寻优过程结束,得到最终分割结果;否则,更新温度系数,并转到步骤(3)进行下一次迭代。
2.根据权利要求1所述的快速退火的基于MRF的SAR图像分割方法,其特征在于:所述的步骤(3)中当前像素点标记的改变优先采用其邻域内的占优标记作为新标记,如果不存在占优标记才按照传统退火方法随机改变获得新标记,具体为:首先判断当前像素点邻域中是否存在占支配地位的占优标记xp,即判断关系式 是否成立,如果成立,则令当前像素点的新标记为xp;否则随机改变当前像素点的标记,得到新标记xik;对于xik,若Eli,k>Eli,k-1,则在[0,1]中随机选取数值λ,如果exp[-(Eli,k-Eli,k+1)/T]≥λ,就接受新标记为当前像素的分割标记;否则,保持当前分割标记不变,其中:Nxp是当前像素点邻域中标记为xp的像素个数,NR为邻域中的总像素数,其中:Eli,k为局部能量,T=T0xk,T0为初始退火温度,x为降温系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007101199629A CN100573557C (zh) | 2007-08-06 | 2007-08-06 | 一种快速退火的基于mrf的sar图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007101199629A CN100573557C (zh) | 2007-08-06 | 2007-08-06 | 一种快速退火的基于mrf的sar图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101127082A true CN101127082A (zh) | 2008-02-20 |
CN100573557C CN100573557C (zh) | 2009-12-23 |
Family
ID=39095107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007101199629A Expired - Fee Related CN100573557C (zh) | 2007-08-06 | 2007-08-06 | 一种快速退火的基于mrf的sar图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100573557C (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872481A (zh) * | 2010-06-18 | 2010-10-27 | 北京航空航天大学 | 一种结合可见光图像信息的sar图像快速分割方法 |
CN101976445A (zh) * | 2010-11-12 | 2011-02-16 | 西安电子科技大学 | 边缘和区域概率密度差相结合的水平集sar图像分割方法 |
CN102054268A (zh) * | 2011-01-06 | 2011-05-11 | 西安电子科技大学 | 自适应分割sar图像水域的方法 |
CN101493935B (zh) * | 2008-11-10 | 2012-05-09 | 西安电子科技大学 | 基于剪切波隐马尔可夫模型的合成孔径雷达图像分割方法 |
CN103679717A (zh) * | 2013-12-05 | 2014-03-26 | 河海大学 | 基于马尔科夫随机场的图像分割方法 |
CN103824285A (zh) * | 2014-01-27 | 2014-05-28 | 湖北工业大学 | 一种基于蝙蝠优化模糊聚类的图像分割方法 |
CN105427304A (zh) * | 2015-11-19 | 2016-03-23 | 北京航空航天大学 | 基于多种特征联合的目标sar图像和光学图像配准方法 |
CN105513085A (zh) * | 2016-01-13 | 2016-04-20 | 合肥工业大学 | 采用srgb-rmrf的sar海冰图像分割方法 |
CN108205324A (zh) * | 2018-01-03 | 2018-06-26 | 李文清 | 一种智能道路清理装置 |
CN111210046A (zh) * | 2018-11-22 | 2020-05-29 | 富士通株式会社 | 优化装置及优化装置的控制方法 |
-
2007
- 2007-08-06 CN CNB2007101199629A patent/CN100573557C/zh not_active Expired - Fee Related
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493935B (zh) * | 2008-11-10 | 2012-05-09 | 西安电子科技大学 | 基于剪切波隐马尔可夫模型的合成孔径雷达图像分割方法 |
CN101872481A (zh) * | 2010-06-18 | 2010-10-27 | 北京航空航天大学 | 一种结合可见光图像信息的sar图像快速分割方法 |
CN101872481B (zh) * | 2010-06-18 | 2012-08-22 | 北京航空航天大学 | 一种结合可见光图像信息的sar图像快速分割方法 |
CN101976445A (zh) * | 2010-11-12 | 2011-02-16 | 西安电子科技大学 | 边缘和区域概率密度差相结合的水平集sar图像分割方法 |
CN101976445B (zh) * | 2010-11-12 | 2012-02-08 | 西安电子科技大学 | 边缘和区域概率密度差相结合的水平集sar图像分割方法 |
CN102054268A (zh) * | 2011-01-06 | 2011-05-11 | 西安电子科技大学 | 自适应分割sar图像水域的方法 |
CN102054268B (zh) * | 2011-01-06 | 2012-10-24 | 西安电子科技大学 | 自适应分割sar图像水域的方法 |
CN103679717A (zh) * | 2013-12-05 | 2014-03-26 | 河海大学 | 基于马尔科夫随机场的图像分割方法 |
CN103824285A (zh) * | 2014-01-27 | 2014-05-28 | 湖北工业大学 | 一种基于蝙蝠优化模糊聚类的图像分割方法 |
CN103824285B (zh) * | 2014-01-27 | 2017-04-26 | 湖北工业大学 | 一种基于蝙蝠优化模糊聚类的图像分割方法 |
CN105427304A (zh) * | 2015-11-19 | 2016-03-23 | 北京航空航天大学 | 基于多种特征联合的目标sar图像和光学图像配准方法 |
CN105427304B (zh) * | 2015-11-19 | 2018-04-06 | 北京航空航天大学 | 基于多种特征联合的目标sar图像和光学图像配准方法 |
CN105513085A (zh) * | 2016-01-13 | 2016-04-20 | 合肥工业大学 | 采用srgb-rmrf的sar海冰图像分割方法 |
CN108205324A (zh) * | 2018-01-03 | 2018-06-26 | 李文清 | 一种智能道路清理装置 |
CN108205324B (zh) * | 2018-01-03 | 2021-01-15 | 耀维科技南京有限公司 | 一种智能道路清理装置 |
CN111210046A (zh) * | 2018-11-22 | 2020-05-29 | 富士通株式会社 | 优化装置及优化装置的控制方法 |
CN111210046B (zh) * | 2018-11-22 | 2023-09-15 | 富士通株式会社 | 优化装置及优化装置的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100573557C (zh) | 2009-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100573557C (zh) | 一种快速退火的基于mrf的sar图像分割方法 | |
CN103150708B (zh) | 基于黑色通道的图像快速去雾优化方法 | |
CN102402685B (zh) | 基于Gabor特征的三马尔可夫场SAR图像分割方法 | |
CN103745472B (zh) | 基于条件三重马尔可夫场的sar图像分割方法 | |
CN101493935B (zh) | 基于剪切波隐马尔可夫模型的合成孔径雷达图像分割方法 | |
CN101515369B (zh) | 基于半监督学习的多尺度sar图像分割方法 | |
CN103150731B (zh) | 一种模糊聚类图像分割方法 | |
CN103473755B (zh) | 基于变化检测的sar图像稀疏去噪方法 | |
CN102024260B (zh) | 基于局部Gamma拟合的活动轮廓SAR图像分割方法 | |
CN101685158B (zh) | 基于隐马尔科夫树模型的sar图像去噪方法 | |
CN111985552B (zh) | 复杂背景下机场道面细带状结构病害检测方法 | |
CN105069796A (zh) | 基于小波散射网络的sar图像分割方法 | |
CN102496142B (zh) | 基于模糊的三马尔可夫场sar图像分割方法 | |
CN102542543A (zh) | 基于块相似性的交互式图像分割方法 | |
CN101847259A (zh) | 基于加权信息熵和马尔可夫随机场的红外目标分割方法 | |
Zan et al. | Solving the storm split-merge problem—A combined storm identification, tracking algorithm | |
CN104346814A (zh) | 基于层次视觉语义的sar图像分割方法 | |
CN101872481B (zh) | 一种结合可见光图像信息的sar图像快速分割方法 | |
CN103413332B (zh) | 基于两通道纹理分割主动轮廓模型的图像分割方法 | |
CN104036515B (zh) | 基于单幅sar图像的车辆目标高度估计方法 | |
CN102800101A (zh) | 一种星载红外遥感图像机场roi快速检测方法 | |
CN105513085A (zh) | 采用srgb-rmrf的sar海冰图像分割方法 | |
CN103714178A (zh) | 一种基于词间相关性的图像自动标注方法 | |
CN102314687B (zh) | 一种红外序列图像中的小目标检测方法 | |
CN102194224A (zh) | 一种光学遥感图像坦克群的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091223 Termination date: 20150806 |
|
EXPY | Termination of patent right or utility model |