CN109658416B - Sar图像海陆分割方法、装置、计算机设备和可读存储介质 - Google Patents
Sar图像海陆分割方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN109658416B CN109658416B CN201811613783.5A CN201811613783A CN109658416B CN 109658416 B CN109658416 B CN 109658416B CN 201811613783 A CN201811613783 A CN 201811613783A CN 109658416 B CN109658416 B CN 109658416B
- Authority
- CN
- China
- Prior art keywords
- segmented
- segmentation template
- segmentation
- sar image
- template
- 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.)
- Active
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 270
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims description 12
- 230000006870 function Effects 0.000 claims description 122
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004800 variational method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract description 5
- 230000001427 coherent effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种SAR图像海陆分割方法,获取待分割SAR图像,获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板;根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。利用水平集方法,建立适当的轮廓曲线演化的能量函数,无需对相干斑进行预处理,就可以得到较为精准的SAR图像海陆分割结果。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种SAR图像海陆分割方法、装置、计算机设备和可读存储介质。
背景技术
SAR(Synthetic Aperture Radar,星载合成孔径雷达)系统历经了几十年的发展,取得了巨大的成就,其成果被广泛的应用于军事和民用。对SAR图像的分割是进行目标识别、数据压缩和传递信息等的基本且关键的技术,因此如何快速有效的对SAR图像进行分割是非常重要的。
现有技术中通常采用边缘检测的类方法对SAR图像进行海陆分割,但对于相干斑噪声较为敏感,且无法实现海岸线的精确定位。
发明内容
本发明的目的在于提供一种SAR图像海陆分割方法、装置、计算机设备和可读存储介质,可以无需对相干斑进行预处理,就可以得到较为精准的SAR图像海陆分割结果。
本发明的目的通过如下技术方案实现:
一种SAR图像海陆分割方法,所述方法包括:
获取待分割SAR图像;
获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板;
根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板;
根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞;
获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板;
根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。
一种SAR图像海陆分割装置,所述装置包括:
图像获取模块,用于获取待分割SAR图像;
能量函数处理模块,用于获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板;
迭代模块,用于根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板;
孔洞提取模块,用于根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞;
孔洞填充模块,用于获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板;
分割图像获取模块,用于根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取待分割SAR图像;
获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板;
根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板;
根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞;
获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板;
根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取待分割SAR图像;
获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板;
根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板;
根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞;
获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板;
根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。
本发明提供的SAR图像海陆分割方法,其获取待分割SAR图像,获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板;根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板;根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞;获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板;根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。利用水平集方法,建立适当的轮廓曲线演化的能量函数,无需对相干斑进行预处理,就可以得到较为精准的SAR图像海陆分割结果。
附图说明
图1为一个实施例中SAR图像海陆分割方法的应用环境图;
图2为一个实施例中SAR图像海陆分割方法的流程示意图;
图3为一个实施例中初始待分割SAR图像;
图4为图3中的初始待分割SAR图像进行图像增强后得到的图像;
图5为图4中的图像进行高斯模糊平滑噪声后得到的图像;
图6为一个实施例中第二分割模板;
图7为FCM聚类结果示意图;
图8为一个实施例中初始第四分割模板;
图9为一个实施例中第四分割模板;
图10为一个实施例中的分割图像;
图11为另一个实施例中SAR图像海陆分割装置的结构框图;
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
本申请提供的SAR图像海陆分割方法可以应用于如图1所示的应用环境中。该应用环境包括服务器,服务器获取待分割SAR图像;服务器获取待分割SAR图像的能量函数,服务器在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板;服务器根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;服务器根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;服务器获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;服务器根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种SAR图像海陆分割方法,包括以下步骤:
步骤S201,获取待分割SAR图像。
具体的,从SAR系统获取初始待分割SAR图像,然后对初始待分割SAR图像进行预处理得到待分割SAR图像。
例如,初始带分割图像为经过预先切割的1000*1000的高分三号的16位TIFF图像。
步骤S202,获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板。
其中,能量函数是在数字图像处理中,用于描述图像纹理特征及基于能量特征作边缘分割的函数。
步骤S203,根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;
其中,对于高分辨率SAR图像设定迭代次数为十次,能够满足分割模板的生成,因此,预设次数为十次。
步骤S204,根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;
具体的,由于海陆区域亮暗分布不均,导致较暗陆地区域被当作海洋、或海洋中较亮区域被标为陆地的误判情况,以及分割模板细碎区域过多的情况,因此,需要提取疑似误分割孔洞进行处理。
步骤S205,获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;
具体的,由于斑点噪声的影响,以及陆地亮暗分布不均,导致陆地中被误判为海洋、或海洋中被误判为陆地的部分具有毛边较多、形状不规则的特点;因此可利用提取的疑似误分割孔洞,计算纹理特征来加以判定疑似误分割孔洞是否为误判孔洞。
步骤S206,根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。
具体的,将第三分割模板和第二分割模板进行异或运算,得到第四分割模板。
上述SAR图像海陆分割方法中,通过获取待分割SAR图像,获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板;根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。利用水平集方法,建立适当的轮廓曲线演化的能量函数,无需对相干斑进行预处理,就可以得到较为精准的SAR图像海陆分割结果。
在其中一个实施例中,获取待分割SAR图像,包括:
获取初始待分割SAR图像。
对初始待分割SAR图像进行图像增强和高斯模糊平滑噪声,得到待分割SAR图像。
具体的,选取初始待分割SAR图像中预设比例的灰度值映射到另一灰度图中做灰度拉伸与特征增强,对于增强后的图像做高斯模糊平滑噪声,提高算法速度。
例如,输入的初始待分割SAR图像为高分三号16位TIFF图像,如图3所示,统计灰度分布,取20%-80%的灰度值映射到8位的灰度图中做灰度拉伸与特征增强,得到如图4所示的图像。对于增强后的图像做高斯模糊平滑噪声,提高算法速度,如图5所示。
在其中一个实施例中,获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板,包括:
获取待分割SAR图像的基于C-V水平集模型的能量函数。
其中,C-V水平集模型是Chan和Vese于2001年提出的一种新的主动轮廓模型,运用水平集思想,通过能量函数的最小化来演化曲线。
在具体实施过程中,连续闭合曲线为C(p,t),0<p≤1,t为时间参数。φ(x,y,t)是曲线C(p,t)在时刻t的隐式表达,同时也是曲线C(p,t)在t时刻对应的φ(x,y,t)零水平集:
C(p,t)={(x,y)|φ(x,y,t=0)}
假定{x:φ(x,t)>0}和{x:φ(x,t)<0}分别是闭曲线C的内部和外部。水平集方法使φ(x,y,t)在演化过程中的分割曲线为零水平集,即:
φ(c(t),t)=0
设输入图像I(x,y)的定义域为Ω,分割线C把待处理的图像分为内外两部分,即线内部的区域Ω1和轮廓线外部的区域Ω2,Ω=Ω1∪Ω2。
定义c1,c2分别是区域Ω1和Ω2的灰度均值,可得基于C-V水平集模型的能量函数:
其中,Length(φ)为曲线C的长度项,以保持轮廓曲线的光滑性;当曲线与边缘吻合时,能量函数达到最小值。Area(φ)衡量曲线内面积,以避免曲线C的弹性形变,减小曲线内部面积。后两项为能量项,保持分割图像与原图像的相似性。μ,ν,λ1,λ2一般取常数,如ν=0,λ1=λ2=1,其中μ对曲线的光滑性有影响。
在能量函数中引入水平集,求解关于水平集的偏微分方程,得到迭代函数。
其中▽表示梯度,Hε(φ)是Heaviside函数H(φ)的正则化形式,δε(φ)是Hε(φ)的导函数。
保持c1,c2不变,为求使EC-V(φ)最小化的水平集函数φ(x,y,t),求关于φ(x,y,t)的偏微分方程,得到欧拉-拉格朗日方程:
其中,div为散度算子。
对迭代函数进行优化,利用变分法得到水平集演化方程。
为了提高迭代速度和迭代范围,去除了Heaviside函数和Dirac函数的使用,使迭代公式全局化;并对长度项和能量项的描述进行简化,以适应噪声情况下的SAR图像。
令改进之后的均值参量为:
利用变分法可得水平集演化方程:
利用有限差分进行离散化得到第一分割模板。
利用有限差分进行离散化,V(φ)的表达式为:
其中step为离散化的积分步长,V0(φ)为初始能量函数。
在其中一个实施例中,根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板,包括:
获取待分割SAR图像的初始能量值和灰度值;
对输入图像进行高斯模糊,并进行能量函数初始化:
其中X,Y为图像坐标,ic,jc为初始圆域的圆心坐标。
根据初始能量值、灰度值和迭代函数,对第一分割模板迭代预设次数,得到第二分割模板。
在具体实施过程中,以初始能量值依据迭代公式更新V(φ),并对新求得的V(φ)进行二值化,负值更新为0,正值更新为1。其中迭代过程的像素值使用输入图像高斯模糊的灰度值;每次迭代完成后进行形态学过滤,剔除过小面积区域,抑制图像噪声影响,提升能量函数整体性与规律性。
由于十次后的能量函数图像的水平集已与实际海陆边缘基本相同,因此,实际操作中,对于高分辨率SAR图像设定迭代次数为十次,能够满足分割模板的生成。故利用改进的水平集方法,能有效降低算法循环次数。
图6为迭代完成后根据水平集函数进行二值化,并进行形态学过滤后的第二分割模板。此处设置形态学过滤剔除像素点在300以下的小区域。
在其中一个实施例中,根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞,包括:
根据预设算子检测边缘和第二分割模板,得到二值化模板;
针对海陆区域亮暗分布不均,导致较暗陆地区域被当作海洋、或海洋中较亮区域被标为陆地的误判情况,以及分割模板细碎区域过多的情况,对于第二分割模板,由canny算子检测边缘,生成二值图像提取潜在的误分割对象。孔洞为二值模板内部八连通点阵组成的闭合圈内的像素点集。
提取二值化模板中的连通分量,得到疑似误分割孔洞。
具体的,A表示集合8连通区域的边界,确定每个孔洞中对应于X0的位置的初始点置1,以如下过程用1填充所有孔洞:
其中,B是四连通结构元(即中心像素为种子,以四连通方式向周围膨胀)。如果Xk=Xk-1,则算法在迭代的第k步结束。然后集合Xk包含所有被填充的孔洞。
Xk和A的并集包含所有填充的孔洞及孔洞的边界,如图8所示。
同理,由如下迭代过程可完成二值模板中连通分量的提取。
在其中一个实施例中,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板,包括:
根据疑似误分割孔洞的纹理特征,查询疑似误分割孔洞的中的误判孔洞和非误判孔洞;
具体的,由于斑点噪声的影响,以及陆地亮暗分布不均,导致陆地中被误判为海洋、或海洋中被误判为陆地的部分具有毛边较多、形状不规则的特点。因此可利用提取的疑似误分割孔洞,计算纹理特征来加以判定,与其他提取的疑似误分割孔洞之间具有纹理特征的区分度。利用微分算子计算梯度的幅值。利用一阶偏导的有限差分,计算二值孔洞I(x,y)的梯度幅度。下面Ex(i,j)和Ey(i,j)分别为沿x和y方向的偏导数:
Ex(i,j)=[I(i,j)-I(i+1,j)+I(i,j+1)-I(i+1,j+1)]/2
Ey(i,j)=[I(i,j)-I(i,j+1)+I(i+1,j)-I(i+1,j+1)]/2
孔洞中每个像素点(i,j)的梯度幅度值M(i,j)为:
反映了(i,j)点处的边缘强度,计算每个孔洞的平均梯度幅度,作为孔洞的纹理特征,如表1所示。生成特征矩阵作为FCM的聚类对象,判断其属于毛刺较多型孔洞或平滑型孔洞。
表1孔洞特征结果
将表1中的数据矩阵输入FCM聚类,设定聚类中心个数为2。
输出的聚类中心分别为1.1154和1.6666,令其隶属度分别为μ1,μ2隶属度结果如下表2所示,对于每个孔洞选择较大隶属度作为最终分类。分类结果如图7所示,图7中x轴:孔洞梯度均值;y轴:孔洞像素点个数。深灰点为不填充的孔洞,浅灰点为需要填充的孔洞。
表2隶属度结果
将误判孔洞的灰度值设置为第一预设值,将非误判孔洞的灰度值设置为第二预设值,得到第三分割模板。
具体的,将归类的毛刺较多的纹理系数较大的误判孔洞的灰度值设置为1,将其余孔洞,也就是非误判孔洞的灰度值设置为0。
在其中一个实施例中,根据第三分割模板和第二分割模板获取第四分割模板,包括:
将第三分割模板和第二分割模板进行异或运算,得到初始第四分割模板;
具体的,如图8所示,将第三分割模板和第二分割模板进行异或运算,得到初始第四分割模板。
对初始第四分割模板进行形态学过滤,得到第四分割模板。
具体的,如图9所示,图9为最终的高分辨率SAR图像的海陆第四分割模板,将输入的SAR图像和图9所示的第四分割模板相乘,即可得到提取出陆地部分的分割图像,如图10所示,可以看出,根据本发明方法获取的分割模板,最终获取的区域与实际区域基本吻合,其图像切割边缘造成的孔洞泄露在实际应用中可以通过有重叠的子图像切割消除影响。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,如图11所示,提供了一种SAR图像海陆分割装置,装置包括:
图像获取模块301,用于获取待分割SAR图像;
能量函数处理模块302,用于获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板;
迭代模块303,用于根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;
孔洞提取模块304,用于根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;
孔洞填充模块305,用于获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;
分割图像获取模块306,用于根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。
在其中一个实施例中,图像获取模块301包括:
初始图像获取单元,用于获取初始待分割SAR图像;
预处理单元,用于对初始待分割SAR图像进行图像增强和高斯模糊平滑噪声,得到待分割SAR图像。
在其中一个实施例中,能量函数处理模块302包括:
能量函数获取单元,用于获取待分割SAR图像的基于C-V水平集模型的能量函数;
迭代函数获取单元,用于在能量函数中引入水平集,求解关于水平集的偏微分方程,得到迭代函数;
优化单元,用于对迭代函数进行优化,利用变分法得到水平集演化方程;
第一分割模板获取单元,用于利用有限差分进行离散化得到第一分割模板。
在其中一个实施例中,迭代模块303包括:
初始能量获取单元,用于获取待分割SAR图像的初始能量值和灰度值;
第二分割模板获取单元,用于根据初始能量值、灰度值和迭代函数,对第一分割模板迭代预设次数,得到第二分割模板。
在其中一个实施例中,孔洞提取模块304包括:
二值化单元,用于根据预设算子检测边缘和第二分割模板,得到二值化模板;
孔洞提取单元,用于提取二值化模板中的连通分量,得到疑似误分割孔洞。
在其中一个实施例中,孔洞填充模块305包括:
查询单元,用于根据疑似误分割孔洞的纹理特征,查询疑似误分割孔洞的中的误判孔洞和非误判孔洞;
第三分割模板获取单元,用于将误判孔洞的灰度值设置为第一预设值,将非误判孔洞的灰度值设置为第二预设值,得到第三分割模板。
在其中一个实施例中,分割图像获取模块306包括:
异或运算单元,用于将第三分割模板和第二分割模板进行异或运算,得到初始第四分割模板;
第四分割模板获取单元,用于对初始第四分割模板进行形态学过滤,得到第四分割模板。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过装置总线连接的数据处理器、存储器、网络接口和数据库。其中,该计算机设备设置有多个数据处理器,数据处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作装置和计算机程序的运行提供环境。该计算机设备的数据库用于存储SAR图像海陆分割涉及的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种SAR图像海陆分割方法。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待分割SAR图像;获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板;根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。
在其中一个实施例中,处理器执行计算机程序时获取待分割SAR图像,包括:获取初始待分割SAR图像;对初始待分割SAR图像进行图像增强和高斯模糊平滑噪声,得到待分割SAR图像。
在其中一个实施例中,处理器执行计算机程序时获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板,包括:获取待分割SAR图像的基于C-V水平集模型的能量函数;在能量函数中引入水平集,求解关于水平集的偏微分方程,得到迭代函数;对迭代函数进行优化,利用变分法得到水平集演化方程;利用有限差分进行离散化得到第一分割模板。
在其中一个实施例中,处理器执行计算机程序时根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板,包括:获取待分割SAR图像的初始能量值和灰度值;根据初始能量值、灰度值和迭代函数,对第一分割模板迭代预设次数,得到第二分割模板。
在其中一个实施例中,处理器执行计算机程序时根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞,包括:根据预设算子检测边缘和第二分割模板,得到二值化模板;提取二值化模板中的连通分量,得到疑似误分割孔洞。
在其中一个实施例中,处理器执行计算机程序时根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板,包括:根据疑似误分割孔洞的纹理特征,查询疑似误分割孔洞的中的误判孔洞和非误判孔洞;将误判孔洞的灰度值设置为第一预设值,将非误判孔洞的灰度值设置为第二预设值,得到第三分割模板。
在其中一个实施例中,处理器执行计算机程序时根据第三分割模板和第二分割模板获取第四分割模板,包括:将第三分割模板和第二分割模板进行异或运算,得到初始第四分割模板;对初始第四分割模板进行形态学过滤,得到第四分割模板。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待分割SAR图像;获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板;根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板;根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞;获取疑似误分割孔洞的纹理特征,根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板;根据第三分割模板和第二分割模板获取第四分割模板,将待分割SAR图像输入第四分割模板,得到分割图像。
在其中一个实施例中,计算机程序被处理器执行时获取待分割SAR图像,包括:获取初始待分割SAR图像;对初始待分割SAR图像进行图像增强和高斯模糊平滑噪声,得到待分割SAR图像。
在其中一个实施例中,计算机程序被处理器执行时获取待分割SAR图像的能量函数,在能量函数中引入待分割SAR图像的水平集函数,获取能量函数最小时的第一分割模板,包括:获取待分割SAR图像的基于C-V水平集模型的能量函数;在能量函数中引入水平集,求解关于水平集的偏微分方程,得到迭代函数;对迭代函数进行优化,利用变分法得到水平集演化方程;利用有限差分进行离散化得到第一分割模板。
在其中一个实施例中,计算机程序被处理器执行时根据待分割SAR图像,对第一分割模板进行迭代更新预设次数,得到第二分割模板,包括:获取待分割SAR图像的初始能量值和灰度值;根据初始能量值、灰度值和迭代函数,对第一分割模板迭代预设次数,得到第二分割模板。
在其中一个实施例中,计算机程序被处理器执行时根据预设算子检测边缘,提取第二分割模板中的疑似误分割孔洞,包括:根据预设算子检测边缘和第二分割模板,得到二值化模板;提取二值化模板中的连通分量,得到疑似误分割孔洞。
在其中一个实施例中,计算机程序被处理器执行时根据纹理特征填充疑似误分割孔洞中的误判孔洞,得到第三分割模板,包括:根据疑似误分割孔洞的纹理特征,查询疑似误分割孔洞的中的误判孔洞和非误判孔洞;将误判孔洞的灰度值设置为第一预设值,将非误判孔洞的灰度值设置为第二预设值,得到第三分割模板。
在其中一个实施例中,计算机程序被处理器执行时根据第三分割模板和第二分割模板获取第四分割模板,包括:将第三分割模板和第二分割模板进行异或运算,得到初始第四分割模板;对初始第四分割模板进行形态学过滤,得到第四分割模板。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种SAR图像海陆分割方法,其特征在于,所述方法包括:
(1)获取待分割SAR图像;
(2)获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板,包括:
获取所述待分割SAR图像的基于C-V水平集模型的能量函数;
在所述能量函数中引入水平集,求解关于水平集的偏微分方程,得到迭代函数;
对迭代函数进行优化,利用变分法得到水平集演化方程;
利用有限差分进行离散化得到所述第一分割模板;
(3)根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板,包括:
获取待分割SAR图像的初始能量值和灰度值;
根据所述初始能量值、所述灰度值和所述迭代函数,对所述第一分割模板迭代预设次数,得到所述第二分割模板,预设次数为十次;
(4)根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞,包括:
根据预设算子检测边缘和所述第二分割模板,得到二值化模板;
提取所述二值化模板中的连通分量,得到所述疑似误分割孔洞;
(5)获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板,包括:
根据所述疑似误分割孔洞的所述纹理特征,查询所述疑似误分割孔洞中的误判孔洞和非误判孔洞;
其中,利用一阶偏导的有限差分,计算二值孔洞I(x,y)的梯度幅度,Ex(i,j)和Ey(i,j)分别为沿x和y方向的偏导数:
Ex(i,j)=[I(i,j)-I(i+1,j)+I(i,j+1)-I(i+1,j+1)]/2
Ey(i,j)=[I(i,j)-I(i,j+1)+I(i+1,j)-I(i+1,j+1)]/2
孔洞中每个像素点(i,j)的梯度幅度值M(i,j)为:
计算每个孔洞的平均梯度幅度,作为孔洞的纹理特征,生成特征矩阵作为FCM的聚类对象,判断其属于毛刺较多型孔洞或平滑型孔洞,毛刺较多型孔洞为误判孔洞,平滑型孔洞为非误判孔洞;
将所述误判孔洞的灰度值设置为第一预设值,将所述非误判孔洞的灰度值设置为第二预设值,得到第三分割模板;
(6)根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。
2.根据权利要求1所述的方法,其特征在于,所述获取待分割SAR图像,包括:
获取初始待分割SAR图像;
对所述初始待分割SAR图像进行图像增强和高斯模糊平滑噪声,得到所述待分割SAR图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第三分割模板和所述第二分割模板获取第四分割模板,包括:
将所述第三分割模板和所述第二分割模板进行异或运算,得到初始第四分割模板;
对所述初始第四分割模板进行形态学过滤,得到所述第四分割模板。
4.一种SAR图像海陆分割装置,其特征在于,所述装置包括:
图像获取模块,用于获取待分割SAR图像;
能量函数处理模块,用于获取待分割SAR图像的能量函数,在所述能量函数中引入所述待分割SAR图像的水平集函数,获取所述能量函数最小时的第一分割模板,能量函数处理模块包括:
能量函数获取单元,用于获取待分割SAR图像的基于C-V水平集模型的能量函数;
迭代函数获取单元,用于在能量函数中引入水平集,求解关于水平集的偏微分方程,得到迭代函数;
优化单元,用于对迭代函数进行优化,利用变分法得到水平集演化方程;
第一分割模板获取单元,用于利用有限差分进行离散化得到第一分割模板;
迭代模块,用于根据所述待分割SAR图像,对所述第一分割模板进行迭代更新预设次数,得到第二分割模板,迭代模块包括:
初始能量获取单元,用于获取待分割SAR图像的初始能量值和灰度值;
第二分割模板获取单元,用于根据初始能量值、灰度值和迭代函数,对第一分割模板迭代预设次数,得到第二分割模板,预设次数为十次;
孔洞提取模块,用于根据预设算子检测边缘,提取所述第二分割模板中的疑似误分割孔洞,孔洞提取模块包括:
二值化单元,用于根据预设算子检测边缘和第二分割模板,得到二值化模板;
孔洞提取单元,用于提取二值化模板中的连通分量,得到疑似误分割孔洞;
孔洞填充模块,用于获取所述疑似误分割孔洞的纹理特征,根据所述纹理特征填充所述疑似误分割孔洞中的误判孔洞,得到第三分割模板,孔洞填充模块包括:
查询单元,用于根据疑似误分割孔洞的纹理特征,查询疑似误分割孔洞的中的误判孔洞和非误判孔洞;
其中,利用一阶偏导的有限差分,计算二值孔洞I(x,y)的梯度幅度,Ex(i,j)和Ey(i,j)分别为沿x和y方向的偏导数:
Ex(i,j)=[I(i,j)-I(i+1,j)+I(i,j+1)-I(i+1,j+1)]/2
Ey(i,j)=[I(i,j)-I(i,j+1)+I(i+1,j)-I(i+1,j+1)]/2
孔洞中每个像素点(i,j)的梯度幅度值M(i,j)为:
计算每个孔洞的平均梯度幅度,作为孔洞的纹理特征,生成特征矩阵作为FCM的聚类对象,判断其属于毛刺较多型孔洞或平滑型孔洞,毛刺较多型孔洞为误判孔洞,平滑型孔洞为非误判孔洞;
第三分割模板获取单元,用于将误判孔洞的灰度值设置为第一预设值,将非误判孔洞的灰度值设置为第二预设值,得到第三分割模板;
分割图像获取模块,用于根据所述第三分割模板和所述第二分割模板获取第四分割模板,将所述待分割SAR图像输入所述第四分割模板,得到分割图像。
5.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613783.5A CN109658416B (zh) | 2018-12-27 | 2018-12-27 | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613783.5A CN109658416B (zh) | 2018-12-27 | 2018-12-27 | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109658416A CN109658416A (zh) | 2019-04-19 |
CN109658416B true CN109658416B (zh) | 2020-12-29 |
Family
ID=66117630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811613783.5A Active CN109658416B (zh) | 2018-12-27 | 2018-12-27 | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658416B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582198B (zh) * | 2020-05-12 | 2022-10-04 | 中国电子科技集团公司第二十八研究所 | 一种遥感图像海陆自动分割方法 |
CN113420658A (zh) * | 2021-04-30 | 2021-09-21 | 中国电子科技集团公司第十四研究所 | 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6628844B1 (en) * | 1997-02-19 | 2003-09-30 | Massachusetts Institute Of Technology | High definition imaging apparatus and method |
CN103955692B (zh) * | 2014-04-30 | 2017-07-21 | 北京理工大学 | 结合灰度与拓扑特征的sar图像水域检测虚警剔除方法 |
CN104036239B (zh) * | 2014-05-29 | 2017-05-10 | 西安电子科技大学 | 基于特征融合和聚类的高分辨sar图像快速舰船检测方法 |
-
2018
- 2018-12-27 CN CN201811613783.5A patent/CN109658416B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109658416A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860670B (zh) | 域自适应模型训练、图像检测方法、装置、设备及介质 | |
CN110110799B (zh) | 细胞分类方法、装置、计算机设备和存储介质 | |
CN109255772B (zh) | 基于风格迁移的车牌图像生成方法、装置、设备及介质 | |
Mújica-Vargas | Superpixels extraction by an Intuitionistic fuzzy clustering algorithm | |
CN111950329A (zh) | 目标检测及模型训练方法、装置、计算机设备和存储介质 | |
CN110516541B (zh) | 文本定位方法、装置、计算机可读存储介质和计算机设备 | |
CN111797744B (zh) | 一种基于共现滤波算法的多模态遥感图像匹配方法 | |
CN109658416B (zh) | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 | |
WO2021118463A1 (en) | Defect detection in image space | |
Abdelsamea et al. | A SOM-based Chan–Vese model for unsupervised image segmentation | |
CN111062324A (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
CN109410189B (zh) | 图像分割方法以及图像的相似度计算方法、装置 | |
CN109711381B (zh) | 遥感图像的目标识别方法、装置和计算机设备 | |
US20200327673A1 (en) | Method for thinning and connection in linear object extraction from an image | |
CN115731220A (zh) | 坯布缺陷定位与分类方法、系统、设备及存储介质 | |
CN112150497A (zh) | 基于二值神经网络的局部激活方法与系统 | |
CN111199558A (zh) | 一种基于深度学习的图像匹配方法 | |
CN111340025A (zh) | 字符识别方法、装置、计算机设备和计算机可读存储介质 | |
CN112488983A (zh) | 缺陷识别网络的获得方法、缺陷识别方法和等级确定方法 | |
CN112163110B (zh) | 图像分类方法、装置、电子设备和计算机可读存储介质 | |
Kim et al. | Adaptive descriptor-based robust stereo matching under radiometric changes | |
CN117710728A (zh) | Sar图像目标识别方法、装置、计算机设备和存储介质 | |
CN109697474B (zh) | 基于迭代贝叶斯的合成孔径雷达影像变化检测方法 | |
Yousif et al. | Texture images analysis using fractal extracted attributes | |
Li et al. | A two-stage image segmentation model for multi-channel images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |