CN113420658A - 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 - Google Patents
一种基于fcm聚类和otsu分割的sar图像海陆分割方法 Download PDFInfo
- Publication number
- CN113420658A CN113420658A CN202110696407.2A CN202110696407A CN113420658A CN 113420658 A CN113420658 A CN 113420658A CN 202110696407 A CN202110696407 A CN 202110696407A CN 113420658 A CN113420658 A CN 113420658A
- Authority
- CN
- China
- Prior art keywords
- image
- sea
- land
- gray
- pixel point
- 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.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 230000002708 enhancing effect Effects 0.000 claims abstract description 3
- 238000003709 image segmentation Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于FCM聚类和OTSU分割的SAR图像海陆分割方法，增强图像的细节信息，去除图像的相干斑噪声，保留图像的细节纹理信息，采用保边缘控制因子计算各像素点的灰度值，提取图像的灰度特征，采用灰度共生矩阵计算各像素点的特征值，提取图像的纹理特征，采用FCM聚类算法，结合灰度特征和纹理特征分割图像，减少弱反射的背景地物等造成的虚警区域，采用全局OTSU阈值，提取连通区域，得到前景的连通区域和背景的连通区域，划分海陆区域，保证了海陆分割的准确性，减少海杂波、舰船、岛屿等对SAR图像海陆分割的影响。
Description
技术领域
本发明属于图像处理技术领域，具体涉及一种SAR图像分割技术。
背景技术
基于合成孔径雷达SAR图像的海陆分割可以给港口与舰船等军事目标检测提供重要的基础信息，国内外学者提出了很多SAR图像海陆分割技术。现有技术中，基于简单线性迭代聚类SLIC超像素分割的SAR图像海陆分割算法，首先利用精致Lee滤波预处理，以抑制SAR图像的相干斑噪声，然后通过SLIC算法生成超像素斑块，并对超像素斑块进行FT区域显著性检测与相似度聚类，最后经过图像二值化的方法获得SAR图像海陆分割结果。该方法不足之处是，SLIC超像素分割参数选取会直接影响海陆分割结果，鲁棒性和自适应性较差，不适用于复杂场景下海陆分割。
针对SAR图像的异质性特点，基于随机加权估计和水平集的SAR图像分割方法，采用改进的基于广义的Gamma分布模型，利用随机加权估计方法对广义Gamma分布模型进行参数估计，可以更好地拟合SAR图像观测值。但是，大多数的水平集方法未能充分利用SAR图像信息，演化曲线不能正确收敛到目标边缘，在复杂背景下SAR图像海陆分割中还存在很多问题。
发明内容
本发明为了解决现有技术存在复杂背景下弱散射目标干扰的问题，提出了一种基于FCM聚类和OTSU分割的SAR图像海陆分割方法，对不同噪声水平自适应调整，一定程度上减少海杂波、舰船、岛屿等对SAR图像海陆分割的影响，为了实现上述目的，本发明采用了以下技术方案。
图像预处理：增强图像的细节信息，去除图像的相干斑噪声，保留图像的细节纹理信息。
进一步的，采用均衡化图像灰度直方图以提升SAR图像的亮度和对比度，采用基于NSCT的自适应去噪算法对图像去噪。
图像分割：采用保边缘控制因子计算各像素点的灰度值，提取图像的灰度特征，采用灰度共生矩阵计算各像素点的特征值，提取图像的纹理特征，采用FCM聚类算法，结合灰度特征和纹理特征分割图像，减少弱反射的背景地物等造成的虚警区域。
进一步的，设置保边缘控制因子，统计任意像素点的灰度值与其N×N相邻各像素点的灰度值的相似个数，若相似个数少于保边缘控制因子，则该像素点的灰度值取相似像素点的灰度值的平均值，否则取N×N相邻各像素点的灰度值的平均值。
进一步的，设置0°、45°、90°、135°四个方向和距离为d，构建每个像素点与其N×N相邻各像素点的灰度共生矩阵，计算每个像素点的相关度、同质性、熵、角二阶矩。
连通区域划分：采用全局OTSU阈值，提取连通区域，得到前景的连通区域和背景的连通区域，实现海陆的精细分割。
进一步的，设置前景像素值1、背景像素值0，二值分割图像。
进一步的，设置阈值，将面积小于阈值的前景区域变更为背景区域，以去除海面杂波和舰船的干扰，获得完整、连通的海陆分割结果。
进一步的，对图像实施形态学膨胀，将部分背景区域变更为前景区域，保留港口舰船的信息，填补海陆分割中存在的孔洞现象。
本发明的有益效果：针对传统的去噪方法在滤除SAR图像相干斑噪声的同时会损失大量细节纹理信息的不足，采用一种基于非下采样Contourlet变换NSCT的自适应去噪算法，对SAR图像去噪预处理，以在去除相干斑噪声的同时保护细节纹理信息；采用保边缘灰度特征提取方法和灰度共生矩阵提取SAR图像的灰度特征和纹理特征，利用FCM聚类算法分割SAR图像，结合OTSU分割结果分析连通区域，进一步保证了海陆分割的准确性；采用几何聚类、面积筛选、形态学操作等后处理方法，减少海杂波、舰船、岛屿等对SAR图像海陆分割的影响。
附图说明
图1是图像处理流程图，图2是图像预处理效果图，图3是FCM图像分割效果图，图4是图像连通处理效果图。
具体实施方式
以下结合附图对本发明的技术方案做具体的说明。
实验区域为一个港口，海岸边界比较复杂，地物类型多样，复杂的滨海场景可以充分验证海陆分割技术的可行性。
对港口的SAR图像处理流程如图1所示：
原始SAR图像往往包含相干斑噪声，对图像分割与目标提取产生影响，先对SAR图像预处理，即增强与降噪，通过图像直方图均衡化，在一定程度上提升SAR图像亮的度及对比度。
直方图均衡化包括：统计灰度级中每个像素在整幅图像中的个数，计算每个灰度级占图像中的概率分布，计算累计分布概率，计算均衡化之后的灰度值，映射至原像素坐标的像素值。
基于NSCT的自适应去噪算法，消除SAR图像的斑点噪声，较大限度的保留图像边缘信息，预处理效果如图2所示。
分别计算SAR图像的保边缘灰度特征和4个GLCM纹理特征，构成5维特征向量。
灰度特征提取包括：设置保边缘控制因子，统计任意像素点的灰度值与其N×N相邻各像素点的灰度值的相似个数，若相似个数少于保边缘控制因子，则该像素点的灰度值取相似像素点的灰度值的平均值，否则取N×N相邻各像素点的灰度值的平均值。
纹理特征提取包括：设置0°、45°、90°、135°四个方向和距离为d，构建每个像素点与其N×N相邻各像素点的灰度共生矩阵，计算每个像素点的相关度、同质性、熵、角二阶矩。
基于FCM聚类的图像分割，是一种基于目标函数的模糊聚类算法，确定分类数和迭代次数，作为结束的条件，初始化一个隶属度U，根据U计算聚类中心C，计算目标函数J，根据C返回去计算U，重新根据U计算聚类中心C，一直循环直到结束。
结合之前提取的保边缘灰度特征和4个纹理特征，运用FCM聚类算法对SAR图像进行分割，初步分割效果如图3所示。
分析连通区域，首先利用全局OTSU阈值对SAR图像进行二值分割，前景像素值为1，背景像素值为0，提取OTSU阈值分割结果的连通性区域，得到前景的连通区域和背景连通区域，其次对前景连通区域面积做阈值操作，对小于一定面积的前景区域置为背景区域，以去除海面杂波和舰船的影响，最后对海陆分割图像进行形态学膨胀操作，使得港口舰船都能被划分为前景区域。
在FCM聚类分割的基础上，结合OTSU分割结果，通过连通性区域分析获得最后的海陆分割结果，并通过面积阈值和形态学操作减少海杂波、舰船、岛屿的影响，使得海陆分割结果更加准确，效果如图4所示。
上述作为本发明的实施例，并不限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。
Claims (7)
1.一种基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，包括：
图像预处理：增强图像的细节信息，去除图像的相干斑噪声，保留图像的细节纹理信息；图像分割：采用保边缘控制因子计算各像素点的灰度值，提取图像的灰度特征，采用灰度共生矩阵计算各像素点的特征值，提取图像的纹理特征，采用FCM聚类算法，结合灰度特征和纹理特征分割图像，减少弱反射的背景地物等造成的虚警区域；
连通区域划分：采用全局OTSU阈值，提取连通区域，得到前景的连通区域和背景的连通区域，划分海陆区域。
2.根据权利要求1所述的基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，所述图像预处理，包括：采用均衡化图像灰度直方图以提升SAR图像的亮度和对比度，采用基于NSCT的自适应去噪算法对图像去噪。
3.根据权利要求1所述的基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，所述采用保边缘控制因子计算各像素点的灰度值，包括：设置保边缘控制因子，统计任意像素点的灰度值与其N×N相邻各像素点的灰度值的相似个数，若相似个数少于保边缘控制因子，则该像素点的灰度值取相似像素点的灰度值的平均值，否则取N×N相邻各像素点的灰度值的平均值。
4.根据权利要求1所述的基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，所述采用灰度共生矩阵计算各像素点的特征值，包括：设置0°、45°、90°、135°四个方向和距离为d，构建每个像素点与其N×N相邻各像素点的灰度共生矩阵，计算每个像素点的相关度、同质性、熵、角二阶矩。
5.根据权利要求1所述的基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，所述采用全局OTSU阈值，包括：设置前景像素值1、背景像素值0，二值分割图像。
6.根据权利要求5所述的基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，所述划分海陆区域，包括：设置阈值，将面积小于阈值的前景区域变更为背景区域，将海面的杂波和舰船视为海区。
7.根据权利要求5所述的基于FCM聚类和OTSU分割的SAR图像海陆分割方法，其特征在于，所述划分海陆区域，包括：对图像实施形态学膨胀，将部分背景区域变更为前景区域，将港口的舰船视为陆区。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2021104833226 | 2021-04-30 | ||
| CN202110483322 | 2021-04-30 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113420658A true CN113420658A (zh) | 2021-09-21 |
Family
ID=77716293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110696407.2A Pending CN113420658A (zh) | 2021-04-30 | 2021-06-23 | 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113420658A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114092486A (zh) * | 2021-10-11 | 2022-02-25 | 安庆师范大学 | 一种图像纹理背景自动分割方法及装置 |
| CN114742854A (zh) * | 2022-04-02 | 2022-07-12 | 西安电子科技大学 | 基于场景先验知识和区域合并的sar图像海陆分割方法 |
| CN115100509A (zh) * | 2022-07-15 | 2022-09-23 | 山东建筑大学 | 基于多分支块级注意力增强网络的图像识别方法及系统 |
| CN115147733A (zh) * | 2022-09-05 | 2022-10-04 | 山东东盛澜渔业有限公司 | 一种基于人工智能的海洋垃圾识别回收方法 |
| CN118155079A (zh) * | 2024-05-09 | 2024-06-07 | 中山大学 | 一种近岸船舶显著性检测方法、系统、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020978A (zh) * | 2012-12-14 | 2013-04-03 | 西安电子科技大学 | 结合多阈值分割与模糊聚类的sar图像变化检测方法 |
| CN103617618A (zh) * | 2013-12-03 | 2014-03-05 | 西安电子科技大学 | 基于特征提取与聚类集成的sar图像分割方法 |
| WO2017071160A1 (zh) * | 2015-10-28 | 2017-05-04 | 深圳大学 | 一种大幅面遥感图像海陆分割的方法及系统 |
| CN108961255A (zh) * | 2018-06-28 | 2018-12-07 | 西安电子科技大学 | 基于相位线性度和功率的海陆噪声场景分割方法 |
| CN109658416A (zh) * | 2018-12-27 | 2019-04-19 | 北京航空航天大学 | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 |
-
2021
- 2021-06-23 CN CN202110696407.2A patent/CN113420658A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020978A (zh) * | 2012-12-14 | 2013-04-03 | 西安电子科技大学 | 结合多阈值分割与模糊聚类的sar图像变化检测方法 |
| CN103617618A (zh) * | 2013-12-03 | 2014-03-05 | 西安电子科技大学 | 基于特征提取与聚类集成的sar图像分割方法 |
| WO2017071160A1 (zh) * | 2015-10-28 | 2017-05-04 | 深圳大学 | 一种大幅面遥感图像海陆分割的方法及系统 |
| CN108961255A (zh) * | 2018-06-28 | 2018-12-07 | 西安电子科技大学 | 基于相位线性度和功率的海陆噪声场景分割方法 |
| CN109658416A (zh) * | 2018-12-27 | 2019-04-19 | 北京航空航天大学 | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 任佳、张胜男、董超、赵敏钧: "基于改进模糊C均值的海面目标图像分割算法", 计算机工程与科学, pages 858 - 863 * |
| 邓晓晖: "一种基于NSCT和FCM聚类的SAR图像分割算法", 《中国优秀硕士学位论文全文数据库》, pages 27 - 29 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114092486A (zh) * | 2021-10-11 | 2022-02-25 | 安庆师范大学 | 一种图像纹理背景自动分割方法及装置 |
| CN114742854A (zh) * | 2022-04-02 | 2022-07-12 | 西安电子科技大学 | 基于场景先验知识和区域合并的sar图像海陆分割方法 |
| CN115100509A (zh) * | 2022-07-15 | 2022-09-23 | 山东建筑大学 | 基于多分支块级注意力增强网络的图像识别方法及系统 |
| CN115100509B (zh) * | 2022-07-15 | 2022-11-29 | 山东建筑大学 | 基于多分支块级注意力增强网络的图像识别方法及系统 |
| CN115147733A (zh) * | 2022-09-05 | 2022-10-04 | 山东东盛澜渔业有限公司 | 一种基于人工智能的海洋垃圾识别回收方法 |
| CN115147733B (zh) * | 2022-09-05 | 2022-11-25 | 山东东盛澜渔业有限公司 | 一种基于人工智能的海洋垃圾识别回收方法 |
| CN118155079A (zh) * | 2024-05-09 | 2024-06-07 | 中山大学 | 一种近岸船舶显著性检测方法、系统、设备及介质 |
| CN118155079B (zh) * | 2024-05-09 | 2024-08-06 | 中山大学 | 一种近岸船舶显著性检测方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113420658A (zh) | 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 | |
| CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
| CN107330875B (zh) | 基于遥感图像正反向异质性的水体周边环境变化检测方法 | |
| CN101604383A (zh) | 一种基于红外图像的海上目标检测方法 | |
| CN107564017B (zh) | 一种城市高分遥感影像阴影检测及分割方法 | |
| CN111681197A (zh) | 一种基于Siamese网络结构的遥感图像无监督变化检测方法 | |
| CN108846844B (zh) | 一种基于海天线的海面目标检测方法 | |
| CN111046772A (zh) | 多时相卫星遥感岛礁岸线及开发利用信息提取方法 | |
| CN103971370A (zh) | 一种针对遥感大图像的海洋溢油智能检测方法 | |
| CN108717539A (zh) | 一种小尺寸舰船检测方法 | |
| CN109559321A (zh) | 一种声呐图像分割方法和设备 | |
| CN110298855B (zh) | 一种基于高斯混合模型和纹理分析的海天线检测方法 | |
| CN117253150A (zh) | 一种基于高分辨率遥感图像的船舶轮廓提取方法及系统 | |
| CN108765440B (zh) | 一种单极化sar图像的线引导超像素海岸线提取方法 | |
| CN114373135A (zh) | 基于局部显著性特征度量的舰船目标检测方法 | |
| CN112288780B (zh) | 多特征动态加权的目标跟踪算法 | |
| CN111767856B (zh) | 基于灰度值统计分布模型的红外小目标检测算法 | |
| CN114140484A (zh) | 一种基于光电传感器的高鲁棒性海天线提取方法 | |
| CN111080647B (zh) | 基于自适应滑动窗口滤波和fcm的sar图像分割方法 | |
| CN116128916B (zh) | 一种基于空间能流对比度的红外弱小目标增强方法 | |
| CN117115193A (zh) | 基于行抑制的红外舰船定位方法 | |
| CN114283322A (zh) | 一种sar图像舰船检测方法 | |
| CN114219996A (zh) | 一种sar图像停泊舰船目标检测方法 | |
| CN110264474B (zh) | 一种sar遥感图像的水陆分割方法 | |
| CN113406625A (zh) | 一种sar图像超像素滑窗cfar检测方法 |
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 |