分割圖像的方法及裝置的制造方法
【專利摘要】本發(fā)明公開了一種圖像分割的方法及裝置。該方法包括：初始化水平集函數(shù)，根據(jù)水平集函數(shù)值的正負(fù)，將輸入的待分割SAR圖像分割為兩個區(qū)域Ω1和Ω2，使用固定大小的局部窗口利用對數(shù)累積量方法對圖像每個像素點估計其廣義Gamma分布的局部參數(shù)；利用廣義Gamma分布的累積分布函數(shù)設(shè)計能量函數(shù)；使用Kolmogorov?Smirnov檢驗計算兩個區(qū)域內(nèi)所有像素點對應(yīng)經(jīng)驗累積分布函數(shù)的K?S距離，根據(jù)K?S距離對應(yīng)的z來確定zm值；根據(jù)估計得到的廣義Gamma分布的局部參數(shù)和zm值來計算能量函數(shù)；通過使代價函數(shù)最小化得到水平集函數(shù)，對水平集函數(shù)離散化得到水平集演化方程，且在演化過程中，根據(jù)K?S距離重新確定zm并計算能量函數(shù)ε。最終實現(xiàn)快速、準(zhǔn)確和有效的SAR圖像分割。
【專利說明】
分割圖像的方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及圖像處理領(lǐng)域，具體地，設(shè)及一種分割圖像的方法及裝置。
【背景技術(shù)】
[0002] 合成孔徑雷達（英文：Synthetic Aperture Radar;縮寫：SAR)是一種主動成像系 統(tǒng)，具有不受光照、天氣條件影響，可W全天候、全天時對地觀測，及透過地表和植被獲取信 息等優(yōu)點，使得SAR圖像在農(nóng)業(yè)、林業(yè)、地質(zhì)、環(huán)境、水文、海洋、災(zāi)害、測繪與軍事領(lǐng)域得到了 廣泛地應(yīng)用，尤其是在傳統(tǒng)光學(xué)傳感器成像困難的領(lǐng)域發(fā)揮了不可替代的作用。
[0003] SAR圖像分割作為SAR圖像處理與解譯的基礎(chǔ)和關(guān)鍵技術(shù)之一，其目的是按照一定 準(zhǔn)則把SAR圖像劃分成若干個滿足同質(zhì)性、惟一性且互不交疊的區(qū)域，用分割區(qū)域表征圖像 感興趣的地方，實現(xiàn)圖像描述方式的轉(zhuǎn)換，為圖像后續(xù)處理和解譯提供重要的依據(jù)。然而， 相干成像的特性使SAR圖像不可避免地受到相干斑噪聲的影響，從而導(dǎo)致SAR圖像分割更為 復(fù)雜和困難。
[0004] 至今為止，研究人員已經(jīng)提出了多種不同的SAR圖像分割方法，其中基于表面演化 的主動輪廓方法是一種十分簡單且高效的方法。對于主動輪廓模型，最早由Kass提出了參 數(shù)主動輪廓方法，盡管結(jié)合似然比邊緣檢測已成功用于SAR圖像分割，但是其不能處理輪廓 演化過程中的拓?fù)浣Y(jié)構(gòu)變化且算法穩(wěn)定性不足。相較而言，水平集方法可W適應(yīng)拓?fù)浣Y(jié)構(gòu) 的變化而且算法穩(wěn)定性較高，特別是幾何主動輪廓方法逐漸成為該領(lǐng)域的研究熱點。幾何 主動輪廓方法大致可分為基于邊緣和基于區(qū)域的兩種方法，前者主要利用圖像梯度來終止 目標(biāo)邊界上的輪廓演化，而后者則利用了不同區(qū)域內(nèi)的統(tǒng)計情況來引導(dǎo)輪廓運動的方向。 與基于邊緣的幾何主動輪廓方法相比，基于區(qū)域的主動輪廓方法在圖像存在噪聲和目標(biāo)邊 緣輪廓不明顯的情況下具有更好的分割能力，且對初始輪廓位置具有較好的魯棒性。
[0005] 然而，運些傳統(tǒng)的水平集方法都是在W假設(shè)噪聲為加性噪聲為前提的情況下所提 出的，并不適用于SAR圖像分割處理。為了消除相干斑噪聲的影響，研究人員開始對基于統(tǒng) 計模型的水平集方法進行研究，用W實現(xiàn)SAR圖像的分割。
[0006] 對于基于統(tǒng)計模型的SAR圖像水平集分割方法，選取適當(dāng)?shù)慕y(tǒng)計模型具有十分重 要的意義，統(tǒng)計模型對SAR圖像的擬合性能直接決定了 SAR圖像水平集分割方法的性能?，F(xiàn) 有方法中選取的統(tǒng)計模型有如Ayed I B[Ayed I B,Mitiche A,Belhadj Z.Multiregion Level-Set Partitioning of Synthetic Aperture Radar Images[J].Pattern Analysis and Machine Intelligence,I趾E IYansactions on,2005,27(5) :793-800.]所采用的 Gamma分布。雖然Gamma分布能較好地描述中低分辨率情況下的SAR圖像分布均勻區(qū)域的統(tǒng) 計特性，但是隨著分辨率的提高，SAR圖像相干斑發(fā)育不充分，均勻度降低，使得Gamma分布 不能夠很好地描述其統(tǒng)計特性。因此，現(xiàn)有基于Gamma分布的分割方法不適用于高分辨率的 SAR圖像分割處理。
[0007] Marques R C P[Marques R C P,Medeiros F N,Nobre J S. SAR Image Segmentation Based on Level Set Approach and:蹲Model[J].Pattern Analysis and Machine Intelligence, I邸E IYansactions on,2012,:34(10) :2046-2057.]采用的G日分布 雖然能夠描述高分辨率情況下SAR圖像的分布均勻和分布不均勻區(qū)域的統(tǒng)計特性，但是它 只能用于描述幅度SAR圖像，具有一定的局限性。
[000引此外，Ayed I B使用對數(shù)似然函數(shù)來構(gòu)造能量函數(shù)，而Ma巧Ues R C P直接利用統(tǒng) 計模型的累計分布函數(shù)來設(shè)計能量函數(shù)，但其根據(jù)總能量變化來計算區(qū)域邊界的能量波 動。定義SAR圖像中區(qū)域邊界的能量波動達到最大時對應(yīng)的像素值為Zm(Zm的取值范圍為SAR 圖像的最小像素值與最大像素值之間），根據(jù)捜尋到的Zm通過能量函數(shù)計算各個區(qū)域的能 量值，利用計算出的能量值進行水平集演化，最終得到分割結(jié)果。運種方法得到的Zm并不是 最優(yōu)的，從而影響水平集分割結(jié)果。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的是提供一種分割圖像的方法及裝置，該方法用于實現(xiàn)快速、準(zhǔn)確和 有效的SAR圖像分割。該方法采用了廣義Gamma分布來描述SAR圖像的統(tǒng)計特性，該統(tǒng)計模型 具有簡潔的表示形式，且為一個函數(shù)簇，瑞利分布、指數(shù)分布、化kagami分布、Gamma分布和 韋伯分布等都是其在不同參數(shù)下的特例。本發(fā)明通過對數(shù)累積量方法估計得到SAR圖像中 的每個像素點的廣義Gamma分布的幕參數(shù)V、尺度參數(shù)O和形狀參數(shù)K，其中V聲〇,〇>〇, K>〇。 然后利用KolmogoroV-SmirnoV檢驗化-S檢驗)確定Zm，結(jié)合每個像素點的V、O和KW及確定 的Zm來計算能量函數(shù)e。利用上述能量函數(shù)e計算參數(shù)閉合曲線的代價函數(shù)，通過使代價函 數(shù)取得最小，得到水平集函數(shù)。最后，對水平集函數(shù)離散化得到水平集演化方程，進而進行 有限次數(shù)的水平集函數(shù)的演化。在演化過程中，利用K-S檢驗重新計算Zm,從而重新計算能 量函數(shù)e，使兩個區(qū)域的能量函數(shù)具有最佳判決(或區(qū)分)能力。經(jīng)過水平集函數(shù)的迭代演化 最終實現(xiàn)快速、準(zhǔn)確和有效的SAR圖像分割。
[0010] 為了實現(xiàn)上述目的，本發(fā)明第一方面提供一種分割圖像的方法，所述方法包括：
[0011] 通過K-S檢驗確定待分割圖像的Zm,所述Zm是通過K-S檢驗獲得的所述待分割圖像 中的第一類區(qū)域內(nèi)的像素點和第二類區(qū)域內(nèi)的像素點對應(yīng)的經(jīng)驗累積分布函數(shù)的K-S距 離，進而通過K-S距離對應(yīng)的Z來確定的，所述第一類區(qū)域與所述第二類區(qū)域W初始分割曲 線為界線；
[0012] 根據(jù)所述Zm,確定所述第一類區(qū)域的能量函數(shù)為第一函數(shù)，并確定所述第二類區(qū) 域的能量函數(shù)為第二函數(shù)；
[0013] 根據(jù)所述第一函數(shù)和所述第二函數(shù)，通過水平集演化確定所述第一類區(qū)域與所述 第二類區(qū)域W最終分割曲線為界線，所述最終分割曲線與所述初始分割曲線不同。
[0014] 可選地，在所述通過K-S檢驗確定待分割圖像的Zm之前，所述方法還包括：
[0015] 將所述待分割圖像中所有像素點按圖像坐標(biāo)X對應(yīng)到初始水平集函數(shù)護X的函數(shù) 值，所述初始水平集函數(shù)護X為：
[0016]
[0017]其中，說)/化為所述初始分割曲線，Q 1和Q 2分別為W所述初始分割曲線為界線的 所述第一類區(qū)域和所述第二類區(qū)域。
[001 8]可選地，根據(jù)所述Zm，確定所述待分割圖像的能量函數(shù)，包括：
[0019] 確定廣義Gamma分布的累積分布函數(shù)為所述待分割圖像的能量函數(shù)，其中，所述廣 義Gamma分布的累積分布函數(shù)為：
[0020]
[002。 ma函數(shù)，式中X為一個隨機變量， 「?為Gamma函數(shù)，v、o和K分別為所述待分割圖像中每個像素點的廣義Gamma分布的幕參 數(shù)、尺度參數(shù)和形狀參數(shù)。
[0022] 可選地，所述廣義Gamma分布的累積分布函數(shù)是根據(jù)廣義Gamma分布的概率密度函 數(shù)得到的，所述廣義Gamma分布的概率密度函數(shù)用于描述所述待分割圖像的統(tǒng)計特性，所述 廣義Gamma分布的概率密度函數(shù)為：
[0023]
[0024] 其中，Z表示待分割圖像的像素點的像素值，取值范圍為[0,2S-1]，S為圖像量化級 另Ij，且「?為Gamma函數(shù)。
[00巧]可選地，所述方法還包括：
[0026] 按照W下步驟確定所述待分割圖像中的每個像素點的廣義Gamma分布的幕參數(shù)V、 尺度參數(shù)O和形狀參數(shù)的K估計量、S和《：
[0027] 步驟一:根據(jù)指定像素點所在局部窗口內(nèi)的所有像素的像素值，確定所述指定像 素點的前=階對數(shù)累積量、^2和％，所述指定像素點位于所述待分割圖像上的預(yù)定大小 的局部窗口中屯、：
[002引
[0029] 其中，Z為所述待分割圖像上的局部窗口內(nèi)的像素點的像素值，N為所述待分割圖 像上的局部窗口內(nèi)的像素點的總數(shù)；
[0030] 步驟二:根據(jù)6;和續(xù)的大小關(guān)系，確定所述房：
[0031] 若比貓 < .句/巧< O.3巧根據(jù)f K的單調(diào)性，通過二分法求解f /璋=騎1:K /辭SK ,確 定所述沒，:其中，巫〇1，k>1/k+1/k1/2k2，巫
[0032] 若巧/片 > 化?>巧，未Il巧閉合古準(zhǔn)曲I瑜巧所沐：
[0033]
[0034]
[0035]
[00；3 引
[0036] 若切/巧 <化2日，對所述局部窗口的大小進行擴展，直至滿足巧;/巧' > O.25后，按照所述步驟二確定所述揉;[0037] 步驟S:按照W下公式確定所述#、& ;
[0039] ^ 化Iygamma函數(shù)。
[0040] 可選地，所述根據(jù)所述待分割圖像的能量函數(shù)，通過水平集演化確定所述第一類 區(qū)域與所述第二類區(qū)域W最終分割曲線為界線，包括：
[0041 ]確定所述第一類區(qū)域與所述第二類區(qū)域在所述水平集演化每完成M次時的界線；
[0042] 根據(jù)確定出的界線，通過K-S檢驗重新確定所述待分割圖像的Zm;
[0043] 根據(jù)重新確定出的Zm,重新計算所述待分割圖像的能量函數(shù)；
[0044] 根據(jù)重新確定出的所述待分割圖像的能量函數(shù)，通過水平集演化確定所述第一類 區(qū)域與所述第二類區(qū)域W所述最終分割曲線為界線。
[0045] 本發(fā)明第二方面提供一種分割圖像的裝置，所述裝置包括：
[0046] 第一確定模塊，用于通過K-S檢驗確定待分割圖像的Zm,所述Zm是通過K-S檢驗獲得 的所述待分割圖像中的第一類區(qū)域內(nèi)的像素點和第二類區(qū)域內(nèi)的像素點對應(yīng)的經(jīng)驗累積 分布函數(shù)的K-S距離，進而通過K-S距離對應(yīng)的Z來確定的，所述第一類區(qū)域與所述第二類區(qū) 域W初始分割曲線為界線；
[0047] 第二確定模塊，用于根據(jù)所述Zm,確定所述第一類區(qū)域的能量函數(shù)為第一函數(shù)，并 確定所述第二類區(qū)域的能量函數(shù)為第二函數(shù)；
[004引第=確定模塊，根據(jù)所述第一函數(shù)和所述第二函數(shù)，通過水平集演化確定所述第 一類區(qū)域與所述第二類區(qū)域W最終分割曲線為界線，所述最終分割曲線與所述初始分割曲 線不同。
[0049] 可選地，所述裝置還包括：
[0050] 對應(yīng)模塊，用于在所述通過K-S檢驗確定待分割圖像的Zm之前，將所述待分割圖像 中所有像素點按圖像坐標(biāo)X對應(yīng)到初始水平集函數(shù)護X的函數(shù)值，所述初始水平集函數(shù)護X 為：
[0化1 ]
[005^ 其中，OQ/0X為所述初始分割曲線，Q 1和Q 2分別為W所述初始分割曲線為界線的 所述第一類區(qū)域和所述第二類區(qū)域。
[0053] 可選地，所述第二確定模塊用于：
[0054] 確定廣義Gamma分布的累積分布函數(shù)為所述待分割圖像的能量函數(shù)，其中，所述廣 義Gamma分布的累積分布函數(shù)為：
[0化5]
[0056] ma函數(shù)，式中X為一個隨機變量，
r ?為Gamma函數(shù)，u、〇和K分別為所述待分割圖像中每個像素點的廣義Gamma分布的幕參 數(shù)、尺度參數(shù)和形狀參數(shù)。
[0化7] 可選地，所述裝置還包括：
[005引參數(shù)確定模塊，用于按照W下步驟確定所述待分割圖像中的每個像素點的廣義 Gamma分布的幕參數(shù)V、尺度參數(shù)O和形狀參數(shù)K的估計量礦、.S和《；
[0059] 步驟一:根據(jù)指定像素點所在局部窗口內(nèi)的所有像素的像素值，確定所述指定像 素點的前=階對數(shù)累積量n、^和戶3，所述指定像素點位于所述待分割圖像上的預(yù)定大小 的局部窗口中屯、：
[0060]
[0061] 其中，Z為所述待分割圖像上的局部窗口內(nèi)的像素點的像素值，N為所述待分割圖 像上的局部窗口內(nèi)的像素點的總數(shù)；
[0062] 步驟二:根據(jù)詩和詩的大小關(guān)系，確定所述為:
[00創(chuàng)若0迎空哼/璋<0.疏，根據(jù)滬6的單調(diào)性，通過二分法求解K :。皆/璋-卻1:,:k/*Uk , 確定所述《，其中，巫01，k>1/k+1/化2,巫02，k>-1/k2-1/k3;
[0064] 若巧/巧> O.3巧，利用閉合式準(zhǔn)則確定所述A :
[00 化]
[0066] , 異二或
[0067] 若巧/巧 < 化巧，對所述局部窗口的大小進行擴展，直至滿足巧/巧S化巧后，按 照所述步驟二確定所述店；
[0068] 步驟按照W下公式確定所述度、度;
[0069]
[0070] 其中，巫0 t = d log r t/dt為Digamma函數(shù)，巫0 n,t = (T+i log r t/dtn+i為 化Iygamma函數(shù)。
[0071 ]本發(fā)明與現(xiàn)有的技術(shù)相比具有W下優(yōu)點：
[0072] 1、本發(fā)明所采用的廣義Gamma分布模型具有擬合能力強和靈活性高的特點，能夠 有效的描述SAR圖像數(shù)據(jù)，能同時應(yīng)用于強度圖像和幅度圖像，并且直接利用模型描述構(gòu)造 能量泛函，不需要對SAR圖像進行預(yù)處理，提高了精確性；
[0073] 2、本發(fā)明采用對數(shù)累積量方法，聯(lián)合二分法和閉合式準(zhǔn)則兩種方法在不同條件下 完成SAR圖像中的每個像素點的廣義Gamma分布的幕參數(shù)V、尺度參數(shù)O和形狀參數(shù)K的估計， 在保證參數(shù)準(zhǔn)確估計的同時也提高了運算效率；
[0074] 3、本發(fā)明使用K-S檢驗，W確定使不同區(qū)域內(nèi)圖像像素的經(jīng)驗累積分布函數(shù)的差 異達到最大時所對應(yīng)的像素值Zm,使得兩個區(qū)域的能量函數(shù)具有最佳判決(或區(qū)分)能力。 與通過選取當(dāng)區(qū)域邊界的能量波動最大時確定的對應(yīng)的像素值Zm運種方法相比較，本發(fā)明 中的方法可W直接根據(jù)不同區(qū)域內(nèi)的所有像素值來確定Zm,結(jié)果更為準(zhǔn)確；
[0075] 經(jīng)過與現(xiàn)有分割方法的仿真比較，證明了本發(fā)明能夠完成更加精細(xì)準(zhǔn)確的分割， 且更具靈活性。
[0076] 本發(fā)明的其他特征和優(yōu)點將在隨后的【具體實施方式】部分予W詳細(xì)說明。
【附圖說明】
[0077] 附圖是用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與下面的具 體實施方式一起用于解釋本發(fā)明，但并不構(gòu)成對本發(fā)明的限制。在附圖中：
[0078] 圖1是本發(fā)明的流程圖；
[0079] 圖2是作為本發(fā)明具體實施例的真實SAR圖像；
[0080] 圖3和圖4分別是作為本發(fā)明具體實施例的合成SAR圖像；
[0081] 圖5和圖6分別是本發(fā)明與現(xiàn)有基于護分布的方法、現(xiàn)有基于Gamma分布的方法對 圖2曰、圖化的分割效果對比圖；
[0082] 圖7和圖8分別是本發(fā)明與現(xiàn)有基于護分布的方法、現(xiàn)有基于Gamma分布的方法對 圖3、圖4的分割效果對比圖；
[0083] 圖9是不同參數(shù)下合成SAR圖像分割效果評價指標(biāo)的示意圖； 圖10為本發(fā)明提供的一種分割圖像的裝置的示意圖。
【具體實施方式】
[0084] W下結(jié)合附圖對本發(fā)明的【具體實施方式】進行詳細(xì)說明。應(yīng)當(dāng)理解的是，此處所描 述的【具體實施方式】僅用于說明和解釋本發(fā)明，并不用于限制本發(fā)明。
[0085] 參照附圖1，本發(fā)明的實現(xiàn)步驟如下：
[0086] 步驟一，根據(jù)初始水平集函數(shù)護X數(shù)值符號的正負(fù)，將輸入的待分割SAR圖像的 整幅圖像區(qū)域Q分割成兩個區(qū)域Q1和Q 2;
[0087] 該步驟的具體實現(xiàn)過程為:初始化一個與待分割圖像同樣大小的矩陣，在矩陣內(nèi) 部選擇一定大小的區(qū)域，將所選區(qū)域部分的值設(shè)置為-1，矩陣剩余區(qū)域部分的值設(shè)置為1， 根據(jù)初始的水平集函數(shù)護X的正負(fù)，將SAR圖像分割成兩個區(qū)域Q1和Q2。
[0088] 其中，初始水平集函數(shù)護X表示為：
[0089]
[0090] 其中，X為所述待分割圖像中的任一像素點的圖像坐標(biāo)，且SAR圖像的每一個像素 點在矩陣中按坐標(biāo)X對應(yīng)都有一個相應(yīng)值(對應(yīng)值為-I或I)。Q I和Q 2分別為分割得到的兩 個區(qū)域，說)/游為區(qū)域邊界。
[0091] 步驟二，采用廣義Gamma分布來描述SAR圖像的統(tǒng)計特性，利用對數(shù)累積量方法計 算SAR圖像中的每個像素點的廣義Gamma分布的幕參數(shù)V、尺度參數(shù)O和形狀參數(shù)K的估計量， 具體實現(xiàn)步驟如下：
[0092] 2a)廣義Gamma分布的概率密度函數(shù)表示為：
[0093]
[0094] 其中，Z在式中為R+內(nèi)的一個隨機變量。當(dāng)具體采用上述概率密度函數(shù)來描述SAR 圖像時，Z表示SAR圖像的像素值，取值范圍為[0,2S-1]，S為圖像量化級別，且r .為Gamma 函數(shù)。
[00M] 2b)考慮具體處理的SAR圖像，選擇一個適當(dāng)?shù)墓潭ù笮。ㄈ?X3、5X5等，單位為 像素)的局部窗口對指定像素點提取得到窗口內(nèi)SAR圖像的像素值，計算像素值的前S階對 數(shù)累積量6、
[0096]
[0097] 其中，Z為當(dāng)前局部窗口內(nèi)SAR圖像的像素值，N為當(dāng)前局部窗口內(nèi)SAR圖像的像素 點的個數(shù)；
[0098] 2c)根據(jù)*-23和^的大小關(guān)系，分成如下S種情況計算參數(shù)K的估計量房：
[0099] 若〇批; '、O.3巧,根據(jù)K的單調(diào)性，通過二分法求解.r K二辦=和,U /嗎2,,、'得 到估計量淀，其中，巫0 1，K>1/k+1/化2,巫〇2，k>-1/k2-1/k3;
t ,
[0101] 若?<(口。，將當(dāng)前局部窗口的邊長按2個像素單位逐步增加(如初始窗口為 3 X 3，擴展后為5 X 5，若再不滿足繼續(xù)擴展為7 X 7，單位均為像素，W此類推），按步驟化)重 新計算fl、氣和弓，直至滿足嗎/巧含〇.朗，按照步驟扣)計算參數(shù)K的估計量在；
[0102] 2d)根據(jù)下式來計算參數(shù)￥和〇的估計量tK片：
[0103]
[0104] 其中，巫0 t = d Io 邑廠 t/dt 為 Digamma 函數(shù)，巫 0 n,t = d"i Io 邑廠 t/dt。"為 化Iygamma函數(shù)。
[01 05]步驟=，定義能量函數(shù)為廣義Gamma分布的累計分布函數(shù)：
[0106] 3a)對于SAR圖像中同一區(qū)域Qi的兩個不同像素點P和Q，運兩個像素點的累積分 布函數(shù) P(Z《Zm)=F V,〇,K;Zm 之間的關(guān)系為 F Vp,〇P,Kp;Zm>F VQ,〇Q,KQ;Zm，其中 P(Z《Zm)中 的Z表示SAR圖像的像素值，而Zm為Z取值范圍內(nèi)的某一個值。若像素點P和Q屬于不同的區(qū) 域，則它們描述了不同區(qū)域的特性?；诶鄯e分布函數(shù)的單一性，可W用不同的累積分布函 數(shù)表述不同的區(qū)域。因此，定義能量函數(shù)如下：
[0107] e(v,〇,K;Zm)=F(v,〇,K;Zm);
[0108] 3b)廣義Gamma分布的累積分布函數(shù)表達式如下：
[0109]
[0110] 其中，Zm為采用廣義Gamma分布描述的SAR圖像像素值取值范圍內(nèi)的某一個值，運 一個值是SAR圖像的不同區(qū)域的區(qū)分度達到最大時對應(yīng)的像素值。巧
為 不完全Gamma函數(shù)，式中X為一個隨機變量，「?為Gamma函數(shù)。
[0111 ] 步驟四，對兩個區(qū)域Q 1和Q 2內(nèi)所有像素值，矛Il用Kolmogorov-Smirnov檢驗計算兩 個區(qū)域所有像素點對應(yīng)經(jīng)驗累積分布函數(shù)的K-S距離D，根據(jù)K-S距離D對應(yīng)的Z來確定Zm的 值。
[0112] 步驟五，根據(jù)步驟S所述的能量函數(shù)ev，〇，K;Zm，結(jié)合步驟二得到的廣義Gamma分 布的局部參數(shù)V、0和K，W及步驟四得到的Zm值，計算兩個區(qū)域Ql和Q 2的能量函數(shù)和 氣。
[0113] 步驟六，結(jié)合步驟五所述的不同區(qū)域?qū)?yīng)的能量函數(shù)％,和當(dāng)前時刻的水平集函 數(shù)4，W及分割得到的兩個區(qū)域Q 1和Q 2進行水平集輝化.且化爐討討賴々n下：
[0114] 6a)計算線性代價函數(shù)fc= I化寸2|，其中的
為區(qū)域Qi的平均 能量值
樂別為區(qū)域Qi的總能量和面積，而式中的Z是積分中的一個隨機變 量，具體設(shè)及SAR圖像時，表示SAR圖像中區(qū)域Q i包含坐標(biāo)位置所對應(yīng)的像素點；
[0115] 6b)采用水平集模型而/流二一雖./試;^，使得參數(shù)閉合曲線則勺代價函數(shù)最小化， 得到水平集演化模型d式/航：
[0116]
[0117] g合曲線#正交的單位矢量；
[011引 也函數(shù)恥，其中的5e4= G A ? E2+護為近似狄 拉克S函數(shù)，4表示SAR圖像像素所對應(yīng)的水平集函數(shù)，而G為一個在r內(nèi)的正則化常數(shù)，取 值為1;
[0119] 6d)設(shè)定演化過程的迭代步長At,根據(jù)當(dāng)前(演化)時刻水平集函數(shù)護和能量函數(shù) ek，通過離散化得到的演化方程批+1=護+A t .恥，計算下一(演化)時刻水平集函數(shù)批+1;
[0120] 6e)利用高斯濾波器對步驟6d)求得的下一(演化)時刻水平集函數(shù)護+1進行正則化 處理；
[0121] 6f)在上述步驟的演化過程中，當(dāng)水平集演化方程每演化M次時(演化M次指V^i = 護+At ?恥迭代計算M次，即水平集函數(shù)演化M次），根據(jù)當(dāng)前(演化)時刻水平集函數(shù)分割的 兩個區(qū)域，按步驟四重新計算Zm,按步驟五計算能量函數(shù)S心來替代ek。
[0122] 步驟屯，判斷是否收斂。
[0123] 本步驟的主要目的是開始進行水平集演化后，計算當(dāng)前時刻化)和上一時刻化-1) 的前L次演化線性代價函數(shù)的均值的差^
ft為某一時刻下前L次演化的 線性代價函數(shù)的均值，L為一個有限大的整數(shù)(例如5、10或50)，此處的當(dāng)前時刻化)和上一 時刻化-1)表示水平集某兩個相鄰的演化(如k表示第100次演化，而k-1表示第99次演化）。 根據(jù)Al來判斷當(dāng)前演化是否已達到迭代終止條件，如果當(dāng)前演化未達來判到迭代終止條 件，則轉(zhuǎn)到步驟五，用鳴和確替代哨-1和邱-1繼續(xù)迭代;如果當(dāng)前演化達到迭代終止條件， 則停止迭代，得到的兩個區(qū)域Qf和即為最終的分割結(jié)果。運里的迭代終止條件包括達到 最大迭代次數(shù)(如最大迭代次數(shù)為1000次，根據(jù)具體處理的SAR圖像設(shè)置實際的最大迭代次 數(shù)）和滿田下古
[0124]
[01巧]其中，J為某一（演化)時刻前L次演化過程中的線性代價函數(shù)均值，A C為收斂闊 值。
[0126] 本發(fā)明的效果可W通過下面的仿真進一步說明：
[0127] 1.仿真平臺
[012引 硬件平臺為：Intel(R)Core(TM)i7-4700MQ CPU@2.40GHz，8.0 GB RAM。
[0129] 軟件平臺為:Mathworks Matlab R2014b(8.4.0.150421)。
[0130] 2.仿真內(nèi)容與結(jié)果分析
[0131] 仿真中具體實施例的圖像如圖2、圖3和圖4所示，用于本發(fā)明的測試。其中，圖2為 兩幅真實SAR圖像；圖3和圖4為不同參數(shù)下的合成SAR圖像，并且圖3a和圖4a為幅度圖像，圖 3b和圖4b為強度圖像。本仿真中的合成圖像數(shù)據(jù)均由K分布(本領(lǐng)域常用概率分布模型)產(chǎn) 生。
[0132] 應(yīng)用本發(fā)明和現(xiàn)有的基于護分布和Gamma分布的分割方法分別對圖2、圖3和圖4進 行分割實驗，其分割結(jié)果如圖5、圖6、圖7和圖8所示，其中：圖5曰、圖化和圖5c分別為本發(fā)明、 基于GD分布和Gamma分布的分割方法對圖2a的分割結(jié)果；圖6a、圖化和圖6C分別為本發(fā)明、 基于滬分布和Gamma分布的分割方法對圖化的分割結(jié)果；圖7a和圖7b分別為本發(fā)明和基于滬 分布的分割方法對圖3a的分割結(jié)果，圖7c和圖7d分別為本發(fā)明和基于Gamma分布的分割方 法對圖3b的分割結(jié)果；圖8a和圖8b分別為本發(fā)明和基于護分布的分割方法對圖4a的分割結(jié) 果，圖8c和圖8d分別為本發(fā)明和基于Gamma分布的分割方法對圖4b的分割結(jié)果。
[0133]由圖加、圖5c、圖化和圖6c可W看出，現(xiàn)有的基于gD分布和Gamma分布的分割方法 檢測出的邊緣準(zhǔn)確率不高。由圖化可W看出，現(xiàn)有的基于護分布的分割方法檢測出了較多 的虛假邊緣，而由圖化可知該方法檢測不出一些邊緣信息。由圖5c可W看出，現(xiàn)有的基于 Gamma分布的分割方法檢測出的邊緣不夠準(zhǔn)確，存在一些無用的邊緣，而由圖6c同樣可W看 出該方法檢測不出一些邊緣信息。相對于圖加、圖5c、圖6b和圖6c，由于本發(fā)明采用的廣義 Gamma分布具有更強的擬合能力，從圖5a和圖6a可W看出，本發(fā)明得到的分割結(jié)果更為準(zhǔn) 確，且分割曲線較為平滑。
[0134] 由圖7和圖8也可W看出，對于根據(jù)K分布產(chǎn)生的單視和多視合成SAR圖像，本發(fā)明 具有更高的靈活性，對幅度圖像和強度圖像都能得到較好的分割結(jié)果。從圖7a與圖7b、圖7c 與圖7d、圖8a與圖8bW及圖8c與圖8d的對比可W看到，現(xiàn)有基于滬分布和Gamma分布的分割 方法得到的分割結(jié)果準(zhǔn)確率不足。
[0135] 對于根據(jù)K分布產(chǎn)生的合成SAR圖像，仿真中在不同等效視數(shù)和不同K分布形狀參 數(shù)和尺度參數(shù)下進行了多組實驗。其中，等效視數(shù)是多視SAR圖像的一個屬性參數(shù)，用來衡 量一幅圖像斑點噪聲相對強度的一種指標(biāo)。本仿真中WKappa系數(shù)作為評價指標(biāo)，Kappa系 數(shù)是一個衡量評估者間一致性的常用統(tǒng)計方法，取值范圍為[-1，1 ]。該系數(shù)越高表示相應(yīng) 的分割結(jié)果越準(zhǔn)確，反之亦然。表1給出了不同參數(shù)下合成SAR圖像分割效果評價指標(biāo)。表中 "背景/目標(biāo)"表示不同區(qū)域相應(yīng)的K分布形狀參數(shù)和尺度參數(shù)，其中橫向為尺度參數(shù)，縱向 為形狀參數(shù);采用方法中"GO"和％amma"分別表示現(xiàn)有基于6<^分布和6曰111111曰分布的分割方 法，而"GGD-A"和"GGD-r分別表示本發(fā)明方法用于幅度圖像和強度圖像分割的情況。
[0136] 通過表1的分割效果評價指標(biāo)可W看出，對于不同等效視數(shù)、形狀和尺度參數(shù)下的 合成SAR圖像，本發(fā)明用于幅度圖像和強度圖像的分割都能得到較好且穩(wěn)定的結(jié)果。從表中 結(jié)果可W看出，現(xiàn)有基于滬分布和Gamma分布的分割方法對不同參數(shù)下合成SAR圖像的分割 準(zhǔn)確率不穩(wěn)定，且均不如本發(fā)明的分割效果好。
[0137] 基于同一發(fā)明構(gòu)思，本發(fā)明還提供一種分割圖像的裝置。請參考圖10,圖10為本發(fā) 明提供的一種分割圖像的裝置的示意圖。該裝置100包括：
[013引第一確定模塊101，用于通過K-S檢驗確定待分割圖像的Zm,所述Zm是通過K-S檢驗 獲得的所述待分割圖像中的第一類區(qū)域內(nèi)的像素點和第二類區(qū)域內(nèi)的像素點對應(yīng)的經(jīng)驗 累積分布函數(shù)的K-S距離，進而通過K-S距離對應(yīng)的Z來確定的，所述第一類區(qū)域與所述第二 類區(qū)域W初始分割曲線為界線；
[0139] 第二確定模塊102,用于根據(jù)所述Zm,確定所述第一類區(qū)域的能量函數(shù)為第一函 數(shù)，并確定所述第二類區(qū)域的能量函數(shù)為第二函數(shù)；
[0140] 第=確定模塊103,根據(jù)所述第一函數(shù)和所述第二函數(shù)，通過水平集演化確定所述 第一類區(qū)域與所述第二類區(qū)域W最終分割曲線為界線，所述最終分割曲線與所述初始分割 曲線不同。
[0141] 可選地，所述裝置還包括：
[0142] 對應(yīng)模塊，用于在所述通過K-S檢驗確定待分割圖像的Zm之前，將所述待分割圖像 中所有像素點按圖像坐標(biāo)X對應(yīng)到初始水平集函數(shù)護X的函數(shù)值，所述初始水平集函數(shù)護X 為：
[0143]
[0144] 其中，餅)/'淑為所述初始分割曲線，Qi和分別為W所述初始分割曲線為界線的 所述第一類區(qū)域和所述第二類區(qū)域?？蛇x地，所述第二確定模塊102用于：
[0146]
[0145] 確定廣義Gamma分布的累積分布函數(shù)為所述待分割圖像的能量函數(shù)，其中，所述廣 義Gamma分布的累積分布函數(shù)為：
[0147] ma函數(shù)，式中X為一個隨機變量， r .為Gamma函數(shù)，u、〇和K分別為所述待分割圖像中每個像素點的廣義Gamma分布的幕參 數(shù)、尺度參數(shù)和形狀參數(shù)。
[0148] 可選地，所述裝置還包括：
[0149] 參數(shù)確定模塊，用于按照W下步驟確定所述待分割圖像中的每個像素點的廣義 Gamma分布的幕參數(shù)V、尺度參數(shù)O和形狀參數(shù)K的估計量6、和該；
[0150] 步驟一:根據(jù)指定像素點所在局部窗口內(nèi)的所有像素的像素值，確定所述指定像 素點的前=階對數(shù)累積量r'2和rl?，所述指定像素點位于所述待分割圖像上的預(yù)定大小 的局部窗口中屯、：
[0151]
[0152] 其中，Z為所述待分割圖像上的局部窗口內(nèi)的像素點的像素值，N為所述待分割圖 像上的局部窗口內(nèi)的像素點的總數(shù)；
[0153] 步驟二:根據(jù)璋和/"'32的大小關(guān)系，確定所述A :
[0154] 若0'進空弓轉(zhuǎn)<0巧5 ,根據(jù)滬K的單調(diào)性，通過二分法求解f K ;;;巧/S 丕I U/本旨2非，確 定所述這;，其中，巫0 1，K>1/k+1/化2,巫〇2,k^j-1/k2-1/k3;
[0155] 若巧/巧 > 化:仍，利用閉合式準(zhǔn)則確定所述沒；
[0156]
[0157]
[015 引
[0159] 若巧V弓<〇.2日，對所述局部窗口的大小進行擴展，直至滿足殘/每 >化踞后，按 照所述步驟二確定所述店；
[0160] 步驟S:按照W下公式確定所述令、S ;
[0161]
[0162] 其中，巫 〇t = d log r t/dt 為 Digamma 函數(shù)，巫 0 n,t = d"i log r t/dt。"為 化Iygamma函數(shù)。
[0163] 關(guān)于上述實施例中的裝置，其中各個模塊執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法 的實施例中進行了詳細(xì)描述，此處將不做詳細(xì)闡述說明。
[0164] W上結(jié)合附圖詳細(xì)描述了本發(fā)明的優(yōu)選實施方式，但是，本發(fā)明并不限于上述實 施方式中的具體細(xì)節(jié)，在本發(fā)明的技術(shù)構(gòu)思范圍內(nèi)，可W對本發(fā)明的技術(shù)方案進行多種簡 單變型，運些簡單變型均屬于本發(fā)明的保護范圍。
[0165] 另外需要說明的是，在上述【具體實施方式】中所描述的各個具體技術(shù)特征，在不矛 盾的情況下，可W通過任何合適的方式進行組合，為了避免不必要的重復(fù)，本發(fā)明對各種可 能的組合方式不再另行說明。
[0166] 此外，本發(fā)明的各種不同的實施方式之間也可W進行任意組合，只要其不違背本 發(fā)明的思想，其同樣應(yīng)當(dāng)視為本發(fā)明所公開的內(nèi)容。
【主權(quán)項】
1. 一種分割圖像的方法，其特征在于，所述方法包括： 通過Kolmogorov-Smirnov檢驗確定待分割圖像的Zm，所述Zm是通過κ-s檢驗獲得的所述 待分割圖像中的第一類區(qū)域內(nèi)的像素點和第二類區(qū)域內(nèi)的像素點對應(yīng)經(jīng)驗累積分布函數(shù) 的Κ-S距離，進而通過Κ-S距離對應(yīng)的z來確定的，所述第一類區(qū)域與所述第二類區(qū)域以初始 分割曲線為界線； 根據(jù)所述^，確定所述第一類區(qū)域的能量函數(shù)為第一函數(shù)，并確定所述第二類區(qū)域的能 量函數(shù)為第二函數(shù)； 根據(jù)所述第一函數(shù)和所述第二函數(shù)，通過水平集演化確定所述第一類區(qū)域與所述第二 類區(qū)域以最終分割曲線為界線，所述最終分割曲線與所述初始分割曲線不同。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述通過Kolmogorov-Smirnov檢驗確定 待分割圖像的之前，所述方法還包括： 將所述待分割圖像中所有像素點按圖像坐標(biāo)X對應(yīng)到初始水平集函數(shù)的函數(shù)值，所 述初始水平集函數(shù)fx為：其中，8Ω/3Χ為所述初始分割曲線，Ω潮Ω 2分別為以所述初始分割曲線為界線的所述 第一類區(qū)域和所述第二類區(qū)域。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述^，確定所述待分割圖像的能 量函數(shù)，包括： 確定廣義Gamma分布的累積分布函數(shù)為所述待分割圖像的能量函數(shù)，其中，所述廣義 Ga_a*布的累積分布函數(shù)為：其中，P f 為不完全Gamma函數(shù)，式中X為一個隨機變量，Γ ·為 { a 0 Gamma函數(shù)，v、σ和κ分別為所述待分割圖像中每個像素點的廣義Gamma分布的冪參數(shù)、尺度 參數(shù)和形狀參數(shù)。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述廣義Gamma分布的累積分布函數(shù)是根 據(jù)廣義Gamma分布的概率密度函數(shù)得到的，所述廣義Gamma分布的概率密度函數(shù)用于描述所 述待分割圖像的統(tǒng)計特性，所述廣義Gamma分布的概率密度函數(shù)為：其中，z表示待分割圖像的像素點的像素值，取值范圍為[0,2s-l]，S為圖像量化級別，且 Γ ·為Gamma函數(shù)。5. 根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述方法還包括： 按照以下步驟確定所述待分割圖像中的每個像素點的廣義Gamma分布的冪參數(shù)v、尺度 參數(shù)σ和形狀參數(shù)κ的估計量￡>_、々和泠 步驟一:根據(jù)指定像素點所在局部窗口內(nèi)的所有像素的像素值，確定所述指定像素點 的前三階對數(shù)累積量A、4和&，所述指定像素點位于所述待分割圖像上的預(yù)定大小的局 部窗口中心：其中，z為所述待分割圖像上的局部窗口內(nèi)的像素點的像素值，N為所述待分割圖像上 的局部窗口內(nèi)的像素點的總數(shù)； 步驟二:根據(jù)If和續(xù)的大小關(guān)系，確定所述總： 5^0.25 < r2!/f5- < 0.375 /φο * 確定所述，?..，其中，Φ〇 1，κ~1/κ+1/2κ2，Φ〇 2，κ~-1/κ2-1/κ3; 若2 0.375，利用閉合式準(zhǔn)則確定所述応：若g/ff <0.25,對所述局部窗口的大小進行擴展，直至滿足2 0.25后，按照所 述步驟二確定所述/? ; 步驟三:按照以下公式確定所述沒;其中，Φ〇 t = d logrt/dt 為Digamma 函數(shù)，Φ〇 n，t = dn+1logrt/dtn+1 為Polygamma 函 數(shù)。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述待分割圖像的能量函數(shù)，通過水 平集演化確定所述第一類區(qū)域與所述第二類區(qū)域以最終分割曲線為界線，包括： 確定所述第一類區(qū)域與所述第二類區(qū)域在所述水平集演化每完成Μ次時的界線； 根據(jù)確定出的界線，通過Kolmogorov-Smirnov檢驗重新確定所述待分割圖像的zm; 根據(jù)重新確定出的zm，重新確定所述待分割圖像的能量函數(shù)； 根據(jù)重新確定出的所述待分割圖像的能量函數(shù)，通過水平集演化確定所述第一類區(qū)域 與所述第二類區(qū)域以所述最終分割曲線為界線。7. -種分割圖像的裝置，其特征在于，所述裝置包括： 第一確定模塊，用于通過Kolmogorov-Smirnov檢驗確定待分割圖像的zm，所述zm是通過 K-S檢驗獲得的所述待分割圖像中的第一類區(qū)域內(nèi)的像素點和第二類區(qū)域內(nèi)的像素點對應(yīng) 的經(jīng)驗累積分布函數(shù)的K-S距離，進而通過K-S距離對應(yīng)的z來確定的，所述第一類區(qū)域與所 述第二類區(qū)域以初始分割曲線為界線； 第二確定模塊，用于根據(jù)所述^，確定所述第一類區(qū)域的能量函數(shù)為第一函數(shù)，并確定 所述第二類區(qū)域的能量函數(shù)為第二函數(shù)； 第三確定模塊，根據(jù)所述第一函數(shù)和所述第二函數(shù)，通過水平集演化確定所述第一類 區(qū)域與所述第二類區(qū)域以最終分割曲線為界線，所述最終分割曲線與所述初始分割曲線不 同。8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置還包括： 對應(yīng)模塊，用于在所述通過Ko lmogorov-Smirnov檢驗確定待分割圖像的zm之前，將所述 待分割圖像中所有像素點按圖像坐標(biāo)X對應(yīng)到初始水平集函數(shù)的函數(shù)值，所述初始水平 集函數(shù)fx為：其中肩為所述初始分割曲線，ω#ρω2分別為以所述初始分割曲線為界線的所述 第一類區(qū)域和所述第二類區(qū)域。9. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述第二確定模塊用于： 確定廣義Gamma分布的累積分布函數(shù)為所述待分割圖像的能量函數(shù)，其中，所述廣義 Ga_a*布的累積分布函數(shù)為：其中％不完全Gamma函數(shù)，式中X為一個隨機變量，Γ ·為 Gamma函數(shù)，v、σ和κ分別為所述待分割圖像中每個像素點的廣義Gamma分布的冪參數(shù)、尺度 參數(shù)和形狀參數(shù)。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括： 參數(shù)確定模塊，用于按照以下步驟確定所述待分割圖像中的每個像素點的廣義Gamma 分布的冪參數(shù)V、尺度參數(shù)σ和形狀參數(shù)κ的估計量、$和澆 步驟一:根據(jù)指定像素點所在局部窗口內(nèi)的所有像素的像素值，確定所述指定像素點 的前三階對數(shù)累積量4、匕和&，所述指定像素點位于所述待分割圖像上的預(yù)定大小的局 部窗口中心：其中，ζ為所述待分割圖像上的局部窗口內(nèi)的像素點的像素值，Ν為所述待分割圖像上 的局部窗口內(nèi)的像素點的總數(shù)； 步驟二:根據(jù)巧和續(xù)的大小關(guān)系，確定所述總： 若0.25?;@Α':卜;0.375，根據(jù)JF ?的單調(diào)性，通過二分法求解f κ =亡"?=封1，《 /辭2,《，確 定所述總，其中，Φ〇 1，κ~1/κ+1/2κ2，Φ0 2，κ~-1/κ2-1/κ3; 若巧斤I 2 0.373，利用閉合式準(zhǔn)則確定所述応：若?t/校< 0.25 ,對所述局部窗口的大小進行擴展，直至滿足2 0.25后，按照所 述步驟二確定所述總I 步驟三:按照以下公式確定所述#、士:其中，Φ〇 t = d log rt/dt為Digamma函數(shù)，Φ〇 n，t = dn+1logr t/dtn+1 為Polygamma函 數(shù)。
【文檔編號】G06T7/00GK105957050SQ201610237599
【公開日】2016年9月21日
【申請日】2016年4月15日
【發(fā)明人】李恒超, 邱允亮, 李靜靜
【申請人】西南交通大學(xué)