專利名稱：一種基于小波變換和otsu閾值的sar圖像海陸分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及SAR圖像海洋目標(biāo)監(jiān)視系統(tǒng)的海陸分割的技術(shù)領(lǐng)域，特別涉及一種基于小波變換和OTSU閾值的SAR圖像海陸分割方法。
背景技術(shù)：
海陸分割是SAR圖像海洋目標(biāo)監(jiān)視系統(tǒng)的關(guān)鍵技術(shù)之一。如

圖1(a)所示(參見文獻[1]G. Margarit, J. Barba-Milanes, and A. Tabasco, “Operational ship monitoringsystem based on synthetic aperture radar processing, ”Remote Sens. , Vol. I, No. 3, Aug. 2009，pp. 375-392.)，通過該方式屏蔽陸地區(qū)域，可將目標(biāo)搜索范圍鎖 定于海洋區(qū)域，大大減少艦船檢測算法應(yīng)用于陸地區(qū)域產(chǎn)生的虛警，降低系統(tǒng)的整體計算負擔(dān)。傳統(tǒng)上，通常利用地形圖文件中的信息來標(biāo)記海岸線，屏蔽陸地區(qū)域(參見文獻[2]D.J.Crisp, “The state-of-the-art in ship detection in syntheticaperture radar imagery,，，Intell.，Surveillance and Reconnaissance Div, Inf.Sci. , Lab. , Def· , Sci. Technol. Org, Edinburgh, S. A. , Australia, May, 2004.)。但是如圖1(b)所示(參見文獻[I])，當(dāng)?shù)匦螆D繪制不精確、分辨率較低，或缺少精確的衛(wèi)星成像位置信息時，基于地形圖文件的方法通常會誤標(biāo)記或漏標(biāo)記部分海岸線。根據(jù)海面與陸地的SAR圖像特性差異，而提出的基于圖像處理技術(shù)的自動海陸分割方法，能在很大程度上克服傳統(tǒng)方法的不足，滿足海洋目標(biāo)監(jiān)視系統(tǒng)的應(yīng)用需求。圖1(b)中的黑色曲線即為自動海陸分割方法得到的精確海岸線，白色曲線為采用傳統(tǒng)方式標(biāo)記的海岸線?，F(xiàn)有技術(shù)一的技術(shù)方案文獻[3] (J. Lee, I. Jurkevich, “Coastline detection and tracking inSAR images, ”IEEE Trans, on Geoscience and Remote Sensing,Vol.28,No. 4, July1990, pp. 662-668.)利用Sigma濾波、Sobel邊緣檢測子、均值濾波、直方圖計算、閾值檢測、Robert算子、邊沿跟蹤等一系列基本圖像處理技術(shù)，解決SAR圖像中的海陸分割問題，能夠有效地檢測出大部分海岸線。該方法的基本流程如圖2所示?，F(xiàn)有技術(shù)一的缺點為盡管文獻[3]中方法通過現(xiàn)有較成熟的基本圖像處理技術(shù)，實現(xiàn)了海岸線檢測，但其仍然存在以下缺點(I)過多地采用基于窗口的圖像處理技術(shù)，如Sigma濾波、Sobel算子、均值濾波、Robert算子，它們的性能均依賴于窗口尺寸的大小。這就意味著算法實現(xiàn)過程中在參數(shù)設(shè)置方面需要較多的人工干預(yù)，以得到較精確的檢測結(jié)果，故算法的魯棒性有限。(2)多次閾值處理和邊緣跟蹤對算法性能具有很大影響，而兩者均在一定程度上依賴于經(jīng)驗參數(shù)。(3)該方法的基本實現(xiàn)流程較復(fù)雜?，F(xiàn)有技術(shù)二的技術(shù)方案為文獻[4] (A. Niedermeier, E. Romanee β en, and S. Lehner, “Detection ofcoastline in SAR images using wavelet methods,，，IEEE Trans, on Geoscience andRemote Sensing, Vol. 38, No. 5, Sep. 2000, pp. 2270-2281.)提出一種基于小波變換和活動輪廓模型的海岸線檢測方法，其基本流程如圖3所示。首先利用小波邊緣檢測(參見文獻[5]S. Mallat and S. Zhong, “Characterization of signals from multiscaleedges,，，IEEE Trans. Pattern Anal. Machine Intell. , Vol. 14, July 1992, pp. 710-732.)得到大于特定閾值的所有邊緣；然后，通過塊跟蹤算法粗略分割出海陸邊界區(qū)域；在此基礎(chǔ)上，根據(jù)邊緣長度和能量進行局部邊緣選擇，去除干擾邊緣，進而通過擴展各小波尺度上的結(jié)果，得到位置相對精確但不連續(xù)的海陸邊界線；最后，采用活動輪廓模型方法進行邊緣跟蹤和連接，得到連續(xù)的海岸線?，F(xiàn)有技術(shù)二的缺點文獻[4]中方法的主要缺點如下(I)小波邊緣檢測算法對局部邊緣等細節(jié)信息十分敏感，盡管其在像素分辨率為十幾米的SAR圖像的海面區(qū)域所產(chǎn)生的虛警邊緣較少，但是隨著圖像分辨的提高，海面散 射強度非均勻性會明顯增強，因而對于像素分辨率為幾米(如3米)的高分辨率SAR圖像，會產(chǎn)生較多的虛警，從而對后續(xù)處理帶來不利影響。(2)所采用的塊跟蹤、邊緣選擇和尺度擴展方法均為基于窗口處理的技術(shù)；所選用的活動輪廓模型為Snake模型，這意味在參數(shù)設(shè)置方面需要較多的人工干預(yù)以得到有效的檢測結(jié)果，從而影響算法的普適性。(3)所采用的塊跟蹤、活動輪廓模型方法均為基于迭代處理的技術(shù)，尤其后者的處理時間較長，從而影響海岸線檢測方法的整體時間性能。此外，文獻[6](瞿繼雙，王超，“一種基于多閾值的形態(tài)學(xué)提取遙感圖像海岸線特征方法，”·中國圖象圖形學(xué)報，Vol. 8，No. 7，2003，pp. 805-809.)和[7] (K. H. Huang, J.Zhang, “A coastline detection method using SAR images based on the localstatistical active contour model,’’Journal of Remote Sensing, Vol. 15, No. 4, 2011, pp. 737-742.)分別提出了基于多閾值和形態(tài)學(xué)處理的海岸線檢測方法和基于局部統(tǒng)計活動輪廓模型的海岸線檢測方法，但是兩者亦均存在多參數(shù)化、普適性差等方面的不足。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題為本發(fā)明提出一種基于小波變換和OTSU閾值(參見文獻[8]N. Otsu, ” A tlreshold selection method from gray-level histograms,，，IEEETrans, on Sys. , Man, and Cybe. , Vol. 9, No. I, Jan. 1979, pp. 62-66.)的海陸分割方法，綜合利用了小波變換的斑噪抑制、多尺度分析功能和OTSU閾值算法的自適應(yīng)、非監(jiān)督、魯棒性強的特性，從而克服了現(xiàn)有海陸分割算法多參數(shù)化、普適性差、實現(xiàn)過程繁瑣、對于高分辨SAR圖像適用性有限方面的不足。本發(fā)明解決上述技術(shù)問題采用的技術(shù)方案為一種基于小波變換和OTSU閾值的SAR圖像海陸分割方法，具體實現(xiàn)步驟如下步驟I :通過對數(shù)運算將“乘性”斑噪轉(zhuǎn)化為“加性”f (x, r) = log (I (x, r)) = log ( σ (x, r) ·η (χ, r)) = log ( σ (χ, r)) +log (η (χ, r))
(I)
式中，I ( ·)表示幅度或強度SAR圖像數(shù)據(jù)，x，r分別代表方位和距離采樣；σ ( ·)為紋理分量，表征觀測區(qū)域的散射特征變化，其在大尺度上較清晰可見；η為斑噪分量，其對應(yīng)于小尺度上的信息；步驟2 :設(shè)置小波變換次數(shù)N，出于時間效率和定位精度方面的考慮，通常取 5 ;采用一種非下采樣的二維離散小波變換，即二維靜態(tài)小波變換，將圖像變換至二維
小波域；在尺度21 (i = 1，···，N)上，對應(yīng)存在四個與原圖像等尺寸的小波分量，其中的低通分量Ai (X，r)為原圖像在尺度21上的低頻近似，其包含主要的輪廓信息，且斑噪在很大程度上受到抑制，尺度越大斑噪抑制程度越大，但同時邊緣信息保留能力越受影響；步驟3 :對尺度21 (i = 1，"％ 上的低通分量的\(·)取模值，并進行歸一化處理；首先關(guān)于各低通分量的最大值進行歸一化得到A' J·)，然后，進一步將A' J·)按照如下方式歸一化至(Γ255之間
權(quán)利要求
1.一種基于小波變換和OTSU閾值的SAR圖像海陸分割方法，其特征在于，具體實現(xiàn)步驟如下 步驟I :通過對數(shù)運算將“乘性”斑噪轉(zhuǎn)化為“加性” 式中，I ( )表示幅度或強度SAR圖像數(shù)據(jù)，X, r分別代表方位和距離采樣；0 ( )為紋理分量，表征觀測區(qū)域的散射特征變化，其在大尺度上較清晰可見；n為斑噪分量，其對應(yīng)于小尺度上的信息； 步驟2 :設(shè)置小波變換次數(shù)N，出于時間效率和定位精度方面的考慮，通常取N < 5 ;采用一種非下采樣的二維離散小波變換，即二維靜態(tài)小波變換，將圖像變換至二維小波域；在尺度2S i = 1，…，N上，對應(yīng)存在四個與原圖像等尺寸的小波分量，其中的低通分量A^x, r)為原圖像在尺度21上的低頻近似，其包含主要的輪廓信息，且斑噪在很大程度上受到抑制，尺度越大斑噪抑制程度越大，但同時邊緣信息保留能力越受影響； 步驟3:對尺度2Si = 1，…，N上的低通分量&( )取模值，并進行歸一化處理；首先關(guān)于各低通分量的最大值進行歸一化得到A' i(*)，然后，進一步將A' d*)按照如下方式歸一化至(T255之間
2.根據(jù)權(quán)利要求I所述的一種基于小波變換和OTSU閾值的SAR圖像海陸分割方法，其特征在于，步驟3中所述的首先關(guān)于各低通分量的最大值進行歸一化得到A' J )時，當(dāng)原圖像不包含強散射特征時，采用該歸一化方法可能會放大噪聲，此時應(yīng)關(guān)于其各自標(biāo)準差的a倍歸一化。
3.根據(jù)權(quán)利要求2所述的一種基于小波變換和OTSU閾值的SAR圖像海陸分割方法，其特征在于，所述的當(dāng)原圖像不包含強散射特征時，具體如艦船目 標(biāo)。
全文摘要
一種基于小波變換和OTSU閾值的SAR圖像海陸分割方法，本發(fā)明提出一種基于小波變換和OTSU閾值的海陸分割方法，該方法利用小波變換的噪聲平滑特性抑制SAR圖像中的斑噪；進而采用一種非監(jiān)督、最優(yōu)化閾值的OTSU閾值方法粗略分割出陸地區(qū)域，并基于小波變換的多尺度分析特性，將各尺度下的檢測結(jié)果進行合并；最后通過自動化的后續(xù)處理和邊緣跟蹤得到最終的海岸線檢測結(jié)果。與現(xiàn)有海陸分割方法相比，該方法綜合利用了小波變換的斑噪抑制、多尺度分析功能和OTSU閾值算法的自適應(yīng)、非監(jiān)督、魯棒性強的特性，在自動化程度、普適性、實現(xiàn)簡易程度以及關(guān)于高分辨率SAR圖像的適用性方面均有很大程度的提高。
文檔編號G06T11/00GK102968798SQ20121053698
公開日2013年3月13日 申請日期2012年12月12日 優(yōu)先權(quán)日2012年12月12日
發(fā)明者顧丹丹, 許小劍, 張秀玲 申請人:北京航空航天大學(xué)