文档介绍:SAR图像分割算法综述
摘要: SAR图像分割是SAR图像分析中的基本问题之一,也是目标识别与检测过程中的极其关键的步骤。文章在调研大量文献的基础上,对现有经典的、主流的SAR图像分割算法及理论进行研究、分类和分析,并采用一种基于总体分割精度的SAR图像分割评价指标来对各种算法的实验结果进行对比。
关键词: SAR; 图像分割; 算法分类; 分割评价指标
中图分类号:TP79 文献标志码:A 文章编号:1006-8228(2017)05-01-04
Overview of SAR image segmentation algorithm
Song Guolei, Hou Wei
(School puter and information engineering, Henan University, Kaifeng, Henan 475000, China)
Abstract: SAR image segmentation is one of the basic problems in SAR image analysis, and it is also the key step in the process of target recognition and detection. In this paper, the existing classical and mainstream SAR image segmentation algorithms and theories are studied
, classified and analyzed based on a large number of literatures, and the SAR image segmentation evaluation indicators based on the overall segmentation accuracy are used pare the experimental results of various algorithms.
Key words: SAR; image segmentation; algorithm classification; segmentation evaluation indicator
0 引言
图像分割是指将图像分成若干互不重叠的子区域,使得同一个子区域内的特征具有一定相似性、不同子区域间特征呈现较为明显的差异[1]。图像分割是图像识别、场景解析、目标检测等任务必须经过的预处理过程,是图像分析中一个基础的问题。其中SAR图像分割技术的发展可以追溯到20世纪80年代,经过几十年的发展,已经提出多种基于不同理论的方法[2]。
目前,SAR图像分割处理技术已经有较多的研究成果[3-5],但由于SAR地物场景的复杂性,致使各种分割算法都有较大的针对性,通用性不好。本文对现有的研究成果进行了详细的研究,综述现有的SAR
图像分割算法,并根据SAR图像分割所使用的理论差异的特点,把图像分割方法分为基于阈值、水平集、模糊聚类和混合模型四类。
1 SAR图像分割算法
基于阈值的SAR图像分割
阈值法基本思想是通过设定一个阈值将图像分割成两个具有不同特性的区域。当区域中像素值大于阈值就设置为目标,区域中像素值小于阈值就是背景。根据像素灰度值与最佳阈值的关系,可以把目标从背景中提取出来,该方法的优点在于易于实现,给定阈值后分割速度非常快,但是对于灰度均匀性的图像来说,很难找到一个阈值将他们分割开来。经典的阈值法是OTSU。
OTSU算法分析如下。
大类间方差法(OTSU法),是由大津展之[6]在1979年提出来。该方法是在判决分析的基础上推导出来的,是一种自动的无参数无监督阈值分割方法。它是基于一维灰度直方图,且计算简单的一种阈值分割方法,因而应用广泛。Lee等人[7]分别使用错分概率,形状和均匀性度量作为准则函数评估了多种阈值分割方法的性能,结果表明,OTSU法是一种很好的阈值分割方法。原理如下:
设SAR图像的灰度级为L,灰度值为i的像素个数为ni,则总像素数为,并作归一化处理,各灰度值所占的比重为,则SAR图像的灰度平均值μ和方差σ分别为,。用灰度级 T 作为阈值,将图像分割为两类C1={1~T},C2={T+1~L},设ω1和ω2作为C1,C2出现的概率,μ1和μ2为灰度平均值,,为方差。有:
由上述可得出类间方差为:
当类间方差取最大值时,对应的灰度值T即为所求得的阈值。
基于水平集的SAR图像分割
基于几何变形模型的水平集方法由Osher和Sethin于1982年提出[8