專利名稱：基于改進(jìn)視覺注意模型的sar機(jī)場分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，特別是一種涉及SAR圖像機(jī)場分割的方法，可應(yīng)用于對SAR圖像機(jī)場的分割。
背景技術(shù)：
合成孔徑雷達(dá)SAR是一種高分辨率雷達(dá)體制，可應(yīng)用于軍事，農(nóng)業(yè)，導(dǎo)航，地理監(jiān)視等諸多領(lǐng)域。它與其它遙感成像系統(tǒng)，光學(xué)成像系統(tǒng)相比有很多差異。在軍事目標(biāo)識別方面，SAR圖像被廣泛的應(yīng)用在目標(biāo)檢測領(lǐng)域，而SAR圖像分割則是從圖像處理到圖像分析的重要步驟，是目標(biāo)分類和識別的基礎(chǔ)。本質(zhì)上SAR圖像反映的是目標(biāo)的電磁散射特性和結(jié)構(gòu)特性，其成像效果很大程度上依賴于雷達(dá)參數(shù)和地域電磁參數(shù)。SAR成像的特殊性使得針對該類圖像的分割方法有別于普通光學(xué)圖像非光學(xué)成像方式導(dǎo)致SAR圖像灰度級變化緩慢，因此光學(xué)圖像常用的自適應(yīng)閾值分割方法對此類圖像收效甚微；SAR圖像含有大量相干斑噪聲，而常規(guī)分割方法通常對噪聲具有很高的敏感度，不宜用于此類圖像。視覺注意方法是一種人眼視覺生物機(jī)制和計算機(jī)仿真相結(jié)合的新方法，其定義如下在面對一個復(fù)雜場景時，人類的注意力會迅速集中在少數(shù)幾個顯著的視覺對象上，并對這些對象進(jìn)行優(yōu)先處理，該過程則被稱為視覺注意。視覺注意模型就是利用人眼的這種視覺生物學(xué)機(jī)制，用數(shù)學(xué)的計算方法模擬，從而形成了圖像處理領(lǐng)域的一個重要方向，該模型可用于目標(biāo)檢測與識別，圖像壓縮與編碼，圖像檢索，監(jiān)視系統(tǒng)，主動視覺等方面。經(jīng)典的視覺注意模型是由Itti提出的，他首次用數(shù)學(xué)的方法來模擬人類的視覺注意機(jī)制并取得了較好的效果，后來引起了眾多學(xué)者的關(guān)注并產(chǎn)生了重要的影響。按照對視覺信息的處理方式，可分為自底向上的視覺注意和自頂向下的視覺注意，目前研究的較多的是自底向上的視覺注意，它是基于數(shù)據(jù)驅(qū)動，且獨立于具體的任務(wù)；而自頂向上的視覺注意是受意識支配，與具體任務(wù)相關(guān)，而目前針對自頂向下視覺注意模型的研究工作較少，大多數(shù)的工作限于生物實驗取證和理論研究。自底向上的視覺注意模型按計算方式的不同，又可分為基于空域的計算模型和基于頻域的計算模型?；诳沼虻挠嬎隳Ｐ椭饕枷胧窃诳臻g域中計算圖像中各個位置的視覺顯著程度，即采用顯著度來衡量，進(jìn)而實現(xiàn)視覺注意機(jī)制的模擬。這類模型的優(yōu)點是計算特征較容易提取、計算量較小、快速，但缺點是對于噪聲較為敏感、魯棒性較差，較適用于前期對注意焦點進(jìn)行檢測，對于對象區(qū)域語義的完整性考慮不足。代表模型是1998年Itti提出的視覺注意計算模型，參見 Itti L, Koch C, Niebur E. 1998. A modelof saliency一basedvisual attention for rapid scene analysis [J].1EEE Trans. onPattern Analysisand Machine Intelligence,20(11) :1254_1259?；陬l域空間的計算模型主要思想是利用傅立葉變換或特征值極坐標(biāo)變換等方法將圖像從空間域映射到頻域空間，并對其分析處理，找出其顯著性特征，之后再反變換回空間域得到顯著圖。其代表是以Hou等人的光譜剩余假說,參見Hou X andZhang L. 2007.Saliency Detection A Spectral Residual ApproachC. Proceedingsof IEEEConference on Computer Vision and Pattern Recognition, Minnesota,USA,1—8。綜上所述的視覺注意模型都是針對自然圖像的，對于在SAR圖像中的應(yīng)用幾乎沒有，原因是SAR圖像有其自身的特點，與其它遙感成像系統(tǒng)、光學(xué)成像系統(tǒng)相比有很多差異，常規(guī)視覺注意的方法在SAR圖像上不能得到好的效果。另一方面視覺注意模型只是模擬人眼的視覺機(jī)制而產(chǎn)生的對目標(biāo)的模糊注意及定位，而圖像分割對分割后圖像的邊緣信息、紋理信息的完整性都有較高要求，常規(guī)的視覺注意方法難以達(dá)到這樣的要求。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述已有技術(shù)的不足，提出一種基于改進(jìn)視覺注意模型的SAR機(jī)場分割方法，以解決常規(guī)視覺注意方法不能滿足圖像分割條件要求的問題，利用人眼的視覺特性機(jī)制使得對SAR機(jī)場的分割更準(zhǔn)確快速，保證圖像分割信息的完整性，提高SAR圖像分割的質(zhì)量。 現(xiàn)本發(fā)明目的的技術(shù)方案是在原有經(jīng)典視覺注意模型的框架下，利用高效的多尺度多分辨率數(shù)學(xué)工具gabor小波和正交小波，并利用圖像的鄰域?qū)Ρ榷忍卣鳎浞滞诰驁D像中的紋理信息、結(jié)構(gòu)信息和對比度信息，模擬人眼的視覺注意機(jī)制，以實現(xiàn)對機(jī)場的分害I]。其實現(xiàn)步驟包括如下(I)對待分割SAR圖像進(jìn)行下采樣處理，處理后的圖像記為I ;(2)對采樣后的圖像I進(jìn)行紋理特征提取，用gabor小波提取其在0° ,45° ,90° ,135°方向上的分量紋理特征，然后把這些分量紋理特征相加，即可得到圖像的紋理特征；(3)對采樣后的圖像I進(jìn)行小波特征提取(3a)對圖像I進(jìn)行正交小波變換，得到圖像的四個小波分量，即一個低頻分量III (x，y)和三個高頻分量 IHux, y), Ihh (X, y), Ilh (x, y)；(3b)計算低頻分量與其平均值的對比差值C(x,y) = (lLL(x,y)_Iu)2,其中Iix(Xd)為低頻分量，Iu為低頻分量的平均值；(3c)對所述C(x，y)，IHL(x，y)，IHH(x，y)，lLH(x，y)進(jìn)行逆小波變換，即得到采樣后圖像I的小波特征；(4)對采樣后的圖像I進(jìn)行鄰域?qū)Ρ榷忍卣魈崛?4a)計算采樣后圖像I的每個像素I (x，y)鄰域像素的平均值(4b)計算采樣后圖像I的每個像素I (x，y)與其鄰域像素的平均值 (為力的差值 -1(^ ，并將該差值的絕對值作為鄰域?qū)Ρ榷忍卣鳎?5)對提取后的紋理特征、小波特征和領(lǐng)域?qū)Ρ榷忍卣鬟M(jìn)行加權(quán)相加，對相加后的圖像進(jìn)行歸一化及顯著性處理，得到初步的顯著圖；(6)將初步顯著圖進(jìn)行視覺感受野模型處理，得到最終的顯著圖；(7)把得到的最終顯著圖插值到與原SAR圖像大小相同；(8)將插值后的顯著圖進(jìn)行域值處理，得到目標(biāo)區(qū)域；(9)將目標(biāo)區(qū)域用支撐矢量機(jī)方法進(jìn)行分類，即對目標(biāo)區(qū)域中的機(jī)場和背景進(jìn)行標(biāo)簽并訓(xùn)練分類，從而分割出機(jī)場目標(biāo)。
本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點1、本發(fā)明由于使用多尺度幾何分析工具gabor小波，對SAR圖像的紋理特征的方向性細(xì)節(jié)信息進(jìn)行提取，保證了圖像信息的完整性；2、本發(fā)明使用了 SAR圖像的領(lǐng)域?qū)Ρ榷忍卣?，更好地模擬了人眼的視覺對比特征；3、本發(fā)明對SAR圖像進(jìn)行了下采樣，可對低分辨SAR圖像來進(jìn)行機(jī)場檢測；4、本發(fā)明由于使用了正交小波，抗噪性能較好，魯棒性較好，得到的顯著圖輪廓較清晰，速度較快，定位準(zhǔn)確；5、本發(fā)明使用了視覺感受野模型，更好地模擬了人眼的 視覺生物特性，使待分割圖像中目標(biāo)的邊緣特征保留的較好，得到的顯著圖更準(zhǔn)確；6、仿真結(jié)果表明，本發(fā)明方法較傳統(tǒng)Itti模型和頻域譜殘差模型分割結(jié)果更有效。


圖1是本發(fā)明的流程圖；圖2是兩類簡單地物背景SAR圖像；圖3是用本發(fā)明和現(xiàn)有方法對圖2的仿真結(jié)果圖；圖4是兩類復(fù)雜地物背景SAR圖像；圖5是用本發(fā)明和現(xiàn)有方法對圖4的仿真結(jié)果圖；圖6是三類復(fù)雜地物背景SAR圖像；圖7是用本發(fā)明和現(xiàn)有方法對圖6的仿真結(jié)果圖。
具體實施例方式參照圖1，本發(fā)明的具體實現(xiàn)步驟如下步驟一、對待分割SAR圖像進(jìn)行4倍下采樣，將待分割SAR圖像按照^的大小
4 4
縮小，得到采樣后圖像I。步驟二、對采樣后的圖像I進(jìn)行g(shù)abor小波變換，分別提取其在0° ,45° ,90° ,135°方向上的分量紋理特征，由于圖像在不同角度上的紋理特征反映了目標(biāo)的輪廓及形狀特征，通過對不同角度上紋理特征的提取，更好地使目標(biāo)的形狀及輪廓的顯著性表現(xiàn)出來，把這些分量紋理特征線性相加就得到采樣后圖像的紋理特征。步驟三、對采樣后的圖像I提取小波特征。本步驟目的是提取采樣后圖像I的目標(biāo)特征，增強(qiáng)目標(biāo)區(qū)域的顯著性，由于SAR圖像不同于自然圖像，SAR圖像與自然圖像灰度圖有較大差異，如果用SAR圖像的灰度特征就失去了目標(biāo)的意義，而使用小波特征就可以使目標(biāo)的顯著性更好地表現(xiàn)出來。其具體實現(xiàn)如下3.1)對采樣后的圖像I進(jìn)行正交小波變換，得到一個低頻分量垃(x，y)和三個高頻分量 Ihl (X，y), Ihh (X，y), Im (X, y)；3. 2)計算低頻分量I11U, y)與其平均值的對比差值C(x, y) = (ILL(x, y)-1u)2，其中込(X，y)為低頻分量，Iu為低頻分量的平均值；3. 3)將對比差值C(x，y)和高頻分量Ihl(x, y), ^(x, y), ILH(x, y)進(jìn)行逆小波變換，得到采樣后圖像I的小波特征。步驟四、對采樣后的圖像I提取鄰域?qū)Ρ榷忍卣鳌１静襟E是模擬人眼的視覺對比特性，使目標(biāo)的對比特性更好地表現(xiàn)出來，其具體實現(xiàn)如下4.1)計算采樣后圖像I的每個像素I (x，y)的鄰域像素的平均值7(.Y，.V);4. 2)計算采樣后圖像I的每個像素I (x，y)與其鄰域像素平均值7(為4的差值
,取差值的絕對值，即為鄰域?qū)Ρ榷忍卣鳌２襟E五、對得到的紋理特征、小波特征和鄰域?qū)Ρ榷忍卣鬟M(jìn)行加權(quán)相加，即將紋理特征乘以0. 3，小波特征乘以0. 5，鄰域?qū)Ρ榷忍卣鞒艘?. 2，然后線性相加，得到采樣后圖像的特征圖。這一步驟的目的是形成更符合人眼視覺特性的顯著圖，由于人眼對不同的特征的處理是有差異的，人眼往往關(guān)注感興趣的特征，而對其它特征的處理并不顯著，因此對不同的特征加權(quán)相加，以增強(qiáng)感興趣的特征，削弱不感興趣的特征。步驟六、對特征圖進(jìn)行歸一化和顯著性處理，得到初始顯著圖。6.1)將特征圖歸一化到范圍
上，N為圖像灰度值范圍內(nèi)的任意正整數(shù)，使得非目標(biāo)區(qū)域的顯著性減弱；6. 2)是將歸一化后的特征圖乘以系數(shù)(財-G>2,M為歸一化后特征圖的全局最大值，S為除全局最大值外的其余的局部最大值的平均值，使得目標(biāo)的顯著性增強(qiáng)，得到初始顯著圖。步驟七、對得到的初始顯著圖進(jìn)行視覺感受野模型處理，即將初始顯著圖經(jīng)過感受野模板濾波，得到最終的顯著圖。這一步驟的目的是模擬人眼的視覺感受野，由于人眼的視覺生物機(jī)制，對不同分辨率圖像的差異性檢測是有差別的，差異性越大，人眼對差異性的檢測就越顯著，而高斯差分函數(shù)與人眼的這種視覺感受野比較符合，故可用高斯差分函數(shù)來模擬人眼的視覺感受野。其實現(xiàn)方案是以高斯差分函數(shù)為感受野模板函數(shù)，取3X3的矩陣作為濾波器模板，用該模板對初始顯著圖進(jìn)行濾波，其中，感受野模板函數(shù)為
權(quán)利要求
1.一種基于改進(jìn)視覺注意模型的SAR機(jī)場分割方法，包括如下步驟 1)對待分割SAR圖像進(jìn)行下采樣處理，處理后的圖像記為I; 2)對采樣后的圖像I進(jìn)行紋理特征提取，用gabor小波提取其在0° ,45° ,90° ,135°方向上的分量紋理特征，然后把這些分量紋理特征相加，即可得到圖像的紋理特征； 3)對采樣后的圖像I進(jìn)行小波特征提取 3a)對圖像I進(jìn)行正交小波變換，得到圖像的四個小波分量，即一個低頻分量込U，y)和三個高頻分量 Iffli(χ，y), Iffl (χ，y), Iui(χ，y)； 3b)計算低頻分量與其平均值的對比差值C(x，y) =(込(X，y)-1u)2，其中Ill(x，y)為低頻分量，Iu為低頻分量的平均值； 3c)對所述C(x，y),IHL(x, υ),Ιηη(χ, y),ILH(x, y)進(jìn)行逆小波變換，即得到采樣后圖像I的小波特征； 4)對采樣后的圖像I進(jìn)行鄰域?qū)Ρ榷忍卣魈崛? 4a)計算采樣后圖像I的每個像素I (X，y)鄰域像素的平均值:T(為勿； 4b)計算采樣后圖像I的每個像素I(x，y)與其鄰域像素的平均值7(;另的差值 ，并將該差值的絕對值作為鄰域?qū)Ρ榷忍卣鳎? 5)對提取后的紋理特征、小波特征和領(lǐng)域?qū)Ρ榷忍卣鬟M(jìn)行加權(quán)相加，對相加后的圖像進(jìn)行歸一化及顯著性處理，得到初步的顯著圖； 6)將初步顯著圖進(jìn)行視覺感受野模型處理，得到最終的顯著圖； 7)把得到的最終顯著圖插值到與原SAR圖像大小相同； 8)將插值后的顯著圖進(jìn)行域值處理，得到目標(biāo)區(qū)域； 9)將目標(biāo)區(qū)域用支撐矢量機(jī)方法進(jìn)行分類，即對目標(biāo)區(qū)域中的機(jī)場和背景進(jìn)行標(biāo)簽并訓(xùn)練分類，從而分割出機(jī)場目標(biāo)。
2.根據(jù)權(quán)利要求1所述的機(jī)場分割方法，其中步驟5)所述的對提取后的紋理特征、小波特征和鄰域?qū)Ρ榷忍卣鬟M(jìn)行加權(quán)相加，是將紋理特征乘以O(shè). 3，小波特征乘以O(shè). 5，鄰域?qū)Ρ榷忍卣鞒艘設(shè). 2，然后線性相加。
3.根據(jù)權(quán)利要求1所述的機(jī)場分割方法，其中步驟5)所述的將相加后的圖像進(jìn)行歸一化及顯著性處理，是先把圖像歸一化到
，其中N為圖像灰度值范圍內(nèi)的任意正整數(shù)；再將歸一化后的圖像進(jìn)行顯著性處理，即將歸一化后的圖像乘以系數(shù)(M-S)2，其中M為歸一化后圖像的全局最大值，&為除了全局最大值外的所有局部最大值的平均值。
4.根據(jù)權(quán)利要求1所述的機(jī)場分割方法，其中步驟6)所述的將初步顯著圖進(jìn)行視覺感受野模型處理，是將初步顯著圖用視覺感受野模板濾波，其中視覺感受野模板通過如下高斯差分函數(shù)Dog(x, y)生成，
5.根據(jù)權(quán)利要求1所述的機(jī)場分割方法，其中步驟8)所述的將插值后的顯著圖進(jìn)行域值處理，是指將圖像中大于顯著圖像素平均值的像素變?yōu)?，小于像素平均值的像素變?yōu)镺0·
全文摘要
本發(fā)明公開了一種基于改進(jìn)視覺注意模型的SAR機(jī)場分割方法，它屬于圖像處理技術(shù)領(lǐng)域，主要解決傳統(tǒng)視覺注意模型不能滿足SAR圖像分割條件要求的問題。其分割過程為(1)對待分割SAR圖像進(jìn)行下采樣；(2)對采樣后的圖像提取紋理特征、小波特征和鄰域?qū)Ρ榷忍卣鳎堰@些特征進(jìn)行加權(quán)相加后經(jīng)過歸一化及顯著性處理得到初始顯著圖；(3)把初始顯著圖經(jīng)過視覺感受野模板濾波，得到最終顯著圖；(4)把最終顯著圖插值到與原SAR圖像大小相同，然后對插值后的顯著圖進(jìn)行域值處理，得到機(jī)場區(qū)域；(5)用支撐矢量機(jī)的方法對機(jī)場區(qū)域進(jìn)行分類，即可分割出機(jī)場。本發(fā)明具有計算速度快，分割效果明顯的優(yōu)點，可用于SAR圖像機(jī)場的分割和識別。
文檔編號G06T7/00GK102999908SQ20121046991
公開日2013年3月27日 申請日期2012年11月19日 優(yōu)先權(quán)日2012年11月19日
發(fā)明者侯彪, 侯小瑾, 劉彥甲, 焦李成, 方相如, 翁鵬, 馬文萍, 馬晶晶 申請人:西安電子科技大學(xué)