一種基于Snakes模型的提取SAR圖像目標輪廓方法
【專利摘要】一種基于Snakes模型的提取SAR圖像目標輪廓方法，包括以下步驟：基于斑點噪聲模型，利用圖像局部統(tǒng)計特性，選擇一個窗口作為局部區(qū)域，使用Lee濾波法進行濾波；對雜波抑制后的圖像的每個像素進行逐點運算，使用分段線性灰度變換法對圖像進行灰度變換；對上述經(jīng)過灰度變換后的圖像，利用輪廓自身特征和圖像特征建立能量函數(shù)，并通過求解能量函數(shù)極小化問題，得到目標輪廓曲線。該發(fā)明適合在各種雜波環(huán)境，特別是強雜波環(huán)境下檢測人造目標的輪廓。
【專利說明】—種基于Snakes模型的提取SAR圖像目標輪廓方法
【技術領域】
[0001]本發(fā)明屬于SAR圖像處理領域，涉及一種基于Snakes模型的提取SAR圖像目標輪廓方法。
【背景技術】
[0002]合成孔徑雷達(Synthetic Aperture Radar, SAR)本身是一種利用微波感知的主動式傳感器，它不受天氣、光照等條件限制，可對感興趣目標進行全天候、全天時的偵察；此夕卜，由于微波具有一定的穿透探測能力，可以探測到一定深度地表下的或是其他經(jīng)過偽裝或掩蓋的目標，這使得SAR在目標探測方面具有巨大的應用潛力。
[0003]經(jīng)過SAR圖像目標檢測之后，我們可得到圖中有意義目標的數(shù)目等初步信息，但要知道圖像中目標的類別并識別具體目標名稱，就需要得到具體的形狀、尺寸等進一步信息，這就要對目標輪廓進行自動提取，而目標輪廓提取的關鍵是檢測目標的邊緣。由于局部像素灰度值不連續(xù)所以產(chǎn)生了圖像的邊緣，這在圖像分析過程中作用非常重要。在光學圖像的處理中，常用圖像像素灰度的一階或二階導數(shù)來進行圖像分割，這些邊緣檢測算子在對光學圖像進行處理時，對具有尖銳的中灰度值過渡、加性噪聲且較小的圖像具有較好的檢測效果。而SAR圖像中，存在著由于嚴重的乘性相干斑噪聲導致的圖像邊緣模糊、復雜，使得這些經(jīng)典算子在應用于SAR圖像提取邊緣時，很難得到令人滿意的效果。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的要解決的技術問題是:提供一種基于Snakes模型的提取SAR圖像目標輪廓方法，該方法利用Lee濾波方法對SAR原始圖像進行濾波，達到降噪的目的；使用灰度級變換提高邊緣對比度，使模糊的SAR圖像邊緣變得清晰；使用氣球力Snakes進行目標輪廓識別。
[0005]本發(fā)明的解決其技術問題所采用的技術方案為:在對SAR原始圖像進行濾波和灰度變換之后，利用改進的Snakes模型提取目標輪廓，從而在大場景中檢測出人造目標的輪廓，其具體步驟如下:
[0006](I)基于斑點噪聲模型，利用圖像局部統(tǒng)計特性，選擇一個窗口作為局部區(qū)域，使用Lee濾波法進行濾波；
[0007](2)對雜波抑制后的圖像的每個像素進行逐點運算，使用分段線性灰度變換法對圖像進行灰度變換；
[0008](3)對上述經(jīng)過灰度變換后的圖像，利用輪廓自身特征和圖像特征建立能量函數(shù)，并通過求解能量函數(shù)極小化問題，得到目標輪廓曲線。
[0009]本發(fā)明與現(xiàn)有技術相比的優(yōu)點在于:當直接對原始SAR圖像進行輪廓提取，得到圖2中的結(jié)果。這是因為SAR圖像存在嚴重的相干斑噪聲和邊緣模糊，Snakes輪廓曲線在各種參數(shù)下均無法準確收斂輪廓。較之于對原始SAR圖像進行輪廓提取的方法，本發(fā)明在輪廓提取之前，首先對SAR原始圖像使用Lee濾波的方法進行濾波，并使用灰度級變換以提高邊緣對比度。最后，較之于使用原始Snakes模型提取目標輪廓，本發(fā)明對經(jīng)過處理之后的SAR圖像使用氣球力Snakes模型進行輪廓提取，得到更加精確、合理的輪廓曲線?！緦＠綀D】

【附圖說明】
[0010]圖1基于Snakes模型的提取SAR圖像目標輪廓方法的流程圖；
[0011]圖2使用氣球力Snakes模型直接對SAR原始圖像進行輪廓提取的效果；
[0012]其中:a為原始圖像；b進行輪廓提取的結(jié)果圖；
[0013]圖3Lee濾波器設計流程圖；
[0014]圖4對實例進行濾波、灰度變換和輪廓提取的效果圖；
[0015]其中:a為原始圖像；b為Lee濾波后結(jié)果圖；c為灰度變換后的結(jié)果圖；d輪廓提取結(jié)果圖。
【具體實施方式】
[0016]下面結(jié)合附圖及【具體實施方式】詳細介紹本發(fā)明。
[0017]如圖1所示，本發(fā)明的基于Snakes模型的提取SAR圖像目標輪廓方法的具體實施步驟如下:
[0018](I)、根據(jù)輸入的SAR待測圖像，使用Lee濾波的方法進行濾波。SAR相干噪聲是一種乘性噪聲，即有:(k，I)是圖像像素的坐標，I(k，I)是實際得到的圖強強度(含有噪聲)，x(k, I)是一個平穩(wěn)隨機過程，描述了地面目標的雷達散射特性即原始信號，v(k, I)即為相
干斑噪聲，它是一個均值為1，方差為< 的平穩(wěn)白噪聲。乘性相干斑模型如下:
【權利要求】
1.一種基于Snakes模型的提取SAR圖像目標輪廓方法，其特征在于:包括以下幾個步驟: (1)基于斑點噪聲模型，利用圖像局部統(tǒng)計特性，選擇一個窗口作為局部區(qū)域，使用Lee濾波法進行濾波； (2)對雜波抑制后的圖像的每個像素的灰度值進行條件判斷和幅度調(diào)整，使用分段線性灰度變換法對雜波抑制后的圖像進行灰度變換； (3)利用輪廓自身特征和經(jīng)過灰度變換后圖像的特征建立能量函數(shù)，并通過求解能量函數(shù)極小化問題，得到目標輪廓曲線。
2.根據(jù)權利要求1所述的基于Snakes模型的提取SAR圖像目標輪廓方法，其特征在于:所述的步驟(1)中，根據(jù)輸入的SAR待測圖像，使用Lee濾波的方法進行濾波；SAR相干噪聲是一種乘性噪聲，即有:(k，I)是圖像像素的坐標，I (k, I)是實際得到的圖強強度，其中含有噪聲，x(k，I)是一個平穩(wěn)隨機過程，描述了地面目標的雷達散射特性即原始信號，v(k, I)即為相干斑噪聲，它是一個均值為1，方差為σν2的平穩(wěn)白噪聲；乘性相干斑模型如下:

3.根據(jù)權利要求1所述的基于Snakes模型的提取SAR圖像目標輪廓方法，其特征在于:所述的步驟(2)中，采用如下方式進行灰度變換: 灰度級變換不依賴于像素在圖像中的位置，而是逐個像素點進行條件判斷和幅度調(diào)整；一個變換T，將原來在范圍[pQ，pk]內(nèi)的亮度P變換為一個新的范圍[qQ，qk]內(nèi)q的亮度，由下式給出:
q = T (P) 本發(fā)明步驟(2)使用分段線性灰度變換法對雜波抑制后的圖像進行灰度變換，其變換函數(shù)表達式是:
4.根據(jù)權利要求1所述的基于Snakes模型的提取SAR圖像目標輪廓方法，其特征在于:所述的步驟(3)中，采用Cohen提出的氣球力Snakes模型； Cohen提出的Snakes模型的初始輪廓曲線由一系列控制點v (s) = [x (s)，y (s)],s G (0，I)組成，并定義以下能量函數(shù)為:

【文檔編號】G06K9/46GK103530636SQ201310502748
【公開日】2014年1月22日 申請日期:2013年10月23日 優(yōu)先權日:2013年10月23日
【發(fā)明者】高飛, 馬飛, 傅成城, 孫進平, 王俊 申請人:北京航空航天大學