基于Gaussian-Hermite矩SAR图像分割.pdfVIP

- 1 - 基于Gaussian-Hermite 矩的SAR 图像分割1 孙莉，张艳宁 西北工业大学计算机科学与工程系，西安 （710072 ） E-mail ：sl_lxa@ 摘 要：图像分割在SAR 图像处理中占有很重要的位置。提出了一种基于Gaussian-Hermite 矩的 SAR 图像分割方法。针对合成孔径雷达（SAR ）图像斑点噪声对现有分割方法带来的 影响，利用 Gaussian-Hermite 矩的不同阶矩并结合 SAR 图像特征将目标从含噪背景中分割 出来。实验部分同时采用了仿真数据和实测SAR 数据上，通过与小波能量等5 种方法的分 割结果进行比较，显示出了此方法的有效性。 关键词：SAR(Synthetic Aperture Radar)；Gaussian-Hermite 矩；分割 1 引言 合成孔径雷达（Synthetic Aperture Radar, SAR ）图像分割是进行自动目标识别及 SAR 图 像信息处理的关键技术，但是 SAR 图像斑点噪声的存在使得 SAR 图像分割方法对传统光学 分割方法提出了严峻的挑战，许多标准的图像分割方法应用于 SAR 图像很难得到满意的效 果。到目前为止，针对 SAR 图像的特点，人们提出了许多相应的分割方法，这些方法总体 [1] [2] 上可分为两种思路：（1）首先对图像降噪（例如Lee 滤波 、Gamma MAP 滤波 等），然后 再进行分割，如 Y.Dong 等利用 MRF 完成 SAR 图像的分割[3] 。这种思路的主要缺点是在降 噪过程中，不可避免的导致一定量的目标和结构信息的损失，而影响最终的分割效果。（2 ） 针对思路（1）的缺点，有学者提出根据 SAR 图像中像素的强度信息和结构信息，利用适当 的算法在图像分割的过程中抑制斑点[4] 。该算法既保持了图像的结构和分辨率，同时抑制了 [10] 斑点噪声，因此，近年来关于 SAR 图像分割的研究主要集中在第二种思路上 。 基于第二种思路，本文提出了一种针对于 SAR 图像分割的方法。利用Gaussian-Hermite Moment (GHM)作为原始 SAR 图像的特征，来分割图像以提取有用的目标。其中，奇数阶 矩可有效增强边缘信息，偶数阶矩则增强了目标的有用信息。而且，高斯函数和 Hermite 多 项式的结合使用从一定程度上抑制了噪声，减少了窗口边缘信息的损失。因此本方法能够在 分割 SAR 图像的过程中，降低噪声的同时保留细节信息。 2 Gaussian-Hermite 矩（GHM ） 2.1 GHM 的定义 为了更好的表达噪声图像的局部特征，Shen[5][6]等人借鉴天文学中对星云的计算方法， 提出了具有平滑作用的 Gaussian-Hermite 矩。该矩区别于以往的几何矩和正交矩均使用正交 多项式或者更复杂的正交函数作为变换核，相比而言，GHM 产生更少的冗余信息。 假设一个高斯平滑函数g (x ,σ ) ，其表达式如下： g (x,σ ) (2πσ 2 )−1 2 exp(=−x 2 2σ 2 ) （1） 而对于一维信号S (x) 的n 阶平滑 GHM 定义为： 1本课题得到基金项目：博士点基金（No.20040699034 ）的资助。 - 1 -