基于小波能量分布的SAR图像分割.pdfVIP

2005年全国自动化新技术学术交流会会议论文集 基于小波能量分布的SAR图像分割 刘泉， 章国宝 0096) (东南大学自动化研究所，江苏南京21 摘要：采用基于小波能量分布的方法对合成孔径雷达(SyntheticApertureRadar，SAR)图像进 行无监督分割。从SAR图像的特点出发，首先对其进行对数变换把乘性噪声转化为加性噪声，然后 对图像进行平稳小波分解，对于分解后的各分量分解，以像素为中心构成子图像，根据这些子图形成 能量分布比例特征，最后对这些分量进行自动模糊C一均值(FCM)分类以得到最终的分割图像。实 验证明，本算法不但可以较好的分割出SAR图像中不同的纹理区域，而且可以保持良好区域细节。 关键词：合成孔径雷达；图像分割；模糊C一均值；平稳小波变换；能量分布比例 中圈分类号：TP753 文献标识码：A 0引言 合成孔径雷达(SAR)是一种全天候、多极化、多视角的现代高分辨率微波侧视成像雷达，在 国民经济和国防建设中有重要的应用…。但由于图像中包含了大量由于成像界面上散射点的相干回 波而造成的相干斑，使图像的分割工作变得相当复杂。 可用作SAR图像分割的特征包括灰度特征和纹理特征。对于前者人们已经提出了许多分割方法。 最初的方法是先对SAR图像滤波，减少斑点噪声的影响，然后运用与处理光学图像相似的方法来 对SAR图像进行分割12l。这种方法由于初始的滤波而容易导致图像细节特征的丢失，使得分割效果 下降。另外一些人利用SAR图像的统计特性对其进行分割，如图像的全局贝叶斯分割方法t1I，是利 用最大化后验分布概率来实现的。这种方法的不便之处在于模型的参数相互影响，调节不方便。 仅依靠灰度特征是很难实现的正确分割SAR图像，这是由于SAR图像反映的地物对雷达波的后 向散射特性，对于一个区域，即使它的后向散射特征是平稳的，但却显得好像是由许多不同的像素 组成的，这些点的像素值极其发散。尤其对于单视，同质区域的散射情况更严重。然而SAR图像的 纹理信息非常丰富，成像目标的不同形状和不同的物理特征在图像上表现为不同的纹理，这些都是 雷达区分不同物体的重要依据。另一方面由于人类视觉在时频空间上的多分辨特征，纹理元素的方 向以及他们的频率内容成为辨识的重要线索，这也促使研究者研究纹理能量在傅立叶域的分布|3I。 在不同大小的邻域上局部化纹理度量对分割是必须的，小波理论提供了在不同尺度上的频率分析， 因而付里叶变换的整体能量度量被在小波变换的局部化的能量度量所代替，基于小波能量度量的聚 类过程也以经用来分割图像14咱J。 在文献【6】和【7】中作者已经把小波分析引入到SAR雷达图像分割。结果表明基于小波频率分析的 分割方法在对SAR图像进行分割的同时很好的抑制了斑点噪声对图像的影响。本文也提出了一种以 小波分析为基础的无监督SARI药像分割方法，根据图像中不同。 本文第二部分介绍了如何根据小波分解形成小波能量比例分布特征，第三部分介绍了SAP．图像 的模型以及斑点噪声的模型，第四部分提出了FCM算法以及判断聚类数目的聚类有效性函数，第五 部分通过实验给出了本文算法对于图像分割的实际效果，最后部分得出本文的结论。 1小波能量比例分布特征 首先定义一个尺寸为M×N的图像的能量为【sl： 作者简介：刘泉(1981一)，男，东南大学自动控制系硕士研究生 156 2005年全国自动化新技术学术交流会会议论文集 疋 妙 = 篇 M∑嘲 Ⅳ∑州 对不同特征的图像具有不同的能量。 根据多分辨率理论，对于二维的图像，经过小波变换就可以得到4个四分之一大小的子图像， 行高通滤波。而二层以上的分解都是对前一层的LL图像进行类似于第一层对于原始图像的分解， 但其他层所得的结果不变。按照上面的分解，每次分解，图像的长和宽都因向下抽样变成原来的一 半，而向下抽样的不便还在于它不能保持平移不变性19J。所以在此我们使用平稳小波变换，这样没 有向下抽样，所得的子图像的大小和原图像的大小相等。本文中就是使用平稳小波变