一种新的SAR目标及其阴影图像分割方法.pdfVIP

《自动化技术与应用》2012年第31卷第1期 模 式 识 另U与 仿 真 图像计算 目标和阴影两个阈值并分割 ，中值滤波消除部 分割闽值。本文方法首先利用Wiener滤波减4,~1t下斑 分错误分割的像素点 。最后通过形态学闭运算连接距 对原始SAR图像的影响，然后计算分割阀值：设 r，为 目 离较近的断裂结构，分别保留具有最大连通部分的目标 标分割阈值 ，r。为 阴影分割阈值，则 和阴影分割区域 ，填充内部空洞，得到最终分割结果。 = +Kt‘ (6) = 一K o‘5 (7) 原始 卜叵 懂 受 其 中， 、 分别是整幅图像 的均值和标准差 ， t、 分别是图像中背景区域的均值和标准差， ，、 分割—-_1及填充r1闭运算r1滤波r母_]租竹刮 为经验确定的实系数。 闽值分割规则如下： 图1 分割方案流程图 『-^(n，，z) (，)为阴影 {-^(，z．，) (n，，)为背景 2．1 空域Wiener滤波 I-^(，z，n) (F／1n)为日标 设 图像的观测信号为 j(，：)为像素点(n。，n)灰发值。 (l，，z2)=s(n1，112)+w(nl，n2) (1) 这样确定的分割闽值 ，考虑了不同环境、不同成像 其中 (，z。，)是原图像信号，w(n，，z：)是加性噪声， 角度、雷达至 目标不同距离、雷达功率波动等因素造成 二者均为零均值平稳随机过程。将 (，)、w(．，n) SAR图像幅值变化的影响，避免了固定闽值不适用于幅 的方差分别记为 、 ，则观测信号x(n，n：)方差 1 1 1 值变化很大 图像的缺点。 o o：+o-；o 2．3 形态学处理 ‘ Wiener滤波根据 图像局部方差调整滤波器输出。 对Wiener滤波后的图像计算两个分割闽值 ，完成H 空域Wiener滤波器可表示为 标和阴影的粗分割。因为 目标 、阴影和背景的灰度汽方 (，，z)=V等 (，n) 2() 图之间存在重叠，粗分割结果中含有伪 目标点和伪阴影 点，同时目标和阴影区域 内部也存在断裂结构和窄涧 ， (，n)是单位冲激函数。 可通过形态学处理、改善分割效果。 从观测信号恢复图像 首先利用 中值滤波去除大部分伪 口标点和伪 阴影 L^(，z，，z：)=(，，z：)三三互 (3) 点。然后对分割结果作形态学闭运算 ，连接断裂结构 ， U