基于数据驱动SAR溢油图像分割算法对比研究.docVIP

基于数据驱动SAR溢油图像分割算法对比研究 　　摘要：本文针对SAR图像中溢油区域的散射特点，首次将二维最大类间方差阈值分割算法应用于SAR溢油分割，并提出了一种基于改进二维最大类间方差的SAR溢油图像分割算法。基于ENVISAT ASAR溢油图像的实验结果表明，和经典最大熵以及原始二维最大类间方差分割算法相比，本文算法是一种抗噪性能好，分割精度高，运算速度快的SAR溢油图像阈值分割算法。 　　关键词：图像分割 阈值分割 溢油检测 2D-Otsu 　　中图分类号：TN957 文献标识码：A 文章编号：1007-9416（2014）02-0116-03 　　Abstract：On consideration of the scattering characters of the oil spill area in SAR image， this paper firstly applies the 2D-otsu threshold algorithm into the SAR image oil spill detection， and proposes an improved SAR image oil segmentation algorithm based on 2D-otsu. The comparisons results derived based on maximum entropy， 2D-Otsu and the proposed algorithm indicate that the improved one is a satisfied oil threshold segmentation method with better anti-noise performance， high segmentation accuracy and fast calculation speed. 　　Key Words：image segmentation threshold segmentation spill oil detection two-dimensional Otsu 　　1 前言 　　合成孔径雷达（synthetic aperture radar，SAR）因其具有全天候、全天时、覆盖面积大、空间分辨率高、成本低等优点，已经成为海面溢油检测的重要技术手段。在有油膜的海面，油膜抑制了能在海面产生足够毛细波和短重力波的Bragg共振波，从而降低了海面粗糙度；SAR信号在平滑的海面上发生镜面反射远离SAR传感器，从而导致SAR接收到的后向散射回波减小，油膜在SAR图像的灰度级低于周围海水背景的灰度级，最终呈现比背景水域相对灰暗的暗斑或条带特征[1]。海面溢油检测的主要任务是提取出图像中的暗斑或条带区域，把油膜和海水背景分割开来。图像分割是溢油检测的重要步骤，直接影响海面溢油检测的最终结果。基于数据驱动的SAR图像分割方法，直接利用SAR图像数据中包含的灰度、边缘、区域和纹理等信息进行分割处理，其中阈值法因其实现简单、计算量小、性能较稳定等优点被广泛采用。就阈值分割研究而言，目前主要集中在分割算法的改进和创新上，但对现有阈值分割算法的比较研究很少，本文结合SAR溢油图像特点，以ENVISATASAR溢油数据为例，首次将最大熵法、二维最大类间方差及改进二维最大类间方差三种阈值分割算法进行分析比较，检测不同阈值算法用于溢油检测的适用性。实验结果表明，本文算法是一种抗噪性能较好，分割精度高，运算速度快的溢油阈值分割方法。 　　2 SAR溢油图像阈值分割算法 　　2.1 二维最大类间方差分割 　　最大类间方差（Otsu）方法是Nobuyuki Otsu提出的一种经典的图像阈值分割方法。该方法以图像的一维直方图为依据，以目标和背景之间方差最大为准则，在图像质量较好的情况下能取得很好的阈值。但当图像的噪声较强时，由于该方法仅仅考虑了像素自身灰度，而没有考虑周围像素，因此噪声的存在会极大地影响分割效果[2]。针对最大类间方差算法抗噪性较差的缺点，有学者提出了下文的二维最大类间方差算法。 　　设一幅灰度级为的SAR溢油图像，处的灰度值为，该点周围邻域的平均灰度值为。设满足灰度和均值的像素个数为，并将归一化到灰度值表示范围内，得到如图1（a）所示的二维直方图图像。若图像像素为，则灰度点处的二维联合概率密度和直方图的均值向量分别为： 　　给定二维阈值向量，用一对正交直线可将二维直方图划分为四类长方形区域，对角线附近的区域0和1对应背景和目标，离对角线较远的区域2和3对应少量的强边缘及噪声，如图1（b）所示。 　　区域0和1的出现概率及均值向量分别为 　　假设区域2和3上所有概率都忽略不计，即满足。定义类间方差的表达式为： 　　上述方