摘 要： 由于合成孔徑雷達(dá)(SAR)圖像易受相干斑噪聲的影響，光學(xué)圖像的分割方法并不適用于SAR圖像，更不能獲得精確的分割結(jié)果對比，因此，首先基于GA0統(tǒng)計(jì)模型定義能量映射函數(shù)以代替像素值進(jìn)行后續(xù)處理，減小相干斑的影響；其次，使用水平集算法對處理后的圖像進(jìn)行分割處理,選用了一種形式更為簡單的水平集函數(shù)，并可以較容易地推廣到多區(qū)域SAR圖像分割情況。實(shí)驗(yàn)結(jié)果表明,該方法可以減少相干斑噪聲對SAR圖像分割過程的不良影響，具有較好的準(zhǔn)確性。
關(guān)鍵詞： SAR；GA0統(tǒng)計(jì)模型； 能量映射函數(shù)； 水平集； 多區(qū)域SAR圖像
合成孔經(jīng)雷達(dá)SAR(Synthetic Aperture Radar)圖像感興趣區(qū)域和目標(biāo)的分割問題是雷達(dá)遙感圖像應(yīng)用領(lǐng)域的重要研究內(nèi)容之一。受SAR圖像成像機(jī)理中固有相干斑噪聲的影響，目前很多方法不能適用于SAR圖像或需要通過預(yù)處理抑制相干斑噪聲[1-3]。這些預(yù)處理方法在抑制相干斑噪聲的同時(shí)，不可避免地模糊了感興趣區(qū)域和目標(biāo)的邊緣信息,影響了分割效果。
在處理斑點(diǎn)噪聲時(shí)，一般需要統(tǒng)計(jì)模型對SAR圖像進(jìn)行精確建模，該方法利用了圖像的統(tǒng)計(jì)信息，可以與水平集方法相結(jié)合實(shí)現(xiàn)SAR圖像的分割[4]。在SAR圖像分割問題中，基于分段常值模型的水平集方法組成了一類重要的算法[5-6]。水平集方法利用圖像的區(qū)域信息可以適應(yīng)拓?fù)浣Y(jié)構(gòu)的變化，算法穩(wěn)定性高，并解決了多區(qū)域SAR圖像的分割問題[7]。
通過迭代計(jì)算上述過程，最終可以實(shí)現(xiàn)SAR圖像的兩區(qū)域和多區(qū)域分割。
2 實(shí)驗(yàn)結(jié)果與分析
本文和參考文獻(xiàn)[8]中使用了相同的水平集函數(shù)進(jìn)行SAR圖像分割，為了驗(yàn)證本文方法的有效性,模擬SAR圖像和真實(shí)SAR圖像分割，并將兩種方法作對比。首先對模擬SAR圖像進(jìn)行分割實(shí)驗(yàn)，然后在真實(shí)SAR圖像上進(jìn)行實(shí)驗(yàn)。大量的實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的水平集方法具有較好的分割性能。
在實(shí)驗(yàn)中，本文方法的參數(shù)設(shè)置為：每個(gè)像素的能量映射函數(shù)的參數(shù)以該像素為中心取一個(gè)5×5區(qū)域進(jìn)行計(jì)算。多次實(shí)驗(yàn)表明，該參數(shù)可以在避免每個(gè)像素受周圍像素的平滑影響，降低區(qū)分度的同時(shí)，能夠保證結(jié)果的穩(wěn)健性。圖1為模擬SAR圖像實(shí)驗(yàn)結(jié)果。模擬SAR圖像的生成，是分別將方差為0.005和0.008的斑點(diǎn)噪聲加到一幅合成圖像中得到的。第1列為原模擬SAR圖像，第2列為參考文獻(xiàn)[8]方法的分割結(jié)果，第3列為本文方法的分割結(jié)果。對結(jié)果分析可知，當(dāng)斑點(diǎn)噪聲較小時(shí)(方差為0.005)，兩種方法都能分割出目標(biāo)，但前者更容易受相干斑影響，隨著斑點(diǎn)噪聲的增強(qiáng)(方差為0.008)，參考文獻(xiàn)[8]方法的分割結(jié)果開始出現(xiàn)較大誤分割。雖然模擬SAR圖像中邊緣隨著斑點(diǎn)噪聲的增強(qiáng)而變得模糊，本文改進(jìn)的水平集方法很好地降低了斑點(diǎn)噪聲的影響，將目標(biāo)輪廓很好地分割出來。
為了驗(yàn)證本文方法對真實(shí)SAR圖像分割的有效性，針對真實(shí)SAR圖像進(jìn)行試驗(yàn)與分析。真實(shí)SAR圖像分割選用兩組ALOS-PAL SAR圖像進(jìn)行實(shí)驗(yàn)。第一組為2008年“5.12”汶川地震前后安縣上游水庫圖像，圖像大小均為233×240，其中震前圖像拍攝于2008年2月17日，震后圖像拍攝于2008年5月19日；第二組圖像為綿陽市涪江上游白水湖震前和震后圖像，震前圖像拍攝于2008年2月17日，圖像大小為205×240，震后圖像拍攝于2008年5月19日，圖像大小為232×240。圖2給出了兩種方法所得的分割結(jié)果。其中第1列為原始圖像，第2列為使用參考文獻(xiàn)[8]方法得到的真實(shí)SAR圖像分割結(jié)果，第3列是使用本文方法得到的分割結(jié)果。從實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)的水平集方法的分割結(jié)果明顯優(yōu)于參考文獻(xiàn)[8]方法的分割結(jié)果。特別是當(dāng)真實(shí)SAR圖像中目標(biāo)的輪廓較復(fù)雜和模糊時(shí)，參考文獻(xiàn)[8]方法已不能將目標(biāo)輪廓完整正確地分割出來，而本文方法能夠很好地做到這一點(diǎn)。其原因是在對真實(shí)SAR圖像分割時(shí)，本文方法使用能夠很好描述SAR圖像的統(tǒng)計(jì)模型對圖像進(jìn)行建模，利用能量映射函數(shù)降低了斑點(diǎn)噪聲的影響，這使得水平集方法可以直接應(yīng)用到經(jīng)過處理的圖像數(shù)據(jù)，從而得到精確的結(jié)果。
多區(qū)域SAR圖像的改進(jìn)水平集分割方法首先使用GA0模型定義能量映射函數(shù)以特征化每個(gè)像素，該方法使用能量映射函數(shù)值代替像素值進(jìn)行后續(xù)處理，即由每個(gè)像素的能量映射函數(shù)值作為像素值構(gòu)建“新”的圖像，減小了相干斑影響，也使得應(yīng)用到光學(xué)圖像、醫(yī)學(xué)圖像上的分割方法不經(jīng)較大修改即可處理該圖像，然后結(jié)合水平集方法，可以很好地實(shí)現(xiàn)SAR圖像的分割。通過大量的實(shí)驗(yàn)并與參考文獻(xiàn)[8]方法相對比，證明了該方法的有效性和適用性。
參考文獻(xiàn)
[1] 劉建科，李洋. 低對比度手指靜脈圖像的分割[J]. 電子技術(shù)應(yīng)用，2012，38(12)：123-125.
[2] 劉源，李小霞. 基于圖論的多特征遙感圖像區(qū)域分割方法[J].微型機(jī)與應(yīng)用，2013,32(7):36-39.
[3] 李波，梁攀，關(guān)沫.一種基于邊緣提取的交互式圖像分割算法[J].微型機(jī)與應(yīng)用，2013,32(10):41-44.
[4] Feng Jilan, Cao Zongjie, Pi Yiming. Multiphase SAR image segmentation with GA0-statistical-model-based active contours[J]. IEEE Transactions on Geoscience and Remote Sensing,2013,51(7):4190-4199.
[5] REGIS C， MARQUES P, FATIMA N, et al. SAR image segmentation based on level set approach and GA0 model[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012,34(10):2046-2057.
[6] VESE L, CHAN T. A multiphase level set framework for image segmentation using the Mumford and Shah model[J].International Journal of Computer Vision, 2002,50(3):271-293.
[7] AYED I B, MITICHE A, et al.. Multiregion level-set partitioning of synthetic aperture radar images[J].IEEE Transaction on Pattern Analysis and Machine Intelligence, 2005,27(5):793-800.
[8] AYED I B, MITICHE A. A partition constrained minimization scheme for efficient multiphase level set image segmentation[C]. IEEE International Conference on Image Processing, 2006:1641-1644.
[9] FRERY A C, MULLER H J, et al. A model for extremely heterogeneous clutter[J]. IEEE Transaction on Geoscience and Remote Sensing, 1997,35(3):648-659.
[10] FRERY A C, NASCIMENTO A D C, et al. Contrast in speckled imagery with stochastic distances[C]. Proceedings of 2010 IEEE 17th International Conference on Image Processing, Hong Kong, 2010:69-72.