本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種SAR海冰圖像分割方法及系統(tǒng)。

背景技術(shù)：

海冰信息對高緯度地區(qū)特別是極地地區(qū)的水文、大氣熱循環(huán)、洋流和生態(tài)系統(tǒng)都有著極其重大的影響。一旦海冰擴(kuò)張，將導(dǎo)致封港，航道堵塞，船舶受損等問題，因此，實(shí)現(xiàn)快速、準(zhǔn)確、實(shí)時(shí)的海冰監(jiān)測對船舶安全有效航行十分重要。合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)系統(tǒng)不受氣候條件及日照的影響，可以全氣候全天時(shí)對海冰情況進(jìn)行監(jiān)測，目前已經(jīng)成為海冰監(jiān)測最為有效的工具。而SAR海冰圖像分割在對海冰圖像進(jìn)行處理的過程中，占據(jù)重要地位。但在SAR海冰圖像中，其特有的斑點(diǎn)噪聲導(dǎo)圖像十分模糊，這使得人們難以準(zhǔn)確判別海冰的位置及形狀。因此，針對SAR海冰圖像進(jìn)行分割成為圖像處理領(lǐng)域研究的熱點(diǎn)及難點(diǎn)問題。

在SAR海冰圖像分割方面，已經(jīng)提出了許多方法，包括：閾值方法、聚類方法、結(jié)合邊緣檢測和區(qū)域合并混合方法、基于馬爾科夫隨機(jī)場方法等。由于SAR系統(tǒng)特殊成像機(jī)制使得SAR圖像產(chǎn)生特有的斑點(diǎn)噪聲，各像素的灰度呈現(xiàn)更大的不確定性，經(jīng)學(xué)者研究發(fā)現(xiàn)，模糊理論較為適合研究這種不確定性。而模糊C均值(FCM)聚類算法是模糊聚類分析中的經(jīng)典算法，因此常采用FCM來處理SAR海冰圖像。但由于傳統(tǒng)的FCM采用指數(shù)加權(quán)的方式表示其模糊程度，而指數(shù)加權(quán)沒有明確的物理解釋，因此采用KLFCM(Kullback-Lerbler informationFCM，KLFCM)算法來代替?zhèn)鹘y(tǒng)的FCM算法，該算法將KL信息以算術(shù)加權(quán)的方式引入FCM算法目標(biāo)函數(shù)中，以表示分割模糊程度。但KLFCM是一種基于像素的模糊聚類圖像分割方法，難以完全消除SAR圖像的斑點(diǎn)噪聲。為解決該問題，提出結(jié)合規(guī)則劃分和KLFCM的方法進(jìn)行SAR海冰圖像分割。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種SAR海冰圖像分割方法及系統(tǒng)。

一種SAR海冰圖像分割方法，其特征在于，包括：

步驟1：讀取待分割SAR海冰圖像域；

步驟2：將待分割SAR海冰圖像域進(jìn)行規(guī)則劃分，劃分成若干個像素大小為m×m的子塊；

步驟3：采用模糊聚類算法對待分割SAR海冰圖像域初步分割；

步驟4：對初步分割結(jié)果進(jìn)行中值濾波處理，得到SAR海冰圖像分割結(jié)果。

所述步驟3是采用KLFCM算法對待分割SAR海冰圖像域初步分割。

所述步驟4中對初步分割結(jié)果進(jìn)行中值濾波處理，具體步驟如下：

步驟4.1：設(shè)定窗口大??；

步驟4.2：選取初步分割結(jié)果中某一像素點(diǎn)，以該像素點(diǎn)為窗口中心，將窗口內(nèi)所有像素點(diǎn)的灰度值排序，并用排序后的灰度值中值替代該像素點(diǎn)的灰度值，對初步分割結(jié)果中所有像素點(diǎn)執(zhí)行此過程，得到中值濾波處理結(jié)果。

本發(fā)明還提供一種SAR海冰圖像分割系統(tǒng)，包括：

圖像讀取模塊：讀取待分割SAR海冰圖像域；

規(guī)則劃分模塊：將待分割SAR海冰圖像域進(jìn)行規(guī)則劃分，劃分成若干個像素大小為m×m的子塊；

初步分割模塊：采用聚類算法對待分割SAR海冰圖像域初步分割；

中值濾波模塊：對初步分割結(jié)果進(jìn)行中值濾波處理，得到SAR海冰圖像分割結(jié)果。

所述初步分割模塊：采用KLFCM算法對待分割SAR海冰圖像域初步分割。

所述中值濾波模塊，包括：

窗口設(shè)定模塊：設(shè)定窗口大?。?/p>

處理模塊：選取初步分割結(jié)果中某一像素點(diǎn)，以該像素點(diǎn)為窗口中心，將窗口內(nèi)所有像素點(diǎn)的灰度值排序，并用排序后的灰度值中值替代該像素點(diǎn)的灰度值，對初步分割結(jié)果中所有像素點(diǎn)執(zhí)行此過程，得到中值濾波處理結(jié)果。

有益效果：

1、傳統(tǒng)的KLFCM分割方法難以克服SAR海冰圖像特有的斑點(diǎn)噪聲，本發(fā)明將規(guī)則劃分的方法與其進(jìn)行結(jié)合，從很大程度上減少了噪聲對分割結(jié)果的影響。

2、由于規(guī)則劃分對邊緣擬合效果較差，本發(fā)明又將中值濾波的方法與前兩種方法相結(jié)合，進(jìn)行后處理操作，不僅較好的實(shí)現(xiàn)了對邊緣的擬合，而且完全消除了噪聲對SAR海冰圖像的影響，得到了精度極高的分割結(jié)果。

3、該方法易于實(shí)現(xiàn)，且速度較快，適用于大尺度圖像。

附圖說明

圖1是本發(fā)明具體實(shí)施方式中SAR海冰圖像分割方法流程圖；

圖2是本發(fā)明具體實(shí)施方式中規(guī)則劃分示意圖，(a)為SAR海冰圖像域的規(guī)則劃分，(b)規(guī)則劃分結(jié)果；

圖3是本發(fā)明具體實(shí)施方式中步驟3的具體流程圖；

圖4是本發(fā)明具體實(shí)施方式中步驟4的具體流程圖；

圖5為本發(fā)明具體實(shí)施方式中SAR海冰圖像，(a)為含有4個同質(zhì)區(qū)域的模板，(b)為合成模擬圖像；

圖6為本發(fā)明具體實(shí)施方式中的實(shí)驗(yàn)結(jié)果，(a)表示本發(fā)明方法分割結(jié)果，(b)表示對比方法的分割結(jié)果；

圖7為本發(fā)明具體實(shí)施方式中本發(fā)明方法的視覺評價(jià)結(jié)果，(a)表示分割結(jié)果的輪廓線，(b)表示將輪廓線與原圖疊加結(jié)果；

圖8為本發(fā)明具體實(shí)施方式中對比方法的視覺評價(jià)結(jié)果，(a)表示分割結(jié)果的輪廓線，(b)表示將輪廓線與原圖疊加結(jié)果；

圖9(a)～(b)分別為本發(fā)明具體實(shí)施方式中的兩幅真實(shí)SAR海冰圖像；

圖10(a)～(b)分別為兩幅真實(shí)SAR海冰圖初步分割結(jié)果；

圖11(a)～(b)分別為兩幅真實(shí)SAR海冰圖最終分割結(jié)果；

圖12(a)～(b)分別為提取兩幅真實(shí)SAR海冰圖像分割結(jié)果的輪廓線，(c)、(d)分別為將輪廓線與真實(shí)SAR海冰圖像疊加結(jié)果；

圖13為本發(fā)明具體實(shí)施方式中SAR海冰圖像分割系統(tǒng)框圖；

圖14為本發(fā)明具體實(shí)施方式中中值濾波模塊框圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式做詳細(xì)說明。

一種SAR海冰圖像分割方法，如圖1所示，包括：

步驟1：讀取待分割SAR海冰圖像域；

待分割SAR海冰圖像域D中像素點(diǎn)(x_i，y_i)的灰度值集合為z＝{z_i＝z(x_i，y_i)；i＝1，...，n，(x_i，y_i)∈D}，其中(x_i，y_i)為定義在待分割SAR海冰圖像域D上像素點(diǎn)，i為像素點(diǎn)索引，n為總像素?cái)?shù)，z_i為第i個像素點(diǎn)的灰度值。

步驟2：將待分割SAR海冰圖像域進(jìn)行規(guī)則劃分，劃分成若干個像素大小為m×m的子塊；如圖2所示，(a)為SAR海冰圖像域的規(guī)則劃分，(b)規(guī)則劃分結(jié)果；利用規(guī)則劃分將D劃分成N個含m×m個像素規(guī)則子塊P_j，D＝{P_j，j＝1，...，N}，其中，N＝n/m²，本實(shí)施方式中每個子塊含4×4個像素；

步驟3：采用KLFCM算法對待分割SAR海冰圖像域初步分割；

具體步驟如圖3所示：

步驟3.1：定義目標(biāo)函數(shù)J；

$J=\underset{j=1}{\overset{N}{\Σ}}\underset{k=1}{\overset{c}{\Σ}}{u}_{jk}{d}_{jk}+\mathrm{\λ}\underset{j=1}{\overset{N}{\Σ}}\underset{k=1}{\overset{c}{\Σ}}{u}_{jk}\log \frac{u_{jk}}{{\mathrm{\π}}_k}$

其中，u_jk為第j個子塊對第k個聚類的隸屬度，0≤u_jk≤1，其中，k∈{1，...，c}為聚類索引，c為總聚類數(shù)，設(shè)其為可變量，λ為參數(shù)；所有u_jk構(gòu)成模糊隸屬度矩陣U＝[u_jk]_N×c，而U描述了對待分割SAR海冰圖像域D的模糊分割即初步分割；

d_jk為第j個子塊與第k個聚類中心的非相似性測度，利用歐式距離定義d_jk＝||x_j-v_k||₂，其中，x_j為子塊P_j的平均灰度值，v_k為聚類中心；d_jh為第j個子塊與第h個聚類中心的非相似性測度；

π_k為第k個聚類的控制聚類尺度參數(shù)，π_h為第h個聚類的控制聚類尺度參數(shù)；

步驟3.2：設(shè)置KLFCM算法各參數(shù)：循環(huán)迭代指示器t＝0、聚類數(shù)c即待分割SAR海冰圖像域中的類別數(shù)和迭代停止條件參數(shù)ε；

步驟3.3：隨機(jī)初始化隸屬度函數(shù)u_jk⁽⁰⁾和目標(biāo)函數(shù)J⁽⁰⁾＝0，將隸屬度函數(shù)u_jk⁽⁰⁾反模糊化，得到每個子塊的所屬類別；

步驟3.4：根據(jù)隸屬度函數(shù)u_jk^(t)計(jì)算控制聚類尺度參數(shù)π_k^(t+1)；

步驟3.5：將目標(biāo)函數(shù)J^(t)對聚類中心v_k^(t+1)求導(dǎo)，并令其等于零，得到聚類中心v_k^(t+1)，根據(jù)聚類中心v_k^(t+1)計(jì)算非相似性測度d_jk^(t+1)；

步驟3.6：將目標(biāo)函數(shù)J^(t)對隸屬度函數(shù)u_jk^(t+1)求導(dǎo)，并令其等于零，得到隸屬度函數(shù)u_jk^(t+1)，$u_{jk}=\frac{{\mathrm{\π}}_k\exp (-(1/\mathrm{\λ}\left)d_{jk}\right)}{\underset{h=1}{\overset{c}{\Σ}}{\mathrm{\π}}_h\exp (-(1/\mathrm{\λ}\left)d_{jh}\right)};$

步驟3.7：計(jì)算目標(biāo)函數(shù)J(^t+1)，如果max|J^(t)-J^(t+1)|<ε，退出循環(huán)，得到初步分割結(jié)果，否則令t＝t+1并返回步驟3.4繼續(xù)迭代。

步驟4：對初步分割結(jié)果進(jìn)行中值濾波處理，得到SAR海冰圖像分割結(jié)果。

所述步驟3是采用KLFCM算法對待分割SAR海冰圖像域初步分割。

所述步驟4中對初步分割結(jié)果進(jìn)行中值濾波處理，如圖4所示，具體步驟如下：

步驟4.1：設(shè)定窗口大小(2a+1)×(2a+1)，其中a＝{1，2…}，為自定義常數(shù)；

步驟4.2：選取初步分割結(jié)果圖像中(s，l)像素點(diǎn)，其中s、l分別為行索引和列索引，s＝1，...，nl，l＝1，...，n2，n1，n2為分別為初步分割結(jié)果圖像中的行數(shù)和列數(shù)，以該像素點(diǎn)為窗口中心，將窗口內(nèi)所有像素點(diǎn)的灰度值排序，并用排序后的灰度值中值替代該像素點(diǎn)的灰度值，直到對初步分割結(jié)果中所有像素點(diǎn)都執(zhí)行此操作，處理結(jié)束。

本發(fā)明還提供一種SAR海冰圖像分割系統(tǒng)，如圖13所示，包括：

圖像讀取模塊：讀取待分割SAR海冰圖像域；

規(guī)則劃分模塊：將待分割SAR海冰圖像域進(jìn)行規(guī)則劃分，劃分成若干個像素大小為m×m的子塊；

初步分割模塊：采用聚類算法對待分割SAR海冰圖像域初步分割；

中值濾波模塊：對初步分割結(jié)果進(jìn)行中值濾波處理，得到SAR海冰圖像分割結(jié)果。

所述初步分割模塊：采用KLFCM算法對待分割SAR海冰圖像域初步分割。

所述中值濾波模塊，如圖14所示，包括：

窗口設(shè)定模塊：設(shè)定窗口大小；

處理模塊：選取初步分割結(jié)果中某一像素點(diǎn)，以該像素點(diǎn)為窗口中心，將窗口內(nèi)所有像素點(diǎn)的灰度值排序，并用排序后的灰度值中值替代該像素點(diǎn)的灰度值，對初步分割結(jié)果中所有像素點(diǎn)執(zhí)行此過程，得到中值濾波處理結(jié)果。

本實(shí)施方式中設(shè)計(jì)一個如圖5(a)所示的含有4個同質(zhì)區(qū)域的模板，并根據(jù)模板和表1中參數(shù)合成一幅如圖5(b)所示的模擬圖像，分別應(yīng)用本發(fā)明方法和對比方法(KLFCM)對模擬圖像進(jìn)行分割。

表1

實(shí)驗(yàn)結(jié)果如圖6所示，其中圖6(a)表示本發(fā)明方法的分割結(jié)果，圖6(b)表示對比方法分割結(jié)果。圖7為本發(fā)明方法的視覺評價(jià)結(jié)果，(a)表示分割結(jié)果的輪廓線，(b)表示將輪廓線與原圖疊加結(jié)果；圖8為本發(fā)明具體實(shí)施方式中對比方法的視覺評價(jià)結(jié)果，(a)表示分割結(jié)果的輪廓線，(b)表示將輪廓線與原圖疊加結(jié)果；根據(jù)模板圖像，對這兩種方法的分割結(jié)果采取混淆矩陣的方式進(jìn)行定量評價(jià)，結(jié)果如表2所示。

表2

為了進(jìn)一步驗(yàn)證方法的有效性，對如圖9(a)、(b)所示的2幅真實(shí)SAR海冰圖像進(jìn)行實(shí)驗(yàn)，圖10(a)、(b)為對2幅真實(shí)SAR海冰圖像初步分割結(jié)果，根據(jù)結(jié)果可以看出，初分割取得了較好的實(shí)驗(yàn)結(jié)果，基本將SAR圖像的斑點(diǎn)噪聲消除，僅剩一小部分噪聲，以及邊緣還不是特別平滑；圖11(a)、(b)為實(shí)驗(yàn)最終分割結(jié)果，從最終結(jié)果可以看出，不僅噪聲完全被消除，而且邊界也變得較為平滑。對2幅真實(shí)SAR海冰圖像最終分割結(jié)果的視覺評價(jià)結(jié)果如圖12所示，其中圖12(a)、(b)為提取分割結(jié)果輪廓線，圖12(c)、(d)為將輪廓線與真實(shí)SAR海冰圖像疊加的結(jié)果，從疊加結(jié)果中可以看出，進(jìn)行濾波后的邊界線更好的擬合了真實(shí)SAR圖像。

以上所述的具體實(shí)施例，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。