高分SAR图像分割计算性能和精度优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113838057A(43)申请公布日2021.12.24(21)申请号202111123415.4(22)申请日2021.09.24(71)申请人刘文平地址325300浙江省温州市文成县建设路317号(72)发明人刘文平(51)Int.Cl.G06T7/10(2017.01)G06T7/143(2017.01)G06T5/00(2006.01)G06T5/20(2006.01)G06T1/20(2006.01)G06K9/62(2006.01)权利要求书4页说明书14页附图7页(54)发明名称高分SAR图像分割计算性能和精度优化方法(57)摘要本申请高分SAR图像分割计算性能和精度优化方法，采用基于均匀非局部滤波的降噪前置处理、融合多重参考的分割以及基于CPU+GPU异构模式的实现，在降噪前置处理环节，通过对均匀非局部滤波进行改进，能够更好的作用于高分辨率SAR图像，在分割方法上采用JSM循环迭代的融合多重参考模型实现方法，运算效率更高，与此同时，采用基于CPU+GPU的异构模型，对降噪和分割这两个环节的计算进行加速，从而达到提升精度的同时提升性能的目的，通过实验数据的对比分析，得出在分割前进行降噪前置处理，能够使得分割结果更精确，且降噪效果越好，分割结果也越好；同时实验得出，基于GPU的并行化计算能够比串行运行速率有大幅度提升。CN113838057ACN113838057A权利要求书1/4页1.高分SAR图像分割计算性能和精度优化方法，其特征在于：分割精度上，在对SAR图像分割之前增加降噪前置处理环节，通过降噪减少SAR图像噪声对分割结果的影响，提升SAR图像分割的精度，降噪前置处理环节采用基于均匀非局部滤波的降噪方法，在降噪的同时能够充分利用图像中的信息保留纹理及边缘，通过将SAR图像乘性噪声经对数转化为加性噪声，将均匀非局部滤波作用在SAR图像上，此外，还通过梯度分组法确保在冗余较小的图像中，均匀非局部滤波也能得到良好的效果；在SAR图像分割算法的性能优化上，采用融合多重参考模型的图像分割方法，本申请基于CPU+GPU异构模型，提高融合多重参考模型的图像分割方法的性能，有效利用GPU的资源，将大量重复且相互独立的计算部分放入GPU中并行计算；高分SAR图像分割计算性能和精度优化方法整体架构包含两个模块：降噪前置处理和SAR图像分割：降噪前置处理模块：基于均匀非局部滤波降噪法，通过对输入的含有噪声的SAR图像进行降噪处理，产出并生成降噪后的SAR图像，降噪前置处理关键步骤为梯度分组和像素单元近似度的计算，其中近似度计算交由GPU完成，实现CPU+GPU异构模式下串行和并行相结合的方法；SAR图像分割模块：在基于前一个降噪前置处理模块产出的降噪SAR图像上，采用融合多重参考模型的分割方法，通过将图像分割问题转化为求解最大后验概率，并通过JSN迭代法来计算最大后验概率，而在JSN迭代中又通过计算每个像素点的代价来作为下次迭代的输入，其中每个像素单元代价的计算放入GPU中并行计算以获得性能的提升。2.根据权利要求1所述的高分SAR图像分割计算性能和精度优化方法，其特征在于，基于均匀非局部滤波的SAR图像降噪方法：在处理冗余小的图像的问题时，对SAR图像进行梯度分组，仅对梯度相近的点进行均匀非局部计算，点(x,y)的梯度值由下列式子计算得到：其中g()表示梯度算子，f()表示图像函数，两点之间近似度越高，则梯度值越趋近0：即点i和点k之间近似的前提为，在某梯度下两点之间的梯度差趋近于0,解决在冗余小的图像中，均匀非局部法无法得到满意的效果的问题，通过对图像中每个点进行梯度划分，只计算在同一梯度或相近梯度下点的权值，大幅降低计算量。3.根据权利要求2所述的高分SAR图像分割计算性能和精度优化方法，其特征在于，乘性噪声转化加性噪声：SAR图像的噪声为乘性噪声，用以下公式表达：J＝T×m其中J表示实际观测得到的SAR图像，T表示未受到噪声影响的原始SAR图像，m表示与原始SAR图像相互独立的随机噪声，m服从伽玛分布，将上式进行数学对数转换：In(J(x,y))＝In(T(x,y))+In(m(x,y))式中的x和y均代表像素单元，SAR回波数据近似于对数正态分布，通过对参数的调整，通过均匀非局部滤波来为转化为加性噪声后的SAR图像数据降噪，本申请最后还需要调整滤波结果，对其进行指数变换，从而恢复SAR图像的原始特性。4.根据权利要求1所述的高分SAR图像分割计算性能和精度优化方法，其特征在于，基2CN113838057A权利要求书2/4页于均匀非局部滤波的SAR图像降噪流程：第一步，将受噪声影响的SAR图像乘性关系通过数学对数转化为近似高斯噪声的加性噪声；