一种基于轮廓结构学习模型的SAR图像语义分割方法.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CN109409375A(43)申请公布日2019.03.01(21)申请号201811184691.X(22)申请日2018.10.11(71)申请人西安电子科技大学地址710071陕西省西安市碑林区太白南路2号(72)发明人刘芳张雅科焦李成郭雨薇李玲玲侯彪杨淑媛陈璞花古晶(74)专利代理机构西安通大专利代理有限责任公司61200代理人徐文权(51)Int.Cl.G06K9/34(2006.01)G06K9/46(2006.01)权利要求书3页说明书10页附图5页(54)发明名称一种基于轮廓结构学习模型的SAR图像语义分割方法(57)摘要本发明公开了一种基于轮廓结构学习模型的SAR图像语义分割方法，实现步骤：(1)素描化SAR图像，得到素描图；(2)素描图区域化得到区域图，依据区域图划分SAR图像的像素子空间；(3)对于混合聚集结构地物像素子空间中的极不匀质区域，采用均匀采样方法得到各区域样本集；(4)建立地物轮廓结构学习模型；(5)通过地物轮廓结构学习模型得到样本结构特征，并分割混合聚集结构地物像素子空间；(6)匀质像素子空间和结构像素子空间分割；(7)合并三部分的分割结果，得到最终的SAR图像分割图。本发明的分割结果具有较好的区域一致性和分割准确性，可用于SAR图像的语义分割。本发明主要解决现有技术SAR图像分割不准确问题。CN109409375ACN109409375A权利要求书1/3页1.一种基于轮廓结构学习模型的SAR图像语义分割方法，其特征在于，包括以下步骤：步骤1，提取SAR图像的素描图；步骤2，对步骤1得到的素描图进行区域化处理，得到SAR图像的区域图，区域图将SAR图像划分为混合聚集结构地物像素子空间、结构像素子空间和匀质像素子空间，混合聚集结构地物像素子空间中包含多个极不匀质区域；步骤3，对混合聚集结构地物像素子空间中的每个极不匀质区域均匀采样，得到各个极不匀质区域的样本集；步骤4，建立地物轮廓结构学习模型；步骤5，利用地物轮廓结构学习模型对混合聚集结构地物像素子空间中的样本块进行轮廓结构特征学习，得到样本块的轮廓结构特征；步骤6，利用轮廓结构特征对混合聚集结构地物像素子空间进行分割；对结构像素子空间进行分割；对匀质像素子空间进行分割；步骤7，合并混合聚集结构地物像素子空间的分割结果、结构像素子空间的分割结果和匀质像素子空间的分割结果，得到合成孔径雷达SAR图像的最终分割结果。2.根据权利要求1所述的一种基于轮廓结构学习模型的SAR图像语义分割方法，其特征在于，所述步骤3中，采用39×39的窗口进行间隔为8的均匀采样。3.根据权利要求1所述的一种基于轮廓结构学习模型的SAR图像语义分割方法，其特征在于，所述步骤4的具体过程包括以下步骤：步骤4.1，根据样本块Xi的素描图中的素描线信息，统计素描线段的方向信息和位置信息；步骤4.2，根据素描线段的方向信息构造曲线波滤波器，曲线波滤波器的尺度和位移随机初始化；步骤4.3，对曲线波滤波器进行无监督结构初始化学习，具体为：根据步骤4.2构造的曲线波滤波器分别与样本块Xi进行卷积，并计算能量保真目标函数；最小化能量保真目标函数，得到样本块Xi的曲线波滤波器集合Ci；步骤4.4，运用步骤4.3中的曲线波滤波器初始化结构能量保真目标函数中的滤波器，提取样本块Xi中的第j个几何结构块X′i,j，再建立几何结构块X′i,j的结构能量保真目标函数和形状约束，再根据建立的结构能量保真目标函数和形状约束进行更新，得到新的滤波器集合。4.根据权利要求3所述的一种基于轮廓结构学习模型的SAR图像语义分割方法，其特征在于，所述步骤4.2中，所述曲线波滤波器为：其中，(x,y)是图像中像素点的位置，x代表水平方向坐标，y代表垂直方向的坐标，k1表示水平方向的位移参数，k2表示垂直方向的位移参数，r是曲线波滤波器中的尺度参数，Dr是以尺度参数r作为变量的曲线波滤波器的缩放算子，θ是曲线波滤波器中的方向参数，Rθ是以方向参数θ作为变量的曲线波滤波器的旋转算子，cos表示余2CN109409375A权利要求书2/3页弦操作，exp表示以自然常数e为底的指数操作，为所求的曲线波滤波器。5.根据权利要求3所述的一种基于轮廓结构学习模型的SAR图像语义分割方法，其特征在于，所述步骤4.3中，所述能量保真目标函数为：其中：*代表卷积操作，∑代表求和操作，||·||F代表frobenius范数操作，Xi表示第i个图像块，i∈{1,2,...,N}；代表对图像块Xi进行扩充；Ci,j为图像块Xi的第j个曲线波滤波器，j∈{1,2,...,Mi}，Mi表示输入的第i个图像块对应的曲线波滤波器的总数。6.根据权利要求3所述的一种基于轮廓