摘 要： 由于合成孔徑雷達(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)計模型定義能量映射函數(shù)以代替像素值進行后續(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,。實驗結(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,，具有較好的準確性。
關(guān)鍵詞： SAR,；GA0統(tǒng)計模型,； 能量映射函數(shù)； 水平集,； 多區(qū)域SAR圖像
合成孔經(jīng)雷達SAR(Synthetic Aperture Radar)圖像感興趣區(qū)域和目標的分割問題是雷達遙感圖像應(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,，不可避免地模糊了感興趣區(qū)域和目標的邊緣信息,影響了分割效果。
在處理斑點噪聲時,，一般需要統(tǒng)計模型對SAR圖像進行精確建模,，該方法利用了圖像的統(tǒng)計信息，可以與水平集方法相結(jié)合實現(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)拓撲結(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],。
通過迭代計算上述過程，最終可以實現(xiàn)SAR圖像的兩區(qū)域和多區(qū)域分割,。
2 實驗結(jié)果與分析
本文和參考文獻[8]中使用了相同的水平集函數(shù)進行SAR圖像分割,，為了驗證本文方法的有效性,模擬SAR圖像和真實SAR圖像分割，并將兩種方法作對比,。首先對模擬SAR圖像進行分割實驗,，然后在真實SAR圖像上進行實驗。大量的實驗結(jié)果表明,改進后的水平集方法具有較好的分割性能,。
在實驗中,，本文方法的參數(shù)設(shè)置為：每個像素的能量映射函數(shù)的參數(shù)以該像素為中心取一個5×5區(qū)域進行計算。多次實驗表明,，該參數(shù)可以在避免每個像素受周圍像素的平滑影響,，降低區(qū)分度的同時，能夠保證結(jié)果的穩(wěn)健性,。圖1為模擬SAR圖像實驗結(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[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)斑點噪聲較小時(方差為0.005)，兩種方法都能分割出目標,，但前者更容易受相干斑影響,，隨著斑點噪聲的增強(方差為0.008)，參考文獻[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噪聲的增強而變得模糊,，本文改進的水平集方法很好地降低了斑點噪聲的影響，將目標輪廓很好地分割出來,。
為了驗證本文方法對真實SAR圖像分割的有效性,，針對真實SAR圖像進行試驗與分析。真實SAR圖像分割選用兩組ALOS-PAL SAR圖像進行實驗,。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[8]方法得到的真實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,。從實驗結(jié)果可以看出，改進的水平集方法的分割結(jié)果明顯優(yōu)于參考文獻[8]方法的分割結(jié)果,。特別是當(dāng)真實SAR圖像中目標的輪廓較復(fù)雜和模糊時,，參考文獻[8]方法已不能將目標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,。其原因是在對真實SAR圖像分割時,，本文方法使用能夠很好描述SAR圖像的統(tǒng)計模型對圖像進行建模，利用能量映射函數(shù)降低了斑點噪聲的影響,，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)以特征化每個像素,，該方法使用能量映射函數(shù)值代替像素值進行后續(xù)處理,，即由每個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,，可以很好地實現(xiàn)SAR圖像的分割,。通過大量的實驗并與參考文獻[8]方法相對比，證明了該方法的有效性和適用性,。
參考文獻
[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.