基于冪次變換的SAR圖像Otsu分割法

宋文青, 王英華, 盧紅喜, 文　偉, 劉宏偉, ?！″P

(西安電子科技大學(xué)雷達(dá)信號(hào)處理國家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710071)

?

基于冪次變換的SAR圖像Otsu分割法

宋文青, 王英華, 盧紅喜, 文偉, 劉宏偉, 保錚

(西安電子科技大學(xué)雷達(dá)信號(hào)處理國家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710071)

摘要：通過分析合成孔徑雷達(dá)(synthetic aperture radar, SAR)目標(biāo)切片圖像的散射特性,提出一種適用于SAR目標(biāo)識(shí)別的目標(biāo)切片圖像分割算法。算法首先對(duì)SAR圖像做相干斑濾波,通過鄰域平滑處理,提高背景區(qū)域和目標(biāo)區(qū)域像素幅值一致性。然后自適應(yīng)地選取變換冪次,對(duì)濾波后的SAR圖像做冪次變換,以進(jìn)一步增強(qiáng)目標(biāo)區(qū)域像素幅值一致性。最后直接利用一維Otsu法對(duì)變換后的圖像進(jìn)行分割處理。實(shí)驗(yàn)表明,該算法對(duì)不同散射特性的目標(biāo)切片圖像都能夠?qū)崿F(xiàn)較為準(zhǔn)確的分割,且計(jì)算復(fù)雜度小,利于工程應(yīng)用。

關(guān)鍵詞：合成孔徑雷達(dá); 切片圖像分割; 冪次變換; Otsu分割法

0引言

合成孔徑雷達(dá)(synthetic aperture radar, SAR)能夠提供全天時(shí)、全天候的對(duì)地遙感觀測信息,因此在軍事目標(biāo)識(shí)別中具有非常重要的作用[1]。SAR圖像分割是SAR目標(biāo)識(shí)別中的重要預(yù)處理步驟。其中,目標(biāo)形狀、目標(biāo)散射特性等識(shí)別特征的提取精度都依賴于圖像分割的質(zhì)量[2]。目前針對(duì)SAR圖像的目標(biāo)分割技術(shù)已得到廣泛研究[3-7],其主要包括雙參數(shù)恒虛警分割法[2]、馬爾可夫隨機(jī)場(Markov random field, MRF)分割法[3-4]和最優(yōu)閾值分割法[5-7]。雙參數(shù)恒虛警分割方法基于圖像背景統(tǒng)計(jì)模型計(jì)算分割閾值,算法分割速度快,但是由于SAR圖像背景統(tǒng)計(jì)較為復(fù)雜,很難獲得穩(wěn)定的背景統(tǒng)計(jì)特性,導(dǎo)致這種方法分割精度并不夠高。MRF分割方法是一種迭代優(yōu)化算法，該分割方法分割精度較高,但是分割速度相對(duì)較慢,不利于工程應(yīng)用。最大類間方差Otsu法[8]是一種經(jīng)典的自適應(yīng)閾值分割算法，該方法利用圖像灰度的一維概率直方圖,以最大可分性為準(zhǔn)則,自適應(yīng)地選取分割閾值,實(shí)現(xiàn)圖像分割，算法不需要圖像背景統(tǒng)計(jì)模型先驗(yàn)信息,且分割速度較快,與雙參數(shù)恒虛警和MRF分割法相比更有利于工程應(yīng)用。

Otsu分割法在光學(xué)圖像分割中已得到廣泛的應(yīng)用[9-11],但是應(yīng)用到SAR圖像分割[6-7,12-13]時(shí),分割結(jié)果會(huì)受到SAR目標(biāo)本身散射特性的影響。在SAR圖像中,背景區(qū)域表現(xiàn)為同質(zhì)特性,幅值通常服從典型的瑞利分布[14],當(dāng)相干斑噪聲較強(qiáng)時(shí),背景區(qū)域內(nèi)像素幅值方差較大,類內(nèi)一致性較低；而目標(biāo)區(qū)域表現(xiàn)為非同質(zhì)區(qū)域,幅值通常服從典型的多模分布[15],該區(qū)域內(nèi)分布著不同結(jié)構(gòu)的散射中心,且各散射中心對(duì)應(yīng)的幅值相差較大。目標(biāo)散射特性差異較大時(shí),目標(biāo)區(qū)域內(nèi)像素幅值方差較大,類內(nèi)一致性較差。相干斑噪聲和目標(biāo)體上的散射差異都會(huì)影響以最大可分性為準(zhǔn)則的Otsu法分割的結(jié)果。為了減小相干斑噪聲對(duì)分割結(jié)果的影響,文獻(xiàn)[16]提出一種二維Otsu分割算法，該算法利用中心像素幅值和鄰域像素均值組成二維直方圖搜索最優(yōu)分割閾值,以增強(qiáng)抗噪性能,提高分割精度。二維Otsu法可以使分割結(jié)果精度提高但計(jì)算復(fù)雜度指數(shù)增長,不利于工程實(shí)現(xiàn)，為了避免利用二維直方圖搜索分割閾值,降低算法時(shí)間復(fù)雜度,文獻(xiàn)[17]提出通過對(duì)SAR圖像進(jìn)行保邊緣偏微分去噪處理,然后直接利用一維Otsu分割法對(duì)經(jīng)恒虛警算法粗分割的圖像進(jìn)行細(xì)分割，該方法可提高分割結(jié)果精度,同時(shí)保持了一維Otsu法的計(jì)算復(fù)雜度。保持邊緣特性的相干斑濾波對(duì)分割質(zhì)量的提高,主要作用在鄰域平滑處理提高了不同區(qū)域內(nèi)像素幅值的一致性。保邊界的濾波算法(例如文獻(xiàn)[17]提到的偏微分去噪算法),對(duì)背景像素間幅值平滑效果較好，但是對(duì)于非同質(zhì)的目標(biāo)區(qū)域,由于該濾波算法判定強(qiáng)弱相差大的像素點(diǎn)屬于不同區(qū)域,目標(biāo)上的像素點(diǎn)不能得到有效平滑。所以,利用聯(lián)合鄰域像素幅值的分割方法對(duì)目標(biāo)區(qū)域幅值方差較大的SAR圖像進(jìn)行目標(biāo)分割時(shí),分割精度并不能得到有效提高。

本文在原始Otsu方法應(yīng)用于SAR目標(biāo)切片分割的基礎(chǔ)上,通過分析SAR圖像本身散射特性對(duì)分割結(jié)果所帶來的影響,提出一種新的結(jié)合冪次變換的Otsu自適應(yīng)閾值分割方法。算法首先對(duì)SAR圖像進(jìn)行濾波處理,降低相干斑噪聲,同時(shí)保持邊緣特性,改善不同區(qū)域內(nèi)像素幅值一致性;然后自適應(yīng)地選取最優(yōu)變換冪次,對(duì)濾波后的SAR圖像做冪次變換,以進(jìn)一步提高目標(biāo)區(qū)域內(nèi)像素幅值一致性;最后直接利用一維Otsu方法進(jìn)行單閾值圖像分割。實(shí)驗(yàn)表明,算法分割精度高,且運(yùn)算量小,利于工程應(yīng)用。

1原始Otsu圖像分割方法

1.1Otsu算法描述

參考文獻(xiàn)在本小節(jié)中[8],對(duì)Otsu分割方法進(jìn)行回顧。原始Otsu分割方法首先統(tǒng)計(jì)圖像灰度概率直方圖]),其中pi(i∈[1,L],L為最大灰度值)表示灰度為i的像素發(fā)生的概率。任意給定一分割閾值k,將圖像分成C0和C1兩類,其中C0類為灰度值小于等于k的像素集合,C1類為灰度值大于k的像素集合。利用概率直方圖P計(jì)算C0和C1兩類的概率ω0(k)、ω1(k),均值μ0(k)、μ1(k),以及方差(k);然后計(jì)算C0和C1兩類的可分性;最后根據(jù)可分性的大小選取最優(yōu)分割閾值,實(shí)現(xiàn)圖像分割。文獻(xiàn)[8]中提到3種可分性衡量準(zhǔn)則,并證明了三者之間的等價(jià)性,其中可分性準(zhǔn)則中類間方差與樣本總方差的比值η(k)為

(1)

(2)

(3)

從式(2)和式(3)可以看出,隨著閾值k的增大,χ0(k)不斷增大,而χ1(k)不斷減小。閾值k在搜索遍歷過程中,通過判斷χ0(k)增加的幅度和χ1(k)減小的幅度來確定η(k)遞增或是遞減。一般情況,η(k)隨著k在灰度區(qū)間[1,L]遍歷過程中,先遞增后遞減,并在兩類分割線處出現(xiàn)峰值,峰值對(duì)應(yīng)的閾值即為最優(yōu)分割閾值。

1.2算法在SAR圖像中的應(yīng)用分析

對(duì)于SAR圖像,由于目標(biāo)和背景散射特性比較復(fù)雜,不同區(qū)域內(nèi)幅值一致性較差且兩區(qū)域面積比例大小懸殊,容易導(dǎo)致閾值錯(cuò)誤估計(jì),出現(xiàn)目標(biāo)過分割或欠分割現(xiàn)象。

(1) 當(dāng)背景區(qū)域噪聲功率較強(qiáng)時(shí),且考慮到背景區(qū)域占圖像面積的比例較大,此時(shí)背景區(qū)域像素幅值就會(huì)在統(tǒng)計(jì)直方圖上存在較長的拖尾(對(duì)應(yīng)背景區(qū)域強(qiáng)雜波像素點(diǎn))。當(dāng)閾值k遍歷到背景區(qū)域幅值在直方圖的拖尾處時(shí),導(dǎo)致式(2)大于式(3),可分性η(k)曲線開始下降,在此拖尾處達(dá)到k*(正確分割閾值)之前形成一個(gè)局部峰值。當(dāng)該峰值為全局最大峰值時(shí),按最大可分性分割圖像,會(huì)出現(xiàn)目標(biāo)過分割現(xiàn)象。

(2) 當(dāng)目標(biāo)區(qū)域存在部分特顯散射中心時(shí),該區(qū)域內(nèi)像素幅值強(qiáng)弱對(duì)比明顯。閾值k搜索到k*時(shí),χ1(k)變化依然較大,式(2)小于式(3),η(k)繼續(xù)增加,就會(huì)在超過k*的閾值處出現(xiàn)局部峰值。當(dāng)該峰值成為全局最大峰值時(shí),按最大可分性分割圖像,出現(xiàn)目標(biāo)欠分割現(xiàn)象。

圖1　Otsu方法分割結(jié)果示例

圖1給出了以上兩種情況的分割結(jié)果示例。其中,圖1(a)、圖1(c)為原始SAR圖像;圖1(b)、圖1(d)為對(duì)應(yīng)的原始Otsu方法分割結(jié)果。表1列出了兩幅SAR圖像的背景區(qū)域和目標(biāo)區(qū)域幅值方差與總方差的比值χ0和χ1(省略k*)。可以看出,圖1(a)的χ0相對(duì)較大,分割結(jié)果出現(xiàn)目標(biāo)過分割現(xiàn)象;而圖1(c)的χ1相對(duì)較大,分割結(jié)果出現(xiàn)目標(biāo)欠分割現(xiàn)象。實(shí)驗(yàn)結(jié)果驗(yàn)證了上面情況(1)、情況(2)的分析。

表1　圖1中兩幅SAR圖像的χ0和χ1統(tǒng)計(jì)信息

針對(duì)以上Otsu方法應(yīng)用到SAR圖像分割時(shí)出現(xiàn)的問題,本文提出一種結(jié)合冪次變換的Otsu圖像分割方法。算法通過相干斑濾波和冪次變換調(diào)節(jié)圖像χ0和χ1大小,指導(dǎo)閾值選擇,實(shí)現(xiàn)更為準(zhǔn)確的分割。

2基于冪次變換的Otsu圖像分割法

2.1相干斑濾波的影響分析

SAR圖像由于其獨(dú)特的相干成像機(jī)理,圖像中充滿了大量的相干斑噪聲[18],破壞了同質(zhì)區(qū)域的內(nèi)部均勻特性,并最終導(dǎo)致分割閾值的錯(cuò)誤估計(jì)。為了降低相干斑噪聲對(duì)分割的影響,本文采用保持邊緣特性的相干斑Lee濾波算法[19]。算法首先對(duì)中心像素進(jìn)行邊緣檢測,然后根據(jù)檢測的邊緣選取帶有方向性的非方形濾波窗口,最后利用非方形窗口內(nèi)的像素幅值對(duì)中心像素進(jìn)行最小均方誤差估計(jì),得到濾波后的SAR圖像。圖2給出圖1兩幅SAR圖像的濾波結(jié)果以及分割結(jié)果,其中圖2(a)、圖2(c)分別對(duì)應(yīng)圖1(a)、圖1(c)原始SAR圖像的濾波結(jié)果,圖2(b)、圖2(d)為對(duì)應(yīng)的分割結(jié)果;表2列出經(jīng)濾波后圖像的目標(biāo)類和背景類的類內(nèi)方差和總方差的比值χ0和χ1。

圖2　相干斑濾波對(duì)Otsu方法分割的影響

SAR圖像χ0χ1圖2(a)0.39170.0937圖2(c)0.21310.3800

對(duì)比表1和表2,圖像經(jīng)濾波后,χ0和χ1均減小,類內(nèi)一致性提高。從圖2(b)實(shí)驗(yàn)結(jié)果可以看出,圖像經(jīng)相干斑濾波后,利用一維Otsu方法分割圖像,得到質(zhì)量較高的分割結(jié)果,有效減弱目標(biāo)過分割現(xiàn)象;而從圖2(d)實(shí)驗(yàn)結(jié)果可以看出,圖像做相同處理,欠分割現(xiàn)象依然存在。其可能原因分析如下：相干斑濾波處理可抑制圖像中的相干斑噪聲,減小噪聲對(duì)分割結(jié)果的影響,如圖2(b)所示;而在目標(biāo)區(qū)域,各個(gè)散射中心較大的散射差異是由其散射體結(jié)構(gòu)差異引起的,該差異性并不能通過相干斑濾波得到有效抑制,如圖2(d)所示。由此可見,相干斑濾波能夠有效解決第1.2小節(jié)中情況(1)所提到的相干斑噪聲引起的過分割現(xiàn)象,而并不能解決第1.2小節(jié)中情況(2)所提到的目標(biāo)散射中心間幅值較大差異性引起的欠分割現(xiàn)象。

2.2冪次變換Otsu分割方法

為了提高目標(biāo)區(qū)域散射幅值一致性,可以對(duì)SAR圖像做非線性變換。常用的高值動(dòng)態(tài)范圍壓縮的非線性變換有對(duì)數(shù)變換和冪次變換[20]。為了得到合適的壓縮比例,本文采用更為靈活的冪次變換,其基本形式為

(4)

作為t的函數(shù),f對(duì)于不同n的取值繪制的曲線如圖3所示。當(dāng)n>1時(shí),冪次變換把暗值寬帶輸入映射到窄帶輸出,壓縮暗值的動(dòng)態(tài)范圍;當(dāng)n<1時(shí),冪次變換把高值寬帶輸入映射到窄帶輸出,壓縮高值的動(dòng)態(tài)范圍。

圖3 冪次函數(shù)曲線

對(duì)SAR圖像中每個(gè)像素的幅值進(jìn)行如式(4)所示的冪次變換。當(dāng)n>1時(shí),圖像中背景區(qū)域像素幅值動(dòng)態(tài)范圍得到壓縮;當(dāng)n<1時(shí),圖像中目標(biāo)區(qū)域像素幅值動(dòng)態(tài)范圍得到壓縮。對(duì)濾波后的SAR圖像進(jìn)行不同冪次的變換,然后利用一維Otsu方法對(duì)變換后的圖像進(jìn)行目標(biāo)分割,可以實(shí)現(xiàn)不同的分割結(jié)果。圖4列出了圖4(a)在不同冪次變化下的分割結(jié)果以及統(tǒng)計(jì)參數(shù)χ0和χ1隨冪次的變化情況,其中圖4(a)為圖1(c)對(duì)應(yīng)的原始SAR圖像的相干斑濾波結(jié)果。

圖4　Otsu分割法分割結(jié)果隨變換冪次的變化示意圖

圖4(a)中目標(biāo)區(qū)域具有部分強(qiáng)散射中心,而其他目標(biāo)散射中心幅值相對(duì)較弱。當(dāng)對(duì)其做圖像分割時(shí),目標(biāo)弱散射中心被分割到背景類,出現(xiàn)目標(biāo)欠分割現(xiàn)象。當(dāng)冪次降低,n=0.7時(shí),分割結(jié)果如圖4(c)所示,和圖4(b)結(jié)果比較,分割成目標(biāo)類的散射點(diǎn)增加,分割質(zhì)量提高;但當(dāng)n=0.6時(shí),分割結(jié)果圖4(d)反而出現(xiàn)目標(biāo)過分割現(xiàn)象,分割質(zhì)量降低。從圖4(e)分割結(jié)果中目標(biāo)面積占圖像面積比例大小隨冪次的變化曲線可以看出,當(dāng)冪次降低到某一臨界值時(shí),分割到目標(biāo)類的像素點(diǎn)數(shù)急劇增加,分割結(jié)果出現(xiàn)跳變。結(jié)合圖4(f)背景和目標(biāo)兩個(gè)區(qū)域幅值分別對(duì)應(yīng)的χ0和χ1隨冪次的變化曲線有以下分析:隨著冪次n的降低,高值壓縮不斷加強(qiáng),目標(biāo)區(qū)域幅值方差和總方差的比值χ1不斷減小,分割成目標(biāo)的散射點(diǎn)不斷增加;但背景區(qū)域的類內(nèi)方差和總方差的比值χ0卻在不斷增大,當(dāng)背景類方差增大到一定程度時(shí),就會(huì)出現(xiàn)情況(1)的過分割現(xiàn)象。

為了選取合適的冪次使分割結(jié)果最大程度逼近正確分割結(jié)果,希望冪次無限右趨近n*,即在保證Peak1峰值在曲線上為最大峰值的情況下,最大程度地壓縮目標(biāo)區(qū)域幅值方差,使分割閾值最大程度地趨近正確分割閾值k*。從圖4(e)可以看出,當(dāng)冪次降低過程中,在靠近n*附近分割結(jié)果已經(jīng)趨于穩(wěn)定,即最優(yōu)變換冪次可以取某一個(gè)略大于n*的冪次n**,分割結(jié)果即可達(dá)到最優(yōu)。

而對(duì)于背景區(qū)域較平穩(wěn)的SAR圖像,例如以草地或海面為背景的目標(biāo)圖像切片,冪次在一定范圍內(nèi)降低,類間方差與總方差比值η曲線并不會(huì)出現(xiàn)雙峰現(xiàn)象,此時(shí)只需要盡可能地壓縮目標(biāo)幅值方差以避免出現(xiàn)目標(biāo)欠分割現(xiàn)象。

2.3算法流程及復(fù)雜度分析

圖6給出了本文算法的流程圖。算法首先對(duì)原始SAR圖像進(jìn)行相干斑Lee濾波處理,然后對(duì)濾波后的SAR圖像進(jìn)行冪次變換,并搜索最優(yōu)冪次和最優(yōu)分割閾值。

圖5　可分性判據(jù)隨冪次的變化示意圖

圖6　本文算法實(shí)驗(yàn)流程

(5)

式中,δ為冪次n的采樣間隔。為了使得到的最優(yōu)冪次n**大于n*,則n**必須滿足

(6)

(7)

本文算法相對(duì)原始Otsu方法增加冪次維搜索運(yùn)算量,其他運(yùn)算相同。實(shí)驗(yàn)證明,冪次由1.2到0.3采用0.1步長進(jìn)行搜索即可得到合適的變換冪次。原始一維Otsu圖像分割算法時(shí)間復(fù)雜度為O(N)[14],則改進(jìn)算法的時(shí)間復(fù)雜度為O(MN),其中N為閾值搜索長度,M為冪次搜索長度。本算法M?N,算法復(fù)雜度要遠(yuǎn)小于二維Otsu分割方法的算法復(fù)雜度O(N2)[16],利于工程實(shí)現(xiàn)。

3實(shí)驗(yàn)結(jié)果分析

3.1算法有效性分析

為了檢驗(yàn)算法的有效性,本文使用MSTAR SAR數(shù)據(jù)集[21]中部分目標(biāo)切片圖像進(jìn)行圖像分割。這些切片圖像的分辨率為0.3 m×0.3 m,圖像大小為128像素×128像素。將本文算法分別與一維Otsu分割方法[8]、二維Otsu分割方法[16]和MRF分割方法[3]進(jìn)行對(duì)比。在MRF分割實(shí)驗(yàn)中,對(duì)文獻(xiàn)[3]方法做了如下修改：鄰域系統(tǒng)采用二階8鄰域系統(tǒng),且考慮到計(jì)算效率問題,最大后驗(yàn)估計(jì)采用迭代條件模型(iteration condition model, ICM)算法[22]。

圖7為數(shù)據(jù)集中兩幅SAR圖像分別使用不同分割方法得到的分割結(jié)果。圖7(a)、圖7(b)為原始SAR圖像,圖7(c)~圖7(j)分別為一維Otsu方法、二維Otsu方法、MRF方法和本文方法的實(shí)驗(yàn)結(jié)果。對(duì)比圖7(c)、圖7(d)和圖7(e)、圖7(f)實(shí)驗(yàn)結(jié)果,可以看出,相對(duì)于原始Otsu分割方法,二維Otsu法能夠降低圖像的相干斑噪聲對(duì)分割的影響,但并不能解決目標(biāo)區(qū)域幅值一致性差導(dǎo)致的圖像目標(biāo)欠分割問題。從圖7(g)、圖7(f)MRF方法分割結(jié)果可以看出,MRF分割方法利用鄰域像素間相關(guān)性約束實(shí)現(xiàn)圖像分割,對(duì)相干斑噪聲起到一定的抑制作用,但也使分割結(jié)果結(jié)構(gòu)邊緣平滑較為嚴(yán)重,如圖7(g)中部分邊緣被擴(kuò)展或丟失。本文方法采用的濾波處理具有保邊緣特性,相對(duì)于MRF分割方法,其分割結(jié)果在目標(biāo)邊緣細(xì)節(jié)處保持更好,如圖7(i)、圖7(j)所示。

圖7　實(shí)驗(yàn)數(shù)據(jù)及不同方法的分割結(jié)果

3.2算法穩(wěn)健性分析

在第3.1小節(jié)中分析了本文算法的有效性,本小節(jié)通過分析分割結(jié)果中目標(biāo)面積的大小隨目標(biāo)姿態(tài)角的變化情況來衡量算法的穩(wěn)健性。在SAR圖像中,固定雷達(dá)下視角,同一目標(biāo)的成像面積在一定方位角范圍內(nèi)(本文實(shí)驗(yàn)設(shè)為10°)具有一定的穩(wěn)定性。定義在方位角θ鄰域內(nèi)SAR圖像分割結(jié)果的目標(biāo)面積的標(biāo)準(zhǔn)差為σS(θ)(θ∈[0°,360°]),統(tǒng)計(jì)不同方位角鄰域內(nèi)分割結(jié)果的目標(biāo)面積的標(biāo)準(zhǔn)差σS(θ)的均值μσS和標(biāo)準(zhǔn)差σσS，則分割算法的穩(wěn)定性可以通過μσS和σσS的大小來評(píng)價(jià)。不同姿態(tài)角下目標(biāo)具有不同的散射特性,μσS和σσS越小說明分割算法受到目標(biāo)散射特性影響越小,分割結(jié)果越穩(wěn)定。對(duì)MSTAR中三類目標(biāo)(共包含7個(gè)型號(hào))的SAR目標(biāo)圖像切片進(jìn)行目標(biāo)分割,并統(tǒng)計(jì)不同分割方法下不同型號(hào)目標(biāo)的μσS和σσS。表3列出了7個(gè)型號(hào)MSTAR目標(biāo)的樣本個(gè)數(shù),其中目標(biāo)的一個(gè)樣本對(duì)應(yīng)目標(biāo)在某個(gè)方位角下的SAR圖像切片,樣本序列為目標(biāo)在360°內(nèi)約等間隔的連續(xù)變化方位角下SAR圖像切片序列。三大目標(biāo)分別為:BMP2、BTR70和T72,其中BMP2有3種型號(hào),分別為SNC21、SN9563和SN9566;BTR70有一種型號(hào)C71;T72有3種型號(hào),分別為SN132、SN812和SNS7。實(shí)驗(yàn)中,對(duì)于每一型號(hào)目標(biāo),首先統(tǒng)計(jì)該目標(biāo)所有樣本圖像的分割結(jié)果中目標(biāo)區(qū)域散射點(diǎn)個(gè)數(shù)序列Num(Num=[Num1,Num2,…,NumZ],Z為該目標(biāo)的樣本數(shù));對(duì)散射點(diǎn)個(gè)數(shù)序列Num進(jìn)行滑窗,統(tǒng)計(jì)每個(gè)窗口內(nèi)目標(biāo)散射個(gè)數(shù)序列的標(biāo)準(zhǔn)差σS,其中窗口大小設(shè)為7(方位角θ相差最大約為10°),步進(jìn)間隔為5°。根據(jù)σS序列計(jì)算其均值μσS和標(biāo)準(zhǔn)差σσS。表4和表5分別列出了不同目標(biāo)的樣本圖像切片在不同分割方法處理下分割結(jié)果的統(tǒng)計(jì)量μσS和σσS。

表3　實(shí)驗(yàn)數(shù)據(jù)

表4　不同方法對(duì)不同目標(biāo)分割結(jié)果的統(tǒng)計(jì)量μσS

表5　不同方法對(duì)不同目標(biāo)分割結(jié)果的統(tǒng)計(jì)量σσS

在統(tǒng)計(jì)實(shí)驗(yàn)中,對(duì)于不同的樣本圖像,MRF方法采用了固定的空間平滑參數(shù);而本文方法的變換冪次在算法中自適應(yīng)求出,隨著圖像散射特性不同而不同。和MRF方法相比較,本文方法更具有一定的自適應(yīng)能力。從表4和表5的結(jié)果中也可以看出,對(duì)于不同姿態(tài)角目標(biāo)SAR圖像切片,3種實(shí)驗(yàn)方法中本文方法分割結(jié)果更為穩(wěn)定。

3.3算法復(fù)雜性分析

表6列出了對(duì)比方法和本文方法的平均運(yùn)行時(shí)間?？梢钥闯?本文算法較之其他方法,在提高分割精度的同時(shí)并沒有引入太多的計(jì)算量,分割速度更快。

表6 平均分割時(shí)間　s

綜上分析,本文算法在分割精度、分割結(jié)果的穩(wěn)定性及時(shí)間代價(jià)方面都具有一定的優(yōu)勢,更適合于目標(biāo)識(shí)別系統(tǒng)中的圖像預(yù)分割應(yīng)用。

4結(jié)束語

本文分析了在實(shí)測SAR圖像中,相干斑噪聲和目標(biāo)區(qū)域非同質(zhì)特性對(duì)Otsu法分割的影響。認(rèn)為聯(lián)合鄰域像素均值的分割閾值搜索算法,如二維Otsu法,只能消除背景區(qū)域內(nèi)相干斑噪聲對(duì)分割的影響,而不能有效解決目標(biāo)區(qū)域幅值方差過大導(dǎo)致的目標(biāo)欠分割問題?；谝陨峡紤],本文提出了一種結(jié)合冪次變換的Otsu分割算法。算法首先通過對(duì)SAR圖像進(jìn)行相干斑濾波,提高背景區(qū)域幅值類內(nèi)一致性;然后自適應(yīng)地選取變換冪次,對(duì)圖像進(jìn)行冪次變換,提高目標(biāo)區(qū)域幅值類內(nèi)一致性;最后直接利用原始一維Otsu法對(duì)變換后的SAR圖像進(jìn)行目標(biāo)分割。改進(jìn)算法時(shí)間復(fù)雜度為O(MN),M通常遠(yuǎn)小于N,相對(duì)于原始Otsu分割并沒有引入太多計(jì)算量。實(shí)驗(yàn)表明,該算法可提高目標(biāo)分割精度,且時(shí)間復(fù)雜度較小,利于工程應(yīng)用。

[1] Wang Y H, Liu H W. A hierarchical ship detection scheme for high-resolution SAR images[J].IEEETrans.onGeoscienceandRemoteSensing, 2012, 50(10): 4173-4184.

[2] Kreithen D E, Halversen S D, Owirka G J. Discriminating targets from clutter[J].TheLincolnLaboratoryJournal, 1993, 6(1):25-52.

[3] Weisenseel R A, Karl W C, Castanon D A, et al. Markov random field segmentation methods for SAR target chips[J].ProceedingsoftheSPIE,1999，3721:462-473.

[4] Gao G, Ji K F, Kuang G Y. MRF-based sergmentation method of SAR target chip image[J].ModernRadar， 2004, 26(5): 42-44. (高貴, 計(jì)科峰, 匡綱要. 基于馬爾可夫隨機(jī)場的 SAR 目標(biāo)切片圖像分割方法[J]. 現(xiàn)代雷達(dá), 2004, 26(5): 42-44.)

[5] Yu H, Zhang X, Wang S, et al. Context-based hierarchical unequal merging for SAR image segmentation[J].IEEETrans.onGeoscienceandRemoteSensing, 2013, 51(2): 995-1009.

[6] Messina M, Greco M, Fabbrini L, et al. Modified Otsu’s algorithm: a new computationally efficient ship detection algorithm for SAR images[C]∥Proc.oftheTyrrhenianWorkshoponAdvancesinRadarandRemoteSensing, 2012: 262-266.

[7] Amory A A, El Z A, Rokabi A O, et al. Fast optimal thresholding based on between-class variance using mixture of log-normal distribution[C]∥Proc.oftheIEEEInternationalConferenceonInformationTechnologyandE-Services, 2012: 1-4.

[8] Otsu N. A threshold selection method from gray-level histograms[J].IEEETrans.onSystems,ManandCybernetics, 1979, 9(1): 62-66.

[9] Vala M H J, Baxi A. A review on Otsu image segmentation algorithm[J].InternationalJournalofAdvancedResearchinComputerEngineering&Technology, 2013, 2(2): 387-389.

[10] Ju Z, Zhou J, Wang X, et al. Image segmentation based on adaptive threshold edge detection and mean shift[C]∥Proc.ofthe4thIEEEInternationalConferenceonSoftwareEngine-eringandServiceScience, 2013: 385-388.

[11] Wu Y, Zhao X P, Jin Y, et al. Extracting golden area from image based on Otsu algorithm[J].AppliedMechanicsandMaterials, 2013, 469: 260-264.

[12] Tian Y, Chen X W, Luo P, et al. Beijiang water body information extraction based on ENVISAT-ASAR[C]∥Proc.oftheSecondInternationalWorkshoponEarthObservationandRemoteSensingApplications, 2012: 273-277.

[13] Wang G T, Gu Z Q, Jiao L C, et al. Change detection based on image segment and fusion in multitemporal SAR images[C]∥Proc.ofthe2ndAsian-PacificConferenceonSyntheticApertureRadar, 2009: 821-824.

[14] Ulaby F T, Haddock T F, Austin R T. Fluctuation statistics of millimeter-wave scattering from distributed targets[J].IEEETrans.onGeoscienceandRemoteSensing, 1988, 26(3): 268-281.

[15] Du L, Liu H W, Bao Z. Radar HRRP target recognition by the higher-order spectra features[C]∥Proc.oftheInternationalAssociationofScienceandTechnologyforDevelopementConferenceonArtificialIntelligenceandApplications,2004: 627-632.

[16] Liu J Z, Li W Q. The automatic thresholding of gray-level pictures via two-dimensional Otsu method[J].ActaAutomaticSinica,1993,19(1):101-105.(劉健莊,栗文青.灰度圖象的二維Otsu自動(dòng)閾值分割法[J].自動(dòng)化學(xué)報(bào),1993,19(1):101-105.)

[17] Yin K Y, Liu H W, Jin L. Fast SAR image segmentation method based on Otsu adaptive double threshold[J].JournalofJilinUniversity:EngineeringandTechnologyEdition, 2012, 41(6): 1760-1765. (尹奎英, 劉宏偉, 金林. 快速的 Otsu 雙閾值 SAR 圖像分割法[J]. 吉林大學(xué)學(xué)報(bào): 工學(xué)版, 2012, 41(6): 1760-1765.)

[18] Goodman J W. Some fundamental properties of speckle[J].JournaloftheOpticalSocietyofAmerica, 1976, 66(11): 1145-1150.

[19] Lee J S, Jurkevich L, Dewaele P, et al. Speckle filtering of synthetic aperture radar images: a review[J].RemoteSensingReviews, 1994, 8(4): 313-340.

[20] Gonzalez R C, Woods R E, Eddins S L.Digitalimageproces-sing[M]. 2nd ed. India: Pearson Education, 2002.

[21] Air Force Research Laboratory, Model Based Vision Laboratory. Sensor data management system[EB/OL].[2014-07-20].http:∥www.mbvlab. wpafb.af.mil/public/sdms/datasets/mstar.

[22] Dubes R C,Jain,A K,Nadabar S G,et al.MRF model-based algorithms for image segmentation[C]∥Proc.ofthe10thInternationalConferenceonPatternRecognition,1990:808-814.

宋文青(1988-),男,博士研究生,主要研究方向?yàn)槔走_(dá)目標(biāo)識(shí)別、統(tǒng)計(jì)信號(hào)處理、統(tǒng)計(jì)機(jī)器學(xué)習(xí)。

E-mail:swq6036@sina.cn

王英華(1982-),女,副教授,博士,主要研究方向?yàn)镾AR目標(biāo)檢測與識(shí)別、極化SAR圖像分析與解譯。

E-mail: yhwang@xidian.edu.cn

盧紅喜(1987-),男,博士研究生,主要研究方向?yàn)闃O化InSAR信號(hào)處理、多基線InSAR信號(hào)處理、陣列優(yōu)化設(shè)計(jì)與極化層析成像技術(shù)。

E-mail: xdkd@163.com

文偉(1987-),男,博士研究生,主要研究方向?yàn)槔走_(dá)自動(dòng)目標(biāo)檢測、統(tǒng)計(jì)機(jī)器學(xué)習(xí)。

E-mail: wenwei8114@163.com

劉宏偉(1971-),男,教授,博士,主要研究方向?yàn)槔走_(dá)自動(dòng)目標(biāo)識(shí)別、寬帶雷達(dá)信號(hào)處理、網(wǎng)絡(luò)化雷達(dá)技術(shù)、自適應(yīng)和陣列信號(hào)處理及目標(biāo)檢測。

E-mail: hwliu@xidian.edu.cn

保錚(1927-),男,院士,教授,博士,主要研究方向?yàn)閿?shù)字信號(hào)處理、陣列信號(hào)處理、自適應(yīng)信號(hào)處理、雷達(dá)成像。

E-mail:piaofei8@gmail.com

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20141121.0927.002.html

Otsu segmentation algorithm for SAR images based on power transformation

SONG Wen-qing, WANG Ying-hua, LU Hong-xi, WEN Wei, LIU Hong-wei, BAO Zheng

(NationalLaboratoryofRadarSignalProcessing,XidianUniversity,Xi’an710071,China)

Abstract:By analyzing the scattering property of the synthetic aperture radar(SAR) images, a power transformation Otsu segmentation algorithm for SAR images is proposed, which can be applied in the preprocessing step of SAR automatic target recognition. Firstly, a speckle suppression method for SAR images is applied to improve the coherence of the amplitude in the background region and the target region using adjacent pixels. Secondly, the adaptive power transformation is employed to the filtered SAR images to enhance the coherence of the amplitude in the target region furthermore. At last, the original Otsu method is adopted to segment the transformed SAR images. The experimental results show that the proposed algorithm provides satisfactory segmentation results for SAR images with different amplitude distribution properties. In addition, the proposed method has low computation burden, which benefits the practical applications.

Keywords:synthetic aperture radar (SAR); slice images segmentation; power transformation; Otsu segmentation algorithm

作者簡介：

中圖分類號(hào)：TP 751

文獻(xiàn)標(biāo)志碼：A

DOI:10.3969/j.issn.1001-506X.2015.07.07

基金項(xiàng)目：國家自然科學(xué)基金(61201292，61322103，61372132)；新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET - 09 - 0630)；全國優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金(FANEDD -201156)；國防預(yù)研基金；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助課題

收稿日期：2014-08-01；修回日期：2014-10-10；網(wǎng)絡(luò)優(yōu)先出版日期：2014-11-21。