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果對比，因此，首先基于GA0統計模型定義能量映射函數以代替像素值進行后續處理，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，并可以較容易地推廣到多區域SAR圖像分割情況。實驗結果表明,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。
關鍵詞： SAR；GA0統計模型； 能量映射函數； 水平集； 多區域SAR圖像
合成孔經雷達SAR(Synthetic Aperture Radar)圖像感興趣區域和目標的分割問題是雷達遙感圖像應用領域的重要研究內容之一。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圖像或需要通過預處理抑制相干斑噪聲[1-3]。這些預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，一般需要統計模型對SAR圖像進行精確建模，該方法利用了圖像的統計信息，可以與水平集方法相結合實現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域信息可以適應拓撲結構的變化，算法穩定性高，并解決了多區域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SAR圖像的兩區域和多區域分割。
2 實驗結果與分析
本文和參考文獻[8]中使用了相同的水平集函數進行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，本文方法的參數設置為：每個像素的能量映射函數的參數以該像素為中心取一個5×5區域進行計算。多次實驗表明，該參數可以在避免每個像素受周圍像素的平滑影響，降低區分度的同時，能夠保證結果的穩健性。圖1為模擬SAR圖像實驗結果。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]方法的分割結果，第3列為本文方法的分割結果。對結果分析可知，當斑點噪聲較小時(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]方法的分割結果開始出現較大誤分割。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圖像分割結果，第3列是使用本文方法得到的分割結果。從實驗結果可以看出，改進的水平集方法的分割結果明顯優于參考文獻[8]方法的分割結果。特別是當真實SAR圖像中目標的輪廓較復雜和模糊時，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圖像的統計模型對圖像進行建模，利用能量映射函數降低了斑點噪聲的影響，這使得水平集方法可以直接應用到經過處理的圖像數據，從而得到精確的結果。
多區域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以特征化每個像素，該方法使用能量映射函數值代替像素值進行后續處理，即由每個像素的能量映射函數值作為像素值構建“新”的圖像，減小了相干斑影響，也使得應用到光學圖像、醫學圖像上的分割方法不經較大修改即可處理該圖像，然后結合水平集方法，可以很好地實現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]. 電子技術應用，2012，38(12)：123-125.
[2] 劉源，李小霞. 基于圖論的多特征遙感圖像區域分割方法[J].微型機與應用，2013,32(7):36-39.
[3] 李波，梁攀，關沫.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.