本发明涉及图像自动阈值分割，具体为一种基于三成分分解和似然比准则的图像自动阈值分割方法。
背景技术：
1、图像分割是实现极化合成孔径雷达(synthetic aperture radar，sar)图像地物解译的关键步骤之一。极化sar图像海岸线检测、目标检测与识别、溢油检测等应用都依赖于图像分割精度。实现极化sar图像分割的方法包括阈值分割、区域归并、马尔科夫场分割和水平集分割等方法。其中阈值分割是一种简单快速的分割方法，适用于部分对于分割精度要求不高的应用场景，而精确的分割方法也通常使用阈值分割结果作为初始分割。然而，现有的阈值分割方法都利用图像强度的分布进行阈值的选取，由于sar图像强相干斑噪声、地物类别和不同地物之间强度差异不一的影响，现有阈值分割方法直接应用于极化sar图像之中都存在精度差、易错分的问题。
2、阈值分割的实质是利用图像强度的相似性将强度分布区间分为两段或多段的过程。通过定义衡量分割区域强度相似性的目标函数，经典的阈值分割方法包括otsu方法、最大熵方法、迭代法、矩方法和期望值最大化(expectation maximization,em)算法等。otsu方法的基本思想是通过最大化类间方差并最小化类内方差以确定阈值。最大熵方法通过最大化不同区间分布熵之和来确定阈值，基本思想是熵值越大，同类别区域强度分布越均匀。而迭代法思想类似kmeans，通过迭代更新阈值和使用阈值分割区域实现阈值确定。矩方法假设分割前后不同区域强度各阶矩保持不变特性而确定阈值。em算法使用混合高斯分布描述图像的整体分布，通过em算法进行分布的拟合并估计像素类别。
技术实现思路
1、背景技术部分所描述的典型阈值分割方法大多建立在加性高斯噪声的光学图像之上，直接用于sar图像中确定的阈值都存在偏差。究其原因，申请人发现主要是由于sar图像乘性相干斑噪声的影响，像素强度值变化剧烈，两区域阈值分割时会出现阈值偏高或偏低的情况。此外，由于sar图像海岸带通常包括不同密度的强散射建筑、高矮植被、不同含水量的裸地和不同海况的海面区域，使用经典方法实现阈值分割时易确定局部极值为阈值，如进行海陆分割时，可能会将图像分割为强散射和非强散射区域。同样对于极化sar图像而言，现有的阈值分割方法都仅仅考虑了强度域和空域维度图像信息，未利用地物的极化散射特性。
2、针对上述问题，本发明提出一种基于三成分分解和似然比准则的图像自动阈值分割方法，主要用于极化sar海岸带图像中。利用海岸带地物强散射建筑二次散射功率远远高于非强散射区域，海面区域体散射功率远远低于非海面区域的极化散射特性，该方法使用三成分分解获取的二次散射功率和体散射功率进行分割。首先根据区域均值和方差特性，使用滑动窗口进行典型样本区域的采样，确定阈值基点；然后根据所提取功率参数的变化范围，基于基点确定阈值搜索区间；最后在搜索区间，搜索似然比最大的阈值点，分割体散射功率确定低散射区域，分割二次散射功率确定强散射区域，以此实现海岸带图像的两区域或三区域分割。
3、本发明的技术方案为：
4、一种基于三成分分解和似然比准则的图像自动阈值分割方法，包括以下步骤：
5、步骤1：对于输入的极化sar图像，进行去定向处理，通过an修正三成分分解得到二次散射功率图pd′和体散射功率图pv′；
6、步骤2：对于pv′阈值分割和pd′阈值分割，搜索各自对应的样本区域；
7、步骤3：以pv′和pd′样本区域功率均值μv和μd作为阈值基点，确定pv′阈值搜索区间和pd′阈值搜索区间；
8、步骤4：搜索体散射功率阈值：
9、对于图像全局区域，在pv′阈值搜索区间从区间下限值开始依次增高阈值λ，根据
10、
11、计算∧(λ)，搜索∧(λ)第一次达到极大值的阈值点λv，将pv′≤λv的区域确定为低散射区域ωl；其中图像整体平均功率为μ0，μ1为pv′>λ的第一分割区域的平均功率，μ2为pv′≤λ的第二分割区域的平均功率，区域i的像素数为mi；
12、步骤5：搜索二次散射功率阈值搜索：
13、对于pv′>λv的非低散射图像区域，在pd′阈值搜索区间从区间上限值开始依次降低阈值λ，根据
14、
15、计算∧′(λ)，搜索∧′(λ)第一次达到极大值的阈值λd，将pd′>λd的区域确定为强散射区域ωh；其中μ′为将pv′分割出的低散射区域从待分割的图像区域中去掉后的剩余非低散射区域的功率平均值，μ′1为pd′>λ的第一分割区域的平均功率，μ′2为pd′≤λ的第二分割区域的平均功率，区域i的像素数为m′i；
16、步骤6：分割结果输出：若仅仅进行两区域阈值分割，则根据分割类型选择ωl或ωh结果输出；若需要进行三区域阈值分割，则将ωl和ωh以外区域分割为第三区域，输出三区域阈值分割结果。
17、进一步的，步骤1中，目标去定向后的散射相干矩阵表示为t′，an修正三成分分解表示为t′＝ps′tsurface+pd′tdouble+pv′tvol；其中ps′,pd′,pv′分别对应修正分解的表面散射功率图、二次散射功率图和体散射功率图。
18、进一步的，步骤2中，对于pv′阈值分割，搜索参数最小的窗口区域为pv′样本区域，其中μv为窗口区域的平均功率，σ2为窗口区域功率方差；对于pd′阈值分割，搜索参数最大的窗口区域为pd′样本区域，其中μd为窗口区域的平均功率。
19、进一步的，步骤2中，对于pv′阈值分割，以各像素为中心确定窗口大小w×w的窗口区域，通过滑动搜索得到参数最小的窗口区域为pv′样本区域，其中μv为窗口区域的平均功率，σ2为窗口区域功率方差；对于pd′阈值分割，以各像素为中心确定窗口大小w×w的窗口区域，通过滑动搜索得到参数最大的窗口区域为pd′样本区域，其中μd为窗口区域的平均功率。
20、进一步的，步骤3中，统计确定阈值波动区间[δmin,δmax]，确定pv′阈值搜索区间[μv+δmin,μv+δmax]，以及pd′阈值搜索区间[μd-δmax,μd-δmin]。
21、进一步的，步骤4中，检验第一分割区域和第二分割区域是否为同质区域的二元假设检验模型中空假设为h0:μ1＝μ2，备择假设h1:μ1≠μ2。
22、有益效果
23、本发明相比于现有技术，具有以下特点：
24、1、本发明利用图像极化散射先验知识，通过确定阈值基点，阈值区间，阈值搜索三步递进实现阈值确定，而非传统基于全局直方图确定阈值；
25、2、本发明利用不同地物空域分布特征，使用均值方差度量滑动窗口方法进行样本选择实现阈值基点确定，选择度量分割区域一致性的似然比检测子进行阈值搜索；
26、3、本发明利用海岸带地物的极化散射特性，低散射区域具有较小的体散射功率，强散射区域具有较大的二次散射功率，提取体散射功率和二次散射功率进行阈值分割。
27、最终实现海岸环境复杂，即陆地包含大面积或小面积强散射建筑，海面包含不同海况海面场景，噪声干扰严重情况下的阈值分割，解决了图像功率直方图不满足双峰分布时传统基于直方图两区域阈值分割方法错误分割的问题。
28、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于三成分分解和似然比准则的图像自动阈值分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述一种基于三成分分解和似然比准则的图像自动阈值分割方法，其特征在于：步骤1中，目标去定向后的散射相干矩阵表示为t′，an修正三成分分解表示为t′＝ps′tsurface+pd′tdouble+pv′tvol；其中ps′,pd′,pv′分别对应修正分解的表面散射功率图、二次散射功率图和体散射功率图。
3.根据权利要求1所述一种基于三成分分解和似然比准则的图像自动阈值分割方法，其特征在于：步骤2中，对于pv′阈值分割，搜索参数最小的窗口区域为pv′样本区域，其中μv为窗口区域的平均功率，σ2为窗口区域功率方差；对于pd′阈值分割，搜索参数最大的窗口区域为pd′样本区域，其中μd为窗口区域的平均功率。
4.根据权利要求3所述一种基于三成分分解和似然比准则的图像自动阈值分割方法，其特征在于：步骤2中，对于pv′阈值分割，以各像素为中心确定窗口大小w×w的窗口区域，通过滑动搜索得到参数最小的窗口区域为pv′样本区域，其中μv为窗口区域的平均功率，σ2为窗口区域功率方差；对于pd′阈值分割，以各像素为中心确定窗口大小w×w的窗口区域，通过滑动搜索得到参数最大的窗口区域为pd′样本区域，其中μd为窗口区域的平均功率。
5.根据权利要求1所述一种基于三成分分解和似然比准则的图像自动阈值分割方法，其特征在于：步骤3中，统计确定阈值波动区间[δmin,δmax]，确定pv′阈值搜索区间[μv+δmin,μv+δmax]，以及pd′阈值搜索区间[μd-δmax,μd-δmin]。
6.根据权利要求1所述一种基于三成分分解和似然比准则的图像自动阈值分割方法，其特征在于：步骤4中，检验第一分割区域和第二分割区域是否为同质区域的二元假设检验模型中空假设为h0:μ1＝μ2，备择假设h1:μ1≠μ2。
