極化SAR圖像分割方法研究

蔣婷+覃發超+徐珍

摘 要：極化SAR圖像分割是面向對象的極化SAR圖像分析處理的重要組成部分，也是極化SAR圖像處理的關鍵和難題。然而，目前還沒有一種極化SAR分割方法被廣泛接受。文章通過對現有的極化SAR圖像分割方法進行綜述，以使各位研究者對其有一個較全面的認識。文章首先介紹了國內外在極化SAR圖像分割方面的主要研究機構；然后對現有的極化SAR圖像分割算法進行了分類，并歸納了不同方法的基本思想，分析了各自的性能特點；最后對極化SAR圖像分割方法的研究現狀及發展趨勢進行了總結和展望。

關鍵詞：極化SAR；面向對象；圖像分割

合成孔徑雷達（Synthetic Aperture Radar，SAR）是一種全天候、全天時的主動微波遙感成像雷達，在地質勘測、災害控制、參數反演和軍事領域等方面應用廣泛。極化SAR（Polarimetric SAR，PolSAR）可記錄地面目標完整的極化散射信息，極大地提高了圖像解譯分析精度。目前，極化SAR圖像分割仍是極化SAR圖像處理領域的研究熱點之一。

面向對象分類（Object-Oriented Classification，OOC）將空間相鄰、光譜特征相近的多個像元合并為均一同質對象，然后對圖像分類。其結果可視性和整體性較好，可有效避免噪聲影響，便于目標識別和圖像解譯。但SAR系統的成像特性使SAR圖像存在大量相干斑噪聲，限制了面向對象的極化SAR圖像處理的應用。

極化SAR圖像分割是面向對象的極化SAR圖像解譯處理的基礎和前提。迄今為止（不完全統計），主要有以下國家機構投入到極化SAR圖像分割分類的研究中。（1）國外：美國海軍研究實驗室（NRL）遙感部、美國宇航局（NASA）噴氣推進實驗室（JPL）、密歇根大學電子工程與計算機系輻射實驗室、麻省理工學院等；日本宇宙航空研究開發機構（JAXA）；德國宇航中心（DLR）；加拿大遙感中心（CCRS）等。（2）國內：清華大學電子工程系，復旦大學波散射與遙感信息國家教育部重點實驗室，電子科技大學工程學院，中科院電子研究所和遙感應用研究所，武漢大學測繪遙感信息工程國家重點實驗室和電信學院，國防科技大學電子科學與工程學院等。

1 極化SAR圖像分割算法

現有極化SAR圖像分割方法主要有以下幾類：基于閾值的分割方法、基于區域和聚類的分割方法和基于特定理論的分割方法。

1.1 基于閾值的分割方法

閾值分割是用數個閾值將圖像的灰度級分為幾個部分，將所有灰度值處于閾值間的像素視為一類。閾值確定是閾值分割的關鍵，其準確性決定了圖像分割的準確性，最優閾值的選擇是該方法研究的難點。該算法簡單便捷、運算效率高，但只考慮了像素本身的灰度值，忽略了空間特征，因而對于包含復雜地物信息的極化SAR圖像分割適用性較差。安健[1]研究了基于Otsu和模糊聚類算法的極化SAR圖像分割分類，該算法對噪聲和離群點有一定容忍度，但閾值和參數的設置需進一步研究。

1.2 基于區域和聚類的分割方法

先選一些同質像素作為種子點，然后按某種相似性準則將鄰域中與種子點性質相同或相似的像素合并到種子點的區域并更新種子點，重復上述步驟，直到沒有像素可被合并為止，即得到分割結果。該方法計算簡單，對于具有勻質區域的極化SAR圖像，可取得較好的分割效果。但是該算法需要人工確定種子點，對噪聲敏感。

1.2.1 分水嶺算法

分水嶺算法（Watershed）用圖像中像素點的灰度值表示該點的海拔，每一個局部極小值及其影響區域稱為集水盆，集水盆的邊界則形成分水嶺。該算法對微弱邊緣有良好的響應，運算簡潔、效率高，具有較好的邊界精度，但是易產生嚴重的過分割現象。朱騰等[2]利用分水嶺過分割和極化參數Span進行迭代分類，分割結果可較好地避免“椒鹽”現象，改善分類效果，但對紋理信息的保持有所欠缺。

1.2.2 SLIC算法

SLIC（Simple Linear Iterative Cluttering）是一種基于K均值聚類的超像素分割算法，效率高，可生成形狀緊湊、近似均勻的超像素，基本算法過程主要包括3個步驟。（1）聚類中心初始化，在整個圖像上均勻初始化K個聚類中心，把像素點納入與其距離最近的聚類中心；（2）局部迭代更新，直到滿足終止條件為止；（3）后處理，對孤立的小尺寸區域進行近鄰合并處理，以提高結果的緊密度。Qin 等[3]對SLIC算法進行改進，使其可直接用于極化SAR數據，實驗算法能明顯去除斑點，且較好保持點和邊緣特征。

1.2.3 均值漂移

均值漂移（Mean-shift，MS）是一種統計迭代算法，它依次計算各像素點在一定窗口中的均值漂移向量，將起始點移動至向量所指位置，并以此為新起始點繼續漂移，直到停止漂移，停止位置為模態點。把具有相同模態點的像素合并到同一區域，實現圖像分割。其分割結果輪廓和邊界較清晰，但收斂較慢，存在過分割問題。Zhang等[4]結合MS和MRF并用于PolSAR圖像分類，取得了較好的分類結果。

1.3 基于特定理論的分割方法

1.3.1 基于圖論的分割算法

譜圖分割，又叫譜聚類分割，主要用加權無向圖來表征待分割圖像，圖的頂點為圖像像素，頂點的屬性對應圖的特征信息，圖的邊表征像素的空間關系，邊的屬性對應像素間的特征關系。該方法靈活性較強、計算效率較高、分割特性較好，是圖像分割領域中一個新的研究熱點。趙磊等[5]結合均值漂移和譜圖分割，用Radarsat-2全極化數據進行實驗分割，證明了其具有效性和穩健性。

1.3.2 基于MRF的分割算法

馬爾科夫隨機場（Markov Random Field，MRF）用最優準則確定目標函數，通過求解函數的最大可能分布，將分割問題轉化成最優化問題。該方法目標分割準確，邊緣定位清晰，有很大的發展前景。Wu等[6]先利用條件迭代模型對圖像進行Wishart MRF過分割，再作Wishart ML分類，實驗算法可有效抑制相干斑，獲得較好的分割結果。

1.3.3 水平集方法

基于曲線演化理論和零水平集思想的水平集（Level-set）方法，可追蹤拓撲結構的變化，解決參數活動輪廓模型難以解決的問題。其主要思想是將n維移動變形曲線隱式表達為n+1維的水平集函數，由封閉超曲面的演化方程得到函數的演化方程，確定演化函數在零水平截面上的位置，即得到移動變形曲線的演化結果。ZOU等[7]采用Kummer U分布以提高分割準確性，同時引入距離限制項以避免水平集函數重新初始化，減少迭代次數，提高分割效率。

2 結語

通過國內外學者的不懈努力，已有很多極化SAR圖像分割方法，取得了豐碩的成果。但其發展還不夠成熟，仍存在很多問題，需進一步研究和解決。（1）如何在克服噪聲的同時保持圖像的點、線、邊緣等細節信息，以提高分割精度；（2）如何充分利用紋理、形狀等特征，以獲得高質量、高保真的極化SAR圖像；（3）如何在圖像分割時選擇最優分割尺度，以抑制過分割、欠分割現象的發生；（4）如何降低運算代價、提高運算效率，以滿足大數據和實時性需求。

為了取得高精度、低噪聲和可視性、均一性、魯棒性好的極化SAR圖像分割結果，面向對象已成為研究熱點。在其后續發展中，極化SAR數據特點的充分利用，其他領域新理論新技術的借鑒將仍是該領域的一個主要發展趨勢。隨著成像技術和計算機技術的不斷提高和發展，加之各種新理論、新方法的應用和改進，相信極化SAR圖像分割會不斷完善和成熟。

[參考文獻]

[1]安健.基于極化合成孔徑雷達圖像分類算法研究[D].成都：電子科技大學，2014.

[2]朱騰，余潔，李小娟，等.基于超像素與Span-Pauli分解的SAR影像分類[J].華中科技大學學報（自然科學版），2015（7）：77-81.

[3]QIN F，GUO J，LANG F. Superpixel segmentation for polarimetric SAR imagery using local iterative clustering[J].IEEE Geoscience & Remote Sensing Letters，2015（1）：13-17.

[4]ZHANG B，MA G，ZHANG Z，et al. Region-based classification by combining MS segmentation and MRF for POLSAR images[J].Journal of Systems Engineering & Electronics，2013（3）：400-409.

[5]趙磊，陳爾學，李增元，等.基于均值漂移和譜圖分割的極化SAR影像分割方法及其評價[J].武漢大學學報（信息科學版），2015（8）：1061-1068.

[6]WU Y，JI K，YU W，et al. Region-based classification of polarimetric SAR images using wishart MRF[J].IEEE Geoscience & Remote Sensing Letters，2008（4）：668-672.

[7]ZOU P，LI Z，TIAN B，et al. A level set method for segmentation of high-resolution polarimetric SAR images using a heterogeneous clutter model[J].Remote Sensing Letters，2015（7）：548-557.

Abstract： Polarimetric SAR image segmentation is an important component of the object-oriented polarimetric SAR image analysis and processing， and also is the key and difficult problem of the polarimetric SAR image processing. However， there is no one polarimetric SAR image segmentation method that is accepted widely so far. This paper summarized the existing methods of polarimetric SAR image segmentation so that researchers have a comprehensive understand of it. Firstly， the main research institutions of polarimetric SAR image segmentation at home and abroad are introduced. Then， the existing algorithms of polarimetric SAR image segmentation are classified and the basic ideas of different methods is summarized， and performance characteristics are analyzed respectively. Finally， the research status and developing trends of polarimetric SAR image segmentation are summarized and prospected..

Key words： polarimetric SAR； object-oriented； image segmentation