摘 要： 由于合成孔径雷达(SAR)图像易受相干斑噪声的影响，光学图像的分割方法并不适用于SAR图像，更不能获得精确的分割结果对比，因此，首先基于GA0统计模型定义能量映射函数以代替像素值进行后续处理，减小相干斑的影响；其次，使用水平集算法对处理后的图像进行分割处理,选用了一种形式更为简单的水平集函数，并可以较容易地推广到多区域SAR图像分割情况。实验结果表明,该方法可以减少相干斑噪声对SAR图像分割过程的不良影响，具有较好的准确性。
关键词： SAR；GA0统计模型； 能量映射函数； 水平集； 多区域SAR图像
合成孔经雷达SAR(Synthetic Aperture Radar)图像感兴趣区域和目标的分割问题是雷达遥感图像应用领域的重要研究内容之一。受SAR图像成像机理中固有相干斑噪声的影响，目前很多方法不能适用于SAR图像或需要通过预处理抑制相干斑噪声[1-3]。这些预处理方法在抑制相干斑噪声的同时，不可避免地模糊了感兴趣区域和目标的边缘信息,影响了分割效果。
在处理斑点噪声时，一般需要统计模型对SAR图像进行精确建模，该方法利用了图像的统计信息，可以与水平集方法相结合实现SAR图像的分割[4]。在SAR图像分割问题中，基于分段常值模型的水平集方法组成了一类重要的算法[5-6]。水平集方法利用图像的区域信息可以适应拓扑结构的变化，算法稳定性高，并解决了多区域SAR图像的分割问题[7]。
通过迭代计算上述过程，最终可以实现SAR图像的两区域和多区域分割。
2 实验结果与分析
本文和参考文献[8]中使用了相同的水平集函数进行SAR图像分割，为了验证本文方法的有效性,模拟SAR图像和真实SAR图像分割，并将两种方法作对比。首先对模拟SAR图像进行分割实验，然后在真实SAR图像上进行实验。大量的实验结果表明,改进后的水平集方法具有较好的分割性能。
在实验中，本文方法的参数设置为：每个像素的能量映射函数的参数以该像素为中心取一个5×5区域进行计算。多次实验表明，该参数可以在避免每个像素受周围像素的平滑影响，降低区分度的同时，能够保证结果的稳健性。图1为模拟SAR图像实验结果。模拟SAR图像的生成，是分别将方差为0.005和0.008的斑点噪声加到一幅合成图像中得到的。第1列为原模拟SAR图像，第2列为参考文献[8]方法的分割结果，第3列为本文方法的分割结果。对结果分析可知，当斑点噪声较小时(方差为0.005)，两种方法都能分割出目标，但前者更容易受相干斑影响，随着斑点噪声的增强(方差为0.008)，参考文献[8]方法的分割结果开始出现较大误分割。虽然模拟SAR图像中边缘随着斑点噪声的增强而变得模糊，本文改进的水平集方法很好地降低了斑点噪声的影响，将目标轮廓很好地分割出来。
为了验证本文方法对真实SAR图像分割的有效性，针对真实SAR图像进行试验与分析。真实SAR图像分割选用两组ALOS-PAL SAR图像进行实验。第一组为2008年“5.12”汶川地震前后安县上游水库图像，图像大小均为233×240，其中震前图像拍摄于2008年2月17日，震后图像拍摄于2008年5月19日；第二组图像为绵阳市涪江上游白水湖震前和震后图像，震前图像拍摄于2008年2月17日，图像大小为205×240，震后图像拍摄于2008年5月19日，图像大小为232×240。图2给出了两种方法所得的分割结果。其中第1列为原始图像，第2列为使用参考文献[8]方法得到的真实SAR图像分割结果，第3列是使用本文方法得到的分割结果。从实验结果可以看出，改进的水平集方法的分割结果明显优于参考文献[8]方法的分割结果。特别是当真实SAR图像中目标的轮廓较复杂和模糊时，参考文献[8]方法已不能将目标轮廓完整正确地分割出来，而本文方法能够很好地做到这一点。其原因是在对真实SAR图像分割时，本文方法使用能够很好描述SAR图像的统计模型对图像进行建模，利用能量映射函数降低了斑点噪声的影响，这使得水平集方法可以直接应用到经过处理的图像数据，从而得到精确的结果。
多区域SAR图像的改进水平集分割方法首先使用GA0模型定义能量映射函数以特征化每个像素，该方法使用能量映射函数值代替像素值进行后续处理，即由每个像素的能量映射函数值作为像素值构建“新”的图像，减小了相干斑影响，也使得应用到光学图像、医学图像上的分割方法不经较大修改即可处理该图像，然后结合水平集方法，可以很好地实现SAR图像的分割。通过大量的实验并与参考文献[8]方法相对比，证明了该方法的有效性和适用性。
参考文献
[1] 刘建科，李洋. 低对比度手指静脉图像的分割[J]. 电子技术应用，2012，38(12)：123-125.
[2] 刘源，李小霞. 基于图论的多特征遥感图像区域分割方法[J].微型机与应用，2013,32(7):36-39.
[3] 李波，梁攀，关沫.一种基于边缘提取的交互式图像分割算法[J].微型机与应用，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.