SAR图像河流分割的加权指数区域能量模型

发布时间：2019-09-16 23:01

【摘要】：传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。
【图文】：

河流,图像,虚警率,准确率

，但分割图像中仍存在一些干扰区域，分割准确性有待进一步提高。ＷＥＲＣＶ模型的分割结果在图（ｆ）中展示，分割效果最佳。ＷＥＲＣＶ模型是在ＣＶ模型能量泛函中添加了指数区域能量项，增强了分割图像和原始图像差异性的约束，能更加精确地衡量分割图像和原始图像的差异程度。因此，ＷＥＲＣＶ模型能很好地抑制干扰区域对分割结果的影响，可以实现ＳＡＲ图像中河流的准确分割。为了更加客观地比较５种模型的分割效果，给出上述２幅ＳＡＲ图像的人工分割结果作为参考图像，，如图３所示。图３河流ＳＡＲ图像人工分割结果Ｆｉｇ．３ＭａｎｕａｌｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆＳＡＲｉｍａｇｅｓｏｆｒｉｖｅｒｓ选择准确率（Ａｃ）和虚警率（ＦＡ）来定量评价５种模型的分割效果。准确率和虚警率的计算式如下Ａｃ＝ＴＰ＋ＴＮＴＰ＋ＦＰ＋ＴＮ＋ＦＮ（１３）ＦＡ＝ＦＰＴＰ＋ＦＰ（１４）式中，ＴＰ表示正确分割的河流像素；ＦＰ表示错误分割的河流像素；ＴＮ表示正确分割的背景像素；ＦＮ表示错误分割的背景像素。依据式（１３）和式（１４）计算上述分割结果的准确率和虚警率（见表１）。表１５种模型分割结果的准确率和虚警率Ｔａｂ．１Ｔｈｅａｃｃｕｒａｃｙａｎｄｆａｌｓｅａｌａｒｍｏｆｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｂｙｆｉｖｅｍｏｄｅｌｓ（％）图１图２准确率／虚警率准确率／虚警率ＣＶ模型８９．９／３２．０８８．３／２５．７ＬＲＣＶ模型８９．８／３１．９７６．５／４１．１ＲＧＥＣＶ模型９１．３／２８．６８５．６／３０．１
【作者单位】：南京航空航天大学电子信息工程学院;黄河水利委员会黄河水利科学研究院水利部黄河泥沙重点实验室;南京水利科学研究院港口航道泥沙工程交通行业重点实验室;哈尔滨工业大学城市水资源与水环境国家重点实验室;
【基金】：国家自然科学基金(61573183) 水利部黄河泥沙重点实验室开放基金(2014006) 港口航道泥沙工程交通行业重点实验室开放基金城市水资源与水环境国家重点实验室开放基金(LYPK201304)~~
【分类号】：P332;TN957.52

【相似文献】