摘 要： 提出了一種基于邊緣保持的區域能量最小化的SAR海冰圖像分割算法。首先對圖像進行 SRAD濾波，然后進行分水嶺初始分割和區域能量最小化分割，從而得到最終分割結果。將該算法用于SAR海冰圖像的分割中, 實驗結果表明,該分割方法有效、準確性好。
關鍵詞： 圖像分割； 合成孔徑雷達(SAR)； 海冰
SAR是一種主動式微波傳感器，具有全天候、全天時和高分辨率的成像能力，它已經成為海冰監測的有效工具，并在科學研究和商業活動中(如氣候研究和船舶導航等)發揮了重要作用。在加拿大冰署(CIS)和芬蘭冰署(FIS)等單位，冰情分析人員每天對收到的大量SAR海冰圖像進行進一步處理，為用戶繪制冰況分布圖。由于SAR圖像的數據量巨大，現有的人工分割費時費力，且精確度和分辨率均有限[1]。因此,迫切期待對SAR海冰圖像的自動分割能幫助冰情分析人員更好地解釋海冰圖像。
海冰通常是淡水冰、鹽水和空氣的混合物。WMO[2]主要基于冰的厚度和持續時間對海冰種類進行定義。如頭年冰(First Year Ice)有較大的鹽體，因此微波不容易穿透，這里表面散射占優勢。針對頭年平滑冰，信號能量的大部分反射出去，少部分能量沿雷達方向返回，這種區域的色調值是非常低的，顯得比較暗。針對頭年粗糙冰，可以獲得更多的返回能量，相應的區域顯得較亮。多年冰（Multi-year ice）的含鹽率非常低。除了有限的表面散射，經由體散射的后向散射是最主要的貢獻，它受粒子（氣泡和冰晶）尺寸和密度的影響。盡管多年冰通常看起來顯得比初期冰更亮，但相對于新冰而言，每日和每季的變化有時候可能掩蓋后向散射特征。而表面雪溶化或偶爾海水的入侵，這些變化是由含水率和鹽濃度引起的。
對于SAR圖像的分割，最常用的是閾值法和聚類方法它們僅考慮像素本身的灰度值,一般不考慮空間特征，因而對噪聲很敏感。在實際應用中，通常與其他方法結合使用。為了提高分割算法的穩定性，其他很多方法則或多或少、內在或外在地利用空間上下文信息來指導分割，如區域生長與合并方法[3]、邊緣檢測方法[4]以及基于模型[5]的方法等。但這些方法都各具優點和缺點。區域增長與合并方法對復雜圖像的分割效果較好，但算法較復雜，計算量大，合并還可能破壞區域的邊界；邊緣檢測方法的性能主要取決于圖像中邊界定義的好壞，因此如果圖像是有噪的或邊界模糊通常會遇到困難。經實驗證明,在圖像分割和邊緣檢測中[6]，分水嶺分割算法是一種很有效的方法，因此可以運用分水嶺算法對冰區進行初始分割。
1.2 SAR 海冰圖像的區域化以及構建區域鄰接圖
從圖像的局部結構出發，將圖像劃分為相似像素組成的基本區域，從而把像素分類問題轉化為區域分類問題，增強了對相干斑噪聲及特征不穩定性的抗干擾能力。實際上本步驟是對分水嶺算法的描述。
Vincent和Soille在1991年以沉浸算法定義了分水嶺(Water shed)算法。分水嶺是地形學的經典概念,也是圖像形態學中的重要算子。在圖像處理領域,分水嶺的實現方法有很多,其中最典型的一種方法是基于模擬泛洪的思想，它將圖像分割成大量不重疊的封閉區域。
在本文中，首先由Canny算子計算出梯度，原始圖像與高斯核的一階導數在水平和垂直方向分別卷積，從而獲得兩個方向上的導數。高斯函數的方差對所獲得的邊界的平滑度有一定程度的影響，本文中的方差設置為1.0。然后運用模擬泛洪的算法[7]計算SAR圖像中的分水嶺，得到作為后繼區域能量最小化的初始子區域。分水嶺初始分割通常會得到大量的區域，如何有效地描述每個區域的屬性及區域間的上下文關系是實際算法實現中的難題。本文實現了一種稱為區域鄰接圖RAG(Region Adjacency Graph) [8]數據結構。其本質上是一種圖，每個節點代表一個區域，節點間的弧反映域間的上下文關系，如圖2所示。
2 實驗結果及分析
將提出的算法應用到兩幅SAR圖像的分割上證實其在實際應用中的價值，如圖3和圖4所示。將本算法與基于像素級的MRF分割和基于區域的MRF分割進行比較。
圖3 (a)是從工作在 ScanSAR C-頻段模式的RADARSAT-1衛星在1997年10月13日拍攝的Beaufort海的SAR海冰圖像提取的，分辨率為100 m。此SAR海冰圖像中海冰類型有兩種，其中較亮的區域代表多年冰，其他區域表示灰度冰。圖4(a)是從工作在 ScanSAR C-頻段模式的RADARSAT-1衛星在1998年6月24日拍攝的Baffin Bay的SAR海冰圖像中提取的,分辨率為100 m。該SAR圖像有海冰（亮的區域）和敞水（相對較暗的區域）組成。
圖3(b)基于像素級的MRF分割由于噪聲的影響，得到的圖像依然保留著很多斑點，產生大量的孤立誤分小區域。而基于區域的MRF分割以及本文算法，由于采取區域的方法，其準確率有了顯著提高。與圖3(c)基于區域型的MRF分割算法相比,本文提出的這種算法在圖像分割方面有了明顯的進步。圖4所示的實驗結果進一步驗證了本文算法的有效性。
本文提出了一種基于邊緣保持的區域能量最小化的SAR海冰圖像分割算法，該算法首先對圖像進行 SRAD濾波，然后進行分水嶺初始分割和區域能量最小化分割。通過對SAR海冰圖像的分割，證明了該算法的有效性，克服了基于像素級分割算法只考慮像素自身特征、對噪聲較為敏感的缺點；與基于區域型MRF分割相比，本文算法具有物體邊緣定位準確及分割效率高等優點。
參考文獻
[1] Yang Xuezhi,CLAUSI D A. 2007.SAR sea ice image segmentation based on edge-preserving watersheds[C].Fourth Canadian Conference on Computer and Robot Vision(CRV’ 07),2007:426-431.
[2] www.eorc.jaxa.jp. EORC|Images & Data-ALOS Data Acquisition Planning Begun to Study the Global Carbon Cycle. 2007．
[3] ADAMS R, BISCHOF L. Seeded region growing[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1994,16(6):641-647.
[4] BOVIK A C. On detecting edges in speckle imagery[J]. IEEE Transactions on Acoustics,Speed and Signal Processing,1998,36(10):1648-1627.
[5] WON C S, DERIN H. Unsupervised segmentation of noisy and textured images using Markov random Fields[J]. CVGIP: Graphical Models and Image Processing, 1992,54(4):308-328.
[6] GAUCH J M.Image segmentation and analysis via multiscale gradient watershed hierarchies[J]. IEEE Transactions, on Image Processing,1999,8(1):69-79．
[7] VINCENT L, SOILLE P. Watersheds in digital spaces: an afficient algorithm based on immersion simulations[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1991,13(6): 583-598.
[8] LI S Z. Markov random field modeling in image analysis[M].Springer, 2001.