基于三重馬爾可夫場的無監(jiān)督SAR圖像分割算法研究.pdf

1、合成孔徑雷達(dá)（SAR）系統(tǒng)因其全天時(shí)、全天候等特點(diǎn)而廣泛應(yīng)用于軍事和民用的各個(gè)領(lǐng)域。SAR圖像分割作為SAR圖像目標(biāo)識別與解譯技術(shù)的基礎(chǔ)和前提，一直是國內(nèi)外學(xué)者研究的熱點(diǎn)。然而，受相干成像機(jī)制影響，SAR圖像含有大量乘性相干斑噪聲，使得SAR圖像分割成為一個(gè)極具挑戰(zhàn)性的難題。因此，開展SAR圖像分割方法的研究對于促進(jìn)SAR技術(shù)的發(fā)展具有重要的理論意義和應(yīng)用價(jià)值。三重馬爾可夫場（TMF）模型能夠充分考慮圖像的非平穩(wěn)性，并且能夠采用多樣的統(tǒng)

2、計(jì)模型對數(shù)據(jù)進(jìn)行精確建模，因此適合處理非平穩(wěn)SAR圖像分割問題。本文針對實(shí)測機(jī)載和星載SAR圖像的理解與解譯，以貝葉斯理論、圖論、尺度空間理論和組合優(yōu)化理論等為理論基礎(chǔ)，開展基于三重馬爾可夫場的無監(jiān)督SAR圖像分割方法研究，實(shí)現(xiàn)了實(shí)時(shí)、穩(wěn)健和高效的SAR圖像分割。
　　本研究主要內(nèi)容包括：⑴針對傳統(tǒng)基于像素的TMF模型計(jì)算效率低下的問題，提出了一種基于邊緣定位TMF模型的無監(jiān)督SAR圖像分割算法。該算法針對SAR圖像乘性相干斑噪聲

3、的統(tǒng)計(jì)特性，將基于指數(shù)加權(quán)均值比（ROEWA）算子的邊緣強(qiáng)度引入Turbopixels算法以在SAR圖像中獲取精確邊緣定位的超像素圖。將傳統(tǒng)的基于像素的TMF模型擴(kuò)展到超像素圖上，導(dǎo)出了基于超像素圖的TMF新的勢能函數(shù)以及貝葉斯最大后驗(yàn)邊緣(MPM)分割公式，在降低模型的復(fù)雜度的同時(shí)能夠有效抑制相干斑噪聲的影響。測試圖像和大量實(shí)測SAR圖像的仿真實(shí)驗(yàn)表明，該算法在SAR圖像分割時(shí)能獲得良好的區(qū)域一致性和準(zhǔn)確的邊緣定位，并且明顯提高了算法

4、的計(jì)算效率。⑵針對傳統(tǒng)的定義在圖像網(wǎng)格上的非因果TMF模型計(jì)算效率低下的問題，提出了一種基于多尺度區(qū)域分層TMF模型的無監(jiān)督SAR圖像分割算法。該算法考慮到相干斑噪聲的影響，利用降班各向異性擴(kuò)散（SRAD）方程形成 SAR圖像的多尺度表示；通過梯度分水嶺提取區(qū)域并建立尺度間的區(qū)域鄰接關(guān)系，生成多尺度區(qū)域鄰接樹。基于該分層結(jié)構(gòu)建立多尺度區(qū)域分層TMF模型，通過對該模型的非迭代MPM估計(jì)實(shí)現(xiàn)SAR圖像分割。計(jì)算機(jī)模擬和實(shí)測SAR圖像的實(shí)驗(yàn)表

5、明本文算法相比于傳統(tǒng)的非因果TMF模型，分割結(jié)果更為平滑，計(jì)算效率更高。⑶針對MPM準(zhǔn)則下基于Gibbs采樣技術(shù)的TMF模型統(tǒng)計(jì)推斷方法效率低下，且不能保證解的最優(yōu)性的問題，提出了一種基于TMF模型和置信傳播的無監(jiān)督SAR分割算法。該算法針對TMF中的兩個(gè)標(biāo)記場的統(tǒng)計(jì)推斷問題，將置信傳播算法推廣到二元情形，通過消息傳遞的方式估計(jì)雙標(biāo)記場的聯(lián)合后驗(yàn)邊緣概率，并依據(jù)MPM準(zhǔn)則同時(shí)實(shí)現(xiàn)兩個(gè)標(biāo)記場的估計(jì)。計(jì)算機(jī)模擬圖像和實(shí)測SAR圖像的實(shí)驗(yàn)表明

6、本文算法能有效抑制相干斑噪聲的影響，以合理的計(jì)算代價(jià)獲得精確的分割結(jié)果。⑷針對TMF模型的高效統(tǒng)計(jì)推斷問題，提出了一種基于TMF模型和圖割的無監(jiān)督SAR圖像分割算法。考慮TMF模型中的兩個(gè)標(biāo)記場的優(yōu)化求解，采用一種基于最大后驗(yàn)（MAP）準(zhǔn)則的迭代優(yōu)化策略，迭代地在一個(gè)標(biāo)記場固定的條件下估計(jì)另一個(gè)標(biāo)記場。對于每個(gè)標(biāo)記場，采用高效的圖割優(yōu)化方法獲得單一標(biāo)記場的最優(yōu)估計(jì)。合成圖像和實(shí)測SAR圖像的仿真實(shí)驗(yàn)表明本文算法結(jié)合了TMF模型對于SAR