基于模糊理論和MRF模型的SAR圖像分割算法.pdf

1、合成孔徑雷達(Synthetic Aperture Radar, SAR)具有全天候、全天時對地探測和偵察的能力,在軍事和民用領域得到了廣泛的應用。圖像分割是SAR圖像目標識別與解譯技術的重要組成部分,一直是雷達信號處理領域的研究熱點。但是,由于SAR相干成像和側視成像的特點,使得SAR圖像偏暗,包含大量乘性斑點噪聲,同時具有紋理復雜、邊界模糊等特點,使得分割時的邊界準確定位非常困難。由于相干斑噪聲的影響,傳統(tǒng)的光學圖像分割算法對SAR

2、圖像的分割并不適用。
　　本文針對SAR圖像斑點噪聲大、非平穩(wěn)以及區(qū)域邊界模糊等特性,以模糊理論和馬爾可夫隨機場(Markov random field, MRF)模型為基礎,將二者融合并擴展應用到圖像分割中。本文將MRF的擴展模型——三重馬爾可夫隨機場(Triplet Markov random fields, TMF)模型中標記場的取值范圍由有限離散取值空間擴展為連續(xù)空間,以此描述每個像素對不同類別的隸屬程度;構建了一個用于描

3、述模糊標記場和附加場聯合先驗分布的模糊能量函數,該模糊能量函數的構建同時也考慮了鄰域內四個方向的方向信息和鄰域像素間的差異度信息;最后通過條件迭代估計(Iterative condition estimation, ICE)和最大后驗模型(Maximum posterior mode, MPM)實現了參數估計及分割。本文對合成和實測SAR圖像進行了仿真,實驗結果和分析表明,本文算法在分割精度、區(qū)域一致性以及區(qū)域邊界定位方面均優(yōu)于經典的M