基于稀疏表示和隨機觀測的SAR圖像分割.pdf

1、合成孔徑雷達(Synthetic Aperture Radar,簡稱 SAR)具有全天候、全天時的成像特點,而且能穿透一些土壤和植被,與光學(xué)遙感器相比具有很強的優(yōu)越性,因此許多地理和軍事問題的研究都以 SAR圖像為重要依據(jù)。SAR圖像的分類和分割是SAR圖像解譯的重要步驟,是目標(biāo)的識別的前提,因此研究SAR圖像分類與分割具有重要意義。
　　本文主要對稀疏表示模型在 SAR圖像分類與分割當(dāng)中的應(yīng)用進行了研究,我們的主要工作有:

2、>　　(1)提出了一種基于稀疏表示的SAR圖像地物分類算法,這是對JohnWright等人提出的稀疏表示人臉分類識別算法的應(yīng)用。該算法使用詞袋模型的方法構(gòu)造特征向量,采用隨機投影來提取有效信息,將局部特征和整體特征相結(jié)合,對于圖像的類別信息進行了統(tǒng)計分析,使得特征向量的提取更加簡單而且更能代表圖像信息。與JohnWright等人的方法進行比較,本算法能有效地進行SAR圖像地物分類,分類正確率高于常用的算法。
　　(2)提出了一種基

3、于稀疏表示模型的SAR圖像分割算法,將稀疏表示模型應(yīng)用到單幅圖像的地物分割上面。選定訓(xùn)練區(qū)域以后,該算法可以自動選取訓(xùn)練樣本,避免了人工標(biāo)記訓(xùn)練樣本的主觀性,同時采用二次分割策略來提取特征向量,實驗證明該算法簡單有效。
　　(3)提出了兩種改進的稀疏表示SAR圖像分割策略,第一種改進策略是首先將圖像分成勻質(zhì)和非勻質(zhì)區(qū)域,然后對于勻質(zhì)區(qū)域采用小尺寸字典,對于非勻質(zhì)區(qū)域采用大尺寸字典,使得分割結(jié)果精確一些。第二種改進策略是根據(jù)特征向量