基于快速區(qū)域合并的SAR圖像分割算法.pdf

1、合成孔徑雷達(dá)（synthetic aperture radar，SAR）成像系統(tǒng)已經(jīng)被廣泛應(yīng)用，如目標(biāo)檢測(cè)與識(shí)別、海洋監(jiān)視、地形繪制和自然災(zāi)情監(jiān)測(cè)等。SAR圖像分割是SAR圖像信息提取和自動(dòng)理解的一個(gè)重要問(wèn)題，它通過(guò)將一幅SAR圖像分割成互不重疊的同質(zhì)區(qū)域來(lái)提取場(chǎng)景的結(jié)構(gòu)信息。SAR的相干成像原理使得SAR圖像中存在大量隨機(jī)分布的相干斑噪聲，這些相干斑噪聲降低了SAR圖像的質(zhì)量，同時(shí)，增加了SAR圖像分割的難度。
　　本論文主要研

2、究SAR圖像分割問(wèn)題的模型建立及其優(yōu)化求解問(wèn)題。提出幾種基于區(qū)域合并技術(shù)的SAR圖像分割算法。它們是：
　　1.邊緣信息引導(dǎo)區(qū)域合并SAR圖像分割算法。針對(duì)基于區(qū)域合并技術(shù)的SAR圖像分割算法中區(qū)域合并的順序問(wèn)題，提出一種由邊緣信息引導(dǎo)的區(qū)域合并技術(shù)。首先，利用多方向比例邊緣檢測(cè)算子提取SAR圖像的比例邊緣強(qiáng)度映射(ratio edge strength map，RESM)，提出一種新的閾值處理方法來(lái)抑制RESM的均質(zhì)區(qū)域內(nèi)部的極

3、小值，進(jìn)而減少了對(duì)閾值處理后的 RESM進(jìn)行分水嶺變換獲得的初始分割的區(qū)域個(gè)數(shù)。然后，利用相鄰區(qū)域的面積和邊緣信息設(shè)計(jì)一個(gè)區(qū)域合并優(yōu)先級(jí)函數(shù)來(lái)引導(dǎo)區(qū)域合并的進(jìn)行，該方法提高了模型參數(shù)的估計(jì)精度，同時(shí)保留圖像的強(qiáng)邊緣；最后，將邊緣信息引導(dǎo)區(qū)域合并技術(shù)用于求解基于多邊形網(wǎng)格和最短描述長(zhǎng)度（minimum description length，MDL）準(zhǔn)則的SAR圖像分割模型。該方法提高了分割結(jié)果中區(qū)域邊緣的定位能力與定位精度。
　　2

4、.基于網(wǎng)格編碼和區(qū)域合并的MDL準(zhǔn)則SAR圖像分割算法。建立一種新的基于八鄰域鏈碼網(wǎng)格編碼和MDL準(zhǔn)則的SAR圖像分割模型，并用區(qū)域合并技術(shù)實(shí)現(xiàn)模型的快速優(yōu)化求解。結(jié)合比例邊緣檢測(cè)算子和分水嶺變換獲得SAR圖像的初始過(guò)分割結(jié)果；遞歸地合并使分割模型減低最快的相鄰區(qū)域?qū)崿F(xiàn)分割模型的優(yōu)化求解。利用區(qū)域鄰接圖(region adjacency graph，RAG)及其最近鄰圖(nearest neighbor graph，NNG)特性來(lái)加速區(qū)

5、域合并過(guò)程。利用數(shù)值指標(biāo)精確度(P)和命中率(R)來(lái)評(píng)價(jià)分割算法的邊緣定位能力。實(shí)驗(yàn)結(jié)果表明，該方法具有高的邊緣定位能力和低的時(shí)間復(fù)雜度。
　　3.基于G0分布和鏈碼網(wǎng)格的SAR圖像分割算法。為了降低SAR圖像的場(chǎng)景復(fù)雜度對(duì)其分割結(jié)果的影響，提出一種基于MDL準(zhǔn)則的自適應(yīng)權(quán)值SAR圖像分割模型。該模型利用G0分布描述SAR圖像數(shù)據(jù)，用鏈碼網(wǎng)格對(duì)SAR圖像中區(qū)域的邊緣進(jìn)行編碼。提出一種利用SAR圖像數(shù)據(jù)自適應(yīng)地估計(jì)分割模型的權(quán)值的方

6、法。遞歸地合并初始分割結(jié)果中使分割模型降低最快的相鄰區(qū)域?qū)崿F(xiàn)模型快速優(yōu)化求解。實(shí)驗(yàn)結(jié)果表明，該方法有效地減輕了紋理區(qū)域的過(guò)分割程度。
　　4.邊緣懲罰分層區(qū)域合并SAR圖像分割算法。利用方向邊緣強(qiáng)度信息，建立一種新的邊緣懲罰SAR圖像分割模型，提出一種最小化該模型的分層區(qū)域合并算法。利用多方向比例邊緣檢測(cè)算子提取SAR圖像的邊緣強(qiáng)度信息，并結(jié)合分水嶺變換獲得SAR圖像的高質(zhì)量的初始過(guò)分割結(jié)果。利用多邊形近似區(qū)域邊緣，提取邊緣的方向

7、，將方向邊緣強(qiáng)度映射融入邊緣懲罰中，獲得懲罰強(qiáng)度與邊緣強(qiáng)度成反比的邊緣懲罰項(xiàng)。逐漸增大邊緣懲罰項(xiàng)的強(qiáng)度，獲得由圖像特征驅(qū)動(dòng)的分層區(qū)域合并算法。利用RAG表示圖像分割結(jié)果，加速區(qū)域合并。實(shí)驗(yàn)結(jié)果表明：該方法與其它方法相比在性能和效率上都有優(yōu)勢(shì)，獲得更好的分割結(jié)果。
　　5.相對(duì)公共邊界長(zhǎng)度懲罰區(qū)域合并SAR圖像分割算法。提出一種基于區(qū)域合并技術(shù)的快速SAR圖像分割算法。該算法對(duì)閾值處理后的比例邊緣強(qiáng)度映射進(jìn)行分水嶺變換實(shí)現(xiàn)SAR圖像

8、的快速初始過(guò)分割，利用提出的基于相對(duì)公共邊界長(zhǎng)度懲罰的區(qū)域合并代價(jià)和用于快速搜索初始分割中最小權(quán)值相鄰區(qū)域的NNG實(shí)現(xiàn)快速區(qū)域合并。提出一種新的度量相鄰區(qū)域之間的相似性的統(tǒng)計(jì)相似性度量，該度量具有尺度不變性和對(duì)區(qū)域尺寸的近似恒虛警特性，將該統(tǒng)計(jì)相似性度量與提出的相對(duì)公共邊界長(zhǎng)度懲罰項(xiàng)結(jié)合，得到新的區(qū)域合并代價(jià)。利用RAG和NNG加速區(qū)域合并過(guò)程。利用數(shù)值指標(biāo)精確度（P）和命中率（R）來(lái)度量最終分割結(jié)果的邊緣定位能力，區(qū)域覆蓋準(zhǔn)則度量最終