基于模糊熵和ABC算法的SAR圖像分割的研究.pdf

1、隨著合成孔徑雷達(Synthetic Aperture Radar，SAR)技術的快速發(fā)展，SAR圖像在衛(wèi)星遙感、軍事偵查、海洋監(jiān)測以及農林業(yè)監(jiān)測中發(fā)揮著十分重要的作用。SAR圖像分割就是將圖像中所需要的目標部分提取出來，以便于對圖像進行更精確地研究。由于其獨特的成像特點，SAR圖像會帶有相干斑噪聲，所以它和普通光學圖像有著很大的區(qū)別，從而在分割圖像上也有著不同。
　　本文對近年來國內外的多種圖像分割方法進行了綜述，其中閾值分割在

2、圖像分割中應用最為廣泛，一些智能的優(yōu)化算法用于圖像分割當中對圖像的分割有著很好的優(yōu)化效果。針對SAR圖像分割存在的問題，本文對基于最大模糊熵和改進蜂群的閾值分割算法的SAR圖像分割進行研究，主要的工作和研究成果如下：
　　首先，針對一維模糊熵算法只考慮到像素的灰度特性而沒有考慮到鄰域的空間灰度特性的弊端，引進了基于二維直方圖的模糊熵的算法（簡稱二維模糊熵），得到灰度-鄰域平均灰度的二維直方圖，并將二維直方圖模糊劃分成目標區(qū)域和背景

3、區(qū)域，分別求出模糊熵，計算最大閾值，用求得的閾值來對圖像進行分割。算法的提出為后續(xù)工作提供了基礎。
　　然后，針對二維模糊熵算法抗噪聲能力較弱的問題，本文將二維模糊熵算法進行了改進，將二維直方圖改進成灰度-灰度梯度的二維直方圖，使二維模糊熵算法具有更強的抗噪性。
　　最后，由于二維模糊熵算法速度較慢，本文引進了人工蜂群算法，將二維模糊熵作為人工蜂群算法的適應度函數(shù)，通過求出最優(yōu)閾值來進行圖像分割。為了避免人工蜂群算法出現(xiàn)早熟