基于區(qū)域的SAR圖像分割算法及其在SAR圖像分類當(dāng)中的應(yīng)用.pdf

1、合成孔徑雷達(dá)（SAR）因?yàn)楠?dú)特的成像方式使得其具有全天時(shí)、全天候等特點(diǎn)。隨著近年來SAR傳感器的不斷發(fā)展，高分辨率SAR圖像處理逐漸成為了SAR領(lǐng)域的研究熱點(diǎn)。圖像的分割和分類一直以來都是圖像解譯的關(guān)鍵步驟，而SAR圖像因其固有的相干斑噪聲以及高分辨率下的同譜異質(zhì)現(xiàn)象使得SAR圖像自動(dòng)解譯非常困難。基于相似度限制區(qū)域合并的SAR圖像分割算法為高分辨率下的SAR圖像分析提供了新思路。基于區(qū)域的方法可以有效減少SAR圖像固有的相干斑噪聲對(duì)分

2、割的影響，通過對(duì)相似度進(jìn)行限制可以有效地實(shí)現(xiàn)SAR圖像的多層次分割，以滿足不同尺度的分割需求?；趨^(qū)域的分割結(jié)果進(jìn)行分類，可以有效地減少相干斑噪聲的影響，將分割后的區(qū)域作為基本的分類單元，可以引入?yún)^(qū)域的紋理、結(jié)構(gòu)以及尺寸形狀等信息進(jìn)行分析，有效的提高SAR圖像的分類精度。
　　本文對(duì)遙感圖像中的分割方法進(jìn)行總結(jié)和研究，結(jié)合SAR圖像的特點(diǎn)，提出并設(shè)計(jì)了一種魯棒性高的適用于不同SAR圖像的分割算法，并且將其引入到全極化SAR圖像分割

3、當(dāng)中，最后基于單極化和全極化的分割結(jié)果進(jìn)行SAR圖像分類。本文的主要工作如下:
　?。ㄒ唬┱撐幕仡櫤涂偨Y(jié)了SAR圖像的分割方法和分類方法，指出了基于區(qū)域合并分割算法的優(yōu)勢(shì)，以及其在SAR圖像分類中應(yīng)用的可行性。
　　（二）改進(jìn)了基于區(qū)域合并的分割算法。首先利用形態(tài)學(xué)分水嶺算法獲得邊緣保持良好的過分割區(qū)域，在過分割區(qū)域的基礎(chǔ)上進(jìn)行相鄰區(qū)域相似性度量，度量的方法在傳統(tǒng)灰度均值的基礎(chǔ)上引入了統(tǒng)計(jì)模型度量的方法。然后引入了最鄰近圖對(duì)

4、SAR過分割區(qū)域進(jìn)行表示，通過邊界像素進(jìn)行各個(gè)區(qū)域鄰域的計(jì)算并存儲(chǔ)。區(qū)域合并采用的是全局最優(yōu)的合并方式，以保證獲得的最終結(jié)果是全局最佳的。在合并過程中每一次的區(qū)域合并都要將鄰接表進(jìn)行一次更新。每次只對(duì)一個(gè)區(qū)域合并，無需對(duì)所有區(qū)域的鄰域通過邊界像素進(jìn)行更新，從而加快區(qū)域合并速度。對(duì)相似度進(jìn)行限制可實(shí)現(xiàn)SAR圖像的多尺度分割。將相似度限制合并完成的分割結(jié)果進(jìn)行后處理，采用全局最優(yōu)的合并方式將尺寸小于某一限定區(qū)域的小區(qū)域進(jìn)行合并，得到最終的分

5、割結(jié)果。最后將分割結(jié)果進(jìn)行分析，并與常用的SAR圖像分割方法進(jìn)行比較，驗(yàn)證算法的有效性。
　?。ㄈ┰趨^(qū)域合并的分割方法基礎(chǔ)上，實(shí)現(xiàn)基于SVM分類器的單極化和全極化的SAR圖像分類。有別于傳統(tǒng)的基于像素的SAR圖像分類方法，基于區(qū)域的分類算法可以有效降低相干斑噪聲的影響。利用SVM分類方法結(jié)合單極化和全極化的分類特征進(jìn)行分類，在全極化SAR圖像分類中引入了多特征組合的方法來提高分類精度。最后將分類結(jié)果與基于像素的SAR圖像分類結(jié)果