基于條件隨機(jī)場擴(kuò)展模型的無監(jiān)督SAR圖像分割.pdf

1、隨著合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)應(yīng)用領(lǐng)域的拓展, SAR圖像解譯技術(shù)日益受到人們的重視。其中SAR圖像分割是對SAR圖像進(jìn)行解譯的基礎(chǔ)和前提,為后期的分類和識別奠定基礎(chǔ)。然而SAR的成像特點使得SAR圖像包含大量相干斑噪聲,給圖像分割帶來了很大困難,使得傳統(tǒng)的光學(xué)圖像分割算法的應(yīng)用受到限制。
　　本文針對非平穩(wěn)SAR圖像的多類分割問題,提出了一種基于條件三重馬爾可夫場(Conditio

2、nal Triplet Markov Fields, CTMF)的無監(jiān)督SAR圖像分割算法。該算法結(jié)合了三重馬爾可夫場(Triplet Markov Fields, TMF)引入第三個隨機(jī)場描述SAR圖像非平穩(wěn)性的優(yōu)點和條件隨機(jī)場(Conditional Random Fields, CRF)建模任意非獨立觀測特征的優(yōu)點,在條件隨機(jī)場的基礎(chǔ)上引入了一個輔助場來明確描述SAR圖像的非平穩(wěn)性,直接建模標(biāo)號場和輔助場的聯(lián)合后驗分布,構(gòu)建了標(biāo)號

3、場和輔助場聯(lián)合作用下的一元和二元勢函數(shù),并且在模型中可以引入任意非獨立的觀測特征。通過對合成圖像和實測SAR圖像的仿真實驗表明,與傳統(tǒng)的TMF分割方法相比,CTMF模型的分割結(jié)果提高了邊界定位的準(zhǔn)確性和SAR圖像的分割精度。然而,CTMF模型只能建模局部圖像信息而不能充分利用全局信息,而引入全局信息有助于減小 SAR圖像中的噪聲影響。針對這個問題,本文在 CTMF的基礎(chǔ)上進(jìn)行了擴(kuò)展,在一元和二元勢函數(shù)中引入鄰域標(biāo)號間的相互作用信息,我們