基于馬爾可夫隨機(jī)場的SAR圖像分割算法研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)具有全天候、全天時對地球表面進(jìn)探測和偵查以及穿透葉簇的能力,從而在軍事偵察和民用上得到了廣泛的應(yīng)用。圖像分割是低層次計算機(jī)視覺領(lǐng)域中的一個基礎(chǔ)性問題,也是實現(xiàn)SAR圖像自動解譯的關(guān)鍵技術(shù)之一,是當(dāng)前SAR圖像研究的一個世界性難題。將傳統(tǒng)應(yīng)用于光學(xué)圖像的分割算法應(yīng)用在SAR圖像上會導(dǎo)致許多難以解決的問題,比如分割精度不高、分割邊界不平滑以及難以融合高層理解機(jī)制提供先驗

2、信息等,因而難以滿足實際的SAR圖像分割要求,從而迫切需要一種快速并且能夠?qū)D像本身的低層次視覺屬性和待分割切片的先驗知識結(jié)合起來的分割框架。順應(yīng)這種需求馬爾可夫隨機(jī)場(Markov Random Field,MRF)圖像分割模型應(yīng)運而生,并在實際SAR圖像的分割中取得了巨大成功。但是,該模型本身也存在著諸多難以克服的問題,比如因為引入了圖像的局部相關(guān)性,導(dǎo)致數(shù)據(jù)量膨脹嚴(yán)重影響運算效率,相應(yīng)的優(yōu)化算法亦難以同時兼顧計算效率和優(yōu)化精度；簡

3、單的邊緣模型和SAR圖像本身難以避免的相干斑噪聲,使得分割算法在邊緣保護(hù)和噪聲抑制問難以取得平衡。
　　 針對以上問題,本文致力于馬爾可夫隨機(jī)場圖像分割模型算法的研究,以提高分割精度、算法運行效率和算法的魯棒性為目標(biāo),提出了一系列在SAR圖像下對MRF模型的改進(jìn)措施,并且取得了令人滿意的實驗結(jié)果,具體的創(chuàng)新性研究成果主要包括:
　　 (1)對由馬爾可夫隨機(jī)場圖像分割模型得到的目標(biāo)函數(shù),采用圖割(GraphCuts,GC)

4、優(yōu)化技術(shù)求解最優(yōu)分割結(jié)果。圖割中的擴(kuò)展移動算法(alpha-expansionalgorithm)在噪聲較少的情況下具有較快的收斂速度,但是在SAR圖像中該算法的運算效率難以滿足實際需求。因為擴(kuò)展移動算法在構(gòu)造網(wǎng)絡(luò)時,需要在具有不同標(biāo)號的相鄰像素之間添加輔助頂點,而頂點數(shù)目的增加會導(dǎo)致算法效率的下降。SAR由于其相干成像的機(jī)制會導(dǎo)致圖像出現(xiàn)許多相干斑噪聲,從而導(dǎo)致圖像的局部相關(guān)性減弱,需要添加的輔助頂點數(shù)目非常多,從而嚴(yán)重影響運算效率。

5、針對此,提出了一種基于GC的新優(yōu)化算法,可以避免添加輔助頂點,在保證分割精度的情況下有效地提高了算法的運算效率。
　　 (2)在MRF圖像分割模型中,如何確定平滑能量項和數(shù)據(jù)能量項之間的競爭因子一直是影響分割精度的關(guān)鍵性問題。本文提出了一種逐步增加平滑能量項的策略,在SAR圖像分割中取得了較好的效果。
　　 (3)為提高分割算法的運算速度以及分割精度,提出了一種新的分割框架:首先對原始SAR圖像進(jìn)行中值濾波預(yù)處理,然后將