基于統(tǒng)計(jì)特征和混合模型的SAR圖像分割方法研究.pdf

1、遙感技術(shù)作為一門前沿學(xué)科,近幾年取得了長(zhǎng)足的發(fā)展。作為微波遙感的代表,合成孔徑雷達(dá)(SAR)由于具有全天候、全天時(shí)對(duì)地球表面進(jìn)行觀察的能力以及空間分辨率高的特點(diǎn),使得SAR在民用和軍事方面發(fā)揮著越來越大的作用。隨著合成孔徑雷達(dá)技術(shù)應(yīng)用的日益發(fā)展,合成孔徑雷達(dá)數(shù)據(jù)收集能力越來越強(qiáng),人工解譯難以適應(yīng)數(shù)據(jù)的高速增長(zhǎng),利用計(jì)算機(jī)及模式識(shí)別技術(shù)對(duì)這些圖像進(jìn)行自動(dòng)或半自動(dòng)快速、準(zhǔn)確地解譯可以極大提高數(shù)據(jù)處理的效率,無論在軍事及民用領(lǐng)域都具有很好的發(fā)

2、展前景及應(yīng)用價(jià)值,SAR圖像分類、目標(biāo)檢測(cè)、分割、識(shí)別是SAR自動(dòng)半自動(dòng)圖像解譯的幾個(gè)重要的研究方向,成為國(guó)際研究熱點(diǎn)。
　　在對(duì)SAR圖像的研究和應(yīng)用中,人們往往對(duì)圖像中的某些部分感興趣,需要將它們分離提取出來,這就是圖像分割。本文在綜合分析國(guó)內(nèi)外在合成孔徑雷達(dá)(SAR)圖像分割技術(shù)的基礎(chǔ)上,提出了改進(jìn)或推廣應(yīng)用了前人算法,取得了較好的分割效果。本文的主要工作內(nèi)容及對(duì)前人工作的具體改進(jìn)點(diǎn)如下:
　　1)對(duì)SAR圖像雜波模型

3、作了深入研究,為了在保證檢測(cè)概率的同時(shí)盡量提高檢測(cè)效率,假設(shè)SAR雜波圖像服從簡(jiǎn)單的瑞利分布,即選用瑞利分布模型對(duì)SAR圖像進(jìn)行恒虛警率(CFAR)檢測(cè),同時(shí)結(jié)合圖像的統(tǒng)計(jì)特征改進(jìn)CFAR方法:第一,針對(duì)邊界像素提出新的參考窗口選取方法;第二,改進(jìn)均值估計(jì)方法,充分利用參考窗口空間信息。該方法在真實(shí)SAR圖像上進(jìn)行了實(shí)驗(yàn)驗(yàn)證,并與一般常用方法進(jìn)行了比較,給出了不同情況下的實(shí)驗(yàn)結(jié)果,揭示出本文算法可以在多目標(biāo)SAR圖像上取得較好的分割效果

4、。
　　2)介紹了模糊熵理論及在圖像分割方面的應(yīng)用,將基于模糊熵的圖像分割單閾值、雙閾值方法應(yīng)用到SAR圖像分割上,并結(jié)合SAR圖像特點(diǎn)加以改進(jìn),即選用像素點(diǎn)鄰域的平均灰度值分布所構(gòu)成的直方圖代替像素灰度直方圖進(jìn)行雙閾值的選取,由于充分利用了圖像的空間信息和統(tǒng)計(jì)特征,得到的圖像目標(biāo)信息、陰影信息都比較連續(xù),而且有效克服了SAR圖像的斑點(diǎn)噪聲,圖像分割結(jié)果較好。同時(shí),為了加快參數(shù)優(yōu)化速度,防止優(yōu)化結(jié)果陷入局部最優(yōu)解,采用了免疫遺傳算

5、法進(jìn)行模糊參數(shù)的尋優(yōu),能夠較好、較快的把目標(biāo)和陰影從SAR圖像中分割出來。
　　3)簡(jiǎn)要介紹了混合模型的定義及研究方法,將基于高斯混合模型的貪婪EM算法的分割方法應(yīng)用到SAR圖像中。同時(shí)利用免疫遺傳算法的優(yōu)勢(shì),代替一般的k-均值算法對(duì)貪婪EM高斯算法進(jìn)行初始化,在全局范圍內(nèi)搜索最優(yōu)值。實(shí)驗(yàn)結(jié)果證明結(jié)合免疫遺傳算法的貪婪EM算法能得到較好的目標(biāo)分割結(jié)果,能有效地抑制SAR圖像中的斑點(diǎn)噪聲,并且可以在整個(gè)搜索空間內(nèi)快速尋優(yōu),具有一定的