基于模糊馬爾科夫隨機場的遙感圖像分割算法研究.pdf

1、遙感圖像分割，就是指將遙感圖像分成各具特性的區(qū)域并提取出感興趣的目標的技術(shù)和過程，在此基礎(chǔ)上才有可能對目標進一步利用。因此遙感圖像分割是由遙感圖像處理到遙感圖像分析的關(guān)鍵步驟。
　　近年來，以馬爾科夫隨機場模型作為先驗?zāi)Ｐ偷臒o監(jiān)督圖像分割已經(jīng)得到了廣泛應(yīng)用，實踐證明該模型有利于提高圖像分割質(zhì)量。但是由于環(huán)境和傳感器的影響，遙感圖像具有灰度變化大、紋理復(fù)雜并且邊界模糊等特點，經(jīng)典的馬爾科夫隨機場模型并不能很好的處理分割中的相干噪聲等

2、問題。本文針對遙感圖像斑點噪聲大，邊界模糊的特點，在分割中引入了結(jié)合模糊集和馬爾科夫算法的模糊馬爾科夫隨機場的無監(jiān)督算法，以SAR圖像為實驗對象證明了該方法的準確性。論文的主要工作和創(chuàng)新如下：
　?、俜治隽嘶谀：突隈R爾科夫隨機場的分割算法，這是圖像分割中的兩大主要工具。深入分析對比了這兩種算法在遙感圖像分割上的優(yōu)劣。
　?、跒榱藦浹a以上兩種方法各自的不足，將模糊馬爾科夫隨機場引入遙感圖像分割中，提出了基于模糊馬爾科夫

3、隨機場模型在遙感圖像分割算法中的具體構(gòu)架，使得圖像中的各點均從屬于某個模糊類，而再是屬于指定標簽的確定類。該模型結(jié)合了分割問題中的隨機性與模糊性，以模糊隨機變量為基礎(chǔ)，從軟分割的角度更合理地獲取了圖像的先驗知識，較好地貼合了圖像的特點，因而使得圖像分割過程中使用的先驗知識更為準確。
　?、墼谠O(shè)計模糊馬爾科夫隨機場模型的勢函數(shù)時，本文以傳統(tǒng)的多邏輯模型（MLL）為基礎(chǔ)，建立了模糊MLL模型，這種模糊模型下的勢函數(shù)定量的從兩點的距離入

4、手，比經(jīng)典的勢函數(shù)只是定性的從兩點的異同入手更能細致的描述先驗?zāi)Ｐ?，比?jīng)典的Gibbs隨機場的勢函數(shù)更細膩的刻畫了像素間的細微差別。
　?、芤酝哪：指罴夹g(shù)都把精力放在了圖像的灰度特征上，這對兩類以上的目標分割具有明顯的缺陷，為了更加準確的區(qū)分圖像中的不同區(qū)域，本文在MAP-MRF框架下提取出圖像的灰度特征和紋理特征，以各自的特點分別建模，實驗證明對于多值圖像效果明顯。
　?、菽：R爾科夫隨機場模型和經(jīng)典馬爾科夫隨機場一樣

5、都存在一個問題，就是分割過程高度依賴從圖像特征中估計出來的參數(shù)，雖然此方法使用到的參數(shù)較少，但是為了實現(xiàn)無監(jiān)督分割，分割過程必須具備參數(shù)學(xué)習(xí)的能力而無需訓(xùn)練數(shù)據(jù)。為此本文使用了修正的EM算法來估計特征參數(shù)，再用模擬退火算法獲取全局最優(yōu)解。
　?、拊趯嶒炛?，選擇了具有代表性的模糊C均值算法和經(jīng)典的馬爾科夫隨機場算法作為對比，通過針對SAR圖像的分割結(jié)果圖和求得的最大錯分率證明了模糊馬爾科夫隨機場算法更好的處理了邊緣的混疊，明顯減少了

6、斑點噪聲，使分割結(jié)果更加準確。
　　⑦在實驗中作者發(fā)現(xiàn)由于模糊類的引入，導(dǎo)致搜索空間變大，如若仍然采用模擬退火這種全局優(yōu)化算法的話雖然效果很好，但是分割時間會明顯變長?？紤]到為了提高分割的效率，本文將優(yōu)化方案進行了修改，提出了SA-ICM結(jié)合的組合優(yōu)化方法，雖然分割結(jié)果的正確率有稍許下降，但是將分割速度提高了近3倍，以適應(yīng)不同的分割要求。
　?、嘣趯λ惴ㄟM行實現(xiàn)中，使用VC++6.0設(shè)計完成了SAR圖像分割系統(tǒng)，該系統(tǒng)將本文