基于改進蜂群算法和Tsallis熵的SAR圖像多閾值分割.pdf

1、隨著合成孔徑雷達（SAR）技術的迅速崛起，SAR成像具有全天候、多波段、多極化、穿透性強等特點，在海冰檢測、城市規(guī)劃、軍事偵查以及農作物病蟲害防治中扮演著重要的角色。圖像分割是圖像解譯和識別的關鍵環(huán)節(jié)，分割效果直接影響后續(xù)圖像處理與解譯，分割的關鍵步驟是將感興趣的目標區(qū)域從復雜的背景區(qū)域中精確提取出來。由于其獨特的成像方式以及存在對圖像質量影響較大的相干斑噪聲，使得在分割方法的選取上同其他光學圖像有著本質的不同。因此，尋找一種算法簡單、

2、分割效率高、普適性較好的SAR圖像分割方法具有積極意義。
　　本課題對近年來國內外的主流分割方法進行了對比研究，結合SAR圖像本身的特性，針對SAR圖像底層分割中存在的問題，提出將改進的蜂群算法和Tsallis熵相結合，采用多閾值分割的研究思路。在改進蜂群算法方面引入Le vy飛行更新策略，改進初始化種群以及搜索策略。在閾值選取方面，充分考慮圖像空間和灰度信息，用改進Tsa llis熵作為閾值選取準則。通過以上算法及改進算法的實驗

3、研究，應用在SAR圖像分割中取得了不錯的效果。具體工作內容及成果如下：
　　首先，針對SAR圖像易受噪聲干擾、分割方法精度低的問題，提出一種基于頻域引導濾波和Tsallis熵的SAR圖像多閾值分割方法。算法先利用非下采樣Contourlet變換對圖像多尺度分解，提取圖像各方向的高頻信息，再利用引導濾波增強高頻分量的邊緣信息，在保持邊緣的同時抑制相干斑噪聲。然后利用改進的Tsa ll is熵的多閾值對增強圖像精確分割。結果表明，提出

4、的分割方法對噪聲不敏感，分割精度和適應性有了明顯提高。
　　然后，針對頻域引導濾波易造成分割誤差大，解譯結果可靠性低等問題，提出一種基于稀疏分解和改進蜂群算法的SAR圖像多閾值分割方法，算法利用相干斑噪聲分布的稀疏性，通過魯棒性主成分分析提取圖像的稀疏分量，再利用雙邊濾波增強圖像細節(jié)信息。然后利用改進的蜂群算法搜索多閾值對增強圖像進行分割。結果表明，算法在保持分割圖像的連通性的同時，能增強圖像細節(jié)信息，具有更高的分割精度。

5、　　最后，針對人工蜂群算法在分割背景復雜的圖像時存在計算量大、易陷入局部最優(yōu)、計算時間長等問題。提出了一種基于Levy飛行特征的改進人工蜂群算法的SAR圖像多閾值分割方法。算法將二維Tsa ll is熵單閾值的分割方法擴展到多閾值分割，同時建立二維Tsa llis熵的多閾值選取方法，結合改進的人工蜂群算法，搜索多閾值用于SAR圖像分割。由于尋優(yōu)過程極易陷入局部最優(yōu)，因而引入了Le vy飛行特征策略來改進蜂群算法易陷入局部最優(yōu)的缺點，提出