论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种利用多普勒效应实现微波成像的雷达,具备全天时、全天候、高分辨、穿透性强等多种特点,所以广泛的应用于农作物估产、监测海岸侵蚀、地表变化检测、对敌追踪、精确打击等民用和军事领域。然而,由于SAR属于斜距投影类型的成像,SAR图像中存在的相干斑噪声会使得SAR图像在进行分割和解译的时候受到强烈的干扰。与此同时,SAR图像的数据量也在急剧增长,在带来精确细节和丰富信息的同时,也增加了SAR图像的分割技术的难度。本文着重研究基于区域合并的SAR图像分割算法,提出两种SAR图像分割算法:基于感知哈希和差异哈希的SAR图像分割算法(PDHA)和基于RESM和区域合并的SAR图像分割算法(RESM_RM)。算法介绍如下:(1)PDHA充分利用了感知哈希的精确性和鲁棒性的特点以及差异哈希的快速、高效的特性,从而实现了SAR图像分割。在预处理阶段,使用增强型Lee滤波尽量克服噪声对SAR图像的后续分割带来的影响。然后利用SAR图像的统计特性,根据灰度直方图的峰谷值,选取多个阈值进行初始化分割,得到同质区域集合。然后将同质区域集合作为进一步分割的输入,引导相似性较大且超过规定阈值的两个不同的区域进行合并,并更新得到的区域集合,直到区域集合中的元素个数不再改变,。本文算法不仅提高了算法的分割效率,也提高了分割的精确度。最后,通过与其他SAR图像分割算法的对比试验表明了本文算法的有效性。(2)RESM_RM算法利用一种基于统计信息的边缘检测算子去替代可旋转的矩形双边比例边缘检测算子。首先使用基于统计信息的边缘检测器捕捉SAR图像的方向变量信息,根据这些方向变量信息构造比例边缘强度映射(RESM)。然后对RESM使用分水岭变换,并将其分割结果作为下一步的输入。最后,将初始分割中的过分割区域转换成构造区域邻接图(RAG)和全连通图(FCG)中的节点,节点间的连线表示区域间的相似性度量,利用区域合并的方法逐渐合并相似度最大的区域,从而得到最终的图像分割结果。最后,通过与其他SAR图像分割算法的对比试验表明了本文算法的有效性。