论文部分内容阅读
Markov随机场(Markov Random field简称MRF)是描述元素间相互影响的数学模型之一，它能简洁合理地刻画图像像素相关性，在图像分类的应用中MRF理论一直是一种备受关注的建模方法。合成孔径雷达(Synthetic Aperture Radar简称SAR)图像在军事和民用领域都有重要应用，但是SAR图像所固有的斑点噪声使得SAR图像分类方法的研究一直都是研究的热点问题。图像分类类数的判定是图像分类必须首先解决的问题，也是研究工作的一个难点。本文研究双Markov随机场框架下SAR图像分类类数的判定问题，证明了最小描述长度(Minimum Description Length简称MDL)定阶方法的相容性，并结合SAR图像的统计特性，给出了纹理情况下图像的无监督分类方法。本文得到了如下成果： (1) 综述了常用的模型定阶准则，从信息论的角度阐述了MDL定阶准则的含义；给出了在双Markov模型中MDL准则在判定图像分类类数时的含义及数学表达式；从理论上证明了在判定图像分类类数时MDL定阶准则的相容性；以实例分析验证了MDL定阶准则在确定图像分类类数时的效果。用双Markov模型作图像分类时，需要给定图像的分类类数作为先验信息，与以往通过目测的方式给定分类类数相比，MDL定阶准则相容性的证明为图像分类类数的确定提供了严谨的理论依据。 (2) 分析了无监督非纹理以及有监督纹理图像的双Markov模型，给出纹理双Markov模型中低层MRF参数的一种估计方法，实现了纹理图像的无监督分类问题；并针对单视SAR图像的统计特征提出了双Markov EAR模型，及这种纹理模型对应的无监督分类算法。与MDL定阶方法相结合，该方法可以实现纹理图像某种意义上的完全无监督分类。