论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)图像分割是SAR自动解译的关键技术之一,其结果对SAR图像的解译具有重要意义。SAR图像特有的相干成像系统提供了较光学图像更高的分辨率,但不可避免的存在严重的相干斑噪声,传统的针对加性噪声的图像分割方法不再适用于SAR图像。Gamma混合模型聚类根据SAR图像特有的统计分布,凭借形式简单、计算方便等优点,已成为当前广泛应用于SAR图像的分割算法。但是该算法仅利用图像的灰度信息,忽略了像素间的空间信息,导致该算法对噪声十分敏感,分割结果往往存在大量的误分现象。为此,本文提出了基于空间信息聚类的SAR图像分割算法,主要工作包含以下两个方面：1)研究分析了一种结合双边滤波与Gamma混合模型的SAR图像分割算法。该算法在模型的参数求解过程中,把每个像素本身所对应的贝叶斯后验概率作为该图像的像素值,通过双边滤波处理,使得图像中相邻像素的贝叶斯后验概率数值得到平滑,获得相近的贝叶斯后验概率数值。在每一次参数迭代过程中,融入一次滤波操作,使得每一次参数求解都受到像素位置的影响,既能准确的分割SAR图像,又能较好的抑制相干斑噪声对分割结果的影响；2)研究分析了采用区域Gamma混合模型的SAR图像分割算法。该算法采用分水岭分割作为初始分割,将过分割得到的区域块作为Gamma混合模型的聚类样本,使得Gamma混合模型聚类由传统的像素级提升到区域级。并进一步考虑区域间的相互关系,引入邻域因子融入到迭代算法中,得到邻域类生成加权概率,提高算法的分割效果。分别针对合成SAR图像与真实SAR图像进行了充分的实验,并进行了较为详细的分析。与传统的Gamma混合模型聚类、区域高斯混合模型以及区域MRF算法相比,本文所提算法的分割结果都分别有了较大的提高,具有更强的抗噪声能力。证明了本文算法在SAR图像分割中的可行性与有效性。