论文部分内容阅读
SAR图像处理是人们获取信息的重要途径之一,在各个领域已经得到广泛应用。如今,SAR成像技术已经日益成熟,SAR数据的获取速度与质量也已得到迅速提升,这些都将增加对SAR图像处理技术的需求。因此如何实现快速、自动化的SAR图像处理是一个重要的研究方向。本文主要对海岸线检测方法和图像分类方法做了介绍。对于海岸线检测,主要研究了两种基本的检测方法;对于图像分类,主要研究了基于纹理特征和基于马尔科夫随机场的分类方法。本文在超像素分割的基础上提取纹理特征,选用合适的分类器对图像进行分类,又结合马尔科夫随机场理论,将纹理特征与空间信息相结合,对分类结果进一步改进。论文主要内容安排如下:1.主要研究了两种基本的海岸线检测方法。第一种方法是边界追踪法,该方法由J.Lee和I.Jurkevich于1990年提出,是一种较早的适合SAR图像的海岸线检测方法,该方法中的很多检测边界的技巧至今仍在使用。该方法主要包括两部分:一部分是图像的预处理,本文介绍了Sigma滤波方法;另一部分是边界追踪,即在边缘检测结果上追踪到一条连续的海岸线。第二种方法是阈值法,这是理论上比较简单的一种分割方法,但对杂波很敏感。本文主要研究了一种利用方差的滤波方法,然后用Otsu方法获取最优的全局阈值,进行海陆分割以得到海岸线。2.主要研究了基于纹理特征的SAR图像分类方法。本文研究了用滑窗方式提取像素点的多级局部模式直方图(Multilevel Local Pattern Histogram,MLPH)特征的方法,由于滑窗提取像素点的方式速度慢,而且滑窗大小的确定需要考虑的问题也较多,而超像素恰好能解决此问题,因此提出了一种基于超像素的MLPH特征提取方法。为得到合适的超像素,研究了一种基于似然比特征的超像素分割方法,用超像素代替滑窗提取MLPH特征,选用LIBSVM分类器对测试样本进行分类。为提高分类结果的稳定性,本文还研究了用不同超像素分割结果下的分类结果进行融合的方法,得到最终分类结果。3.主要研究了如何在基于纹理特征的分类基础上进一步改善分类结果。结合马尔科夫随机场理论知识,在超像素分割基础上,定义邻域和基团。结合先验信息定义先验能量,利用LIBSVM分类结果中到分类面距离这一变量,定义似然能量。通过能量函数的定义,结合MAP-MRF框架,运用能量最小化算法完成对场景图像的分类。