论文部分内容阅读
随着合成孔径雷达(SAR)技术的发展，通过各种方式得到的数据量越来越大，人工解译已经无法满足SAR图像解译的需求。而且随着SAR图像分辨率达到分米级，也为计算机解译和处理提供了支持。针对SAR图像解译在军事以及民用上的应用需求，本文研究了SAR图像建筑群分割以及建筑物检测技术。 本文从两条思路入手，一方面利用建筑群在SAR图像上表现的典型纹理特征，分别采用模糊聚类方法和活动轮廓模型方法实现建筑群分割。另一方面，建筑群分割作为地物分类问题，可以采用基于统计模型和马尔科夫随机场(MRF)的方法实现建筑群分割。最后在大场景图像中分割得到的建筑区内部进行建筑物的检测。本文开展的主要工作包括以下几个方面: (1)基于变差函数纹理特征和模糊聚类方法分割建筑群。首先分析了建筑区的主要散射机制，总结了建筑区在SAR图像上的典型纹理特征，这为后续基于变差函数纹理特征分割建筑群提供了理论基础。然后，利用变差函数刻画建筑群所表现出来的纹理特性，并用模糊C均值聚类器(FCM)对纹理特征进行聚类。由于传统的变差函数纹理特征计算方法计算量非常大，论文采用了快速递推算法，大大减少了计算量。 (2)基于活动轮廓模型分割建筑群。将图像的纹理特征作为活动轮廓模型的曲线演化的能量，为了使变差函数纹理特征适用于活动轮廓模型，提出了多层纹理特征，并设计了活动轮廓模型分割建筑群的算法。 (3)基于Fisher统计模型和MRF分割建筑群。建筑群分割本质上是经典的地物分类问题，论文采用Fisher统计模型描述SAR图像上各类地物的像素灰度分布。将多层最大似然分割结果作为初始分割结果，并把纹理特征融入势函数，通过迭代条件模型得到最终的分割结果。 (4)基于感知编组理论检测建筑物。首先采用恒定虚警率(CFAR)检测算法检测局部建筑区内的亮点。对于特定组织结构的矩形建筑物，将感知编组理论和建筑区的灰度特征结合起来，提取疑似建筑物。最后计算重构后的矩形建筑物内高亮点的比例，判决疑似建筑物是否是实际建筑物。