论文部分内容阅读
图像分割是合成孔径雷达(SAR)图像处理的一个基础问题,也是影响SAR图像自动解译性能的关键技术之一。现有的水平集一般基于非相干图像提出,因而不能对相干SAR图像正确建模,直接限制了该方法在SAR图像分割领域的应用。针对上述问题,本文对基于水平集的SAR图像分割方法开展了系统全面的研究,提出了三类适用于SAR图像分割的水平集方法,且都取得了令人满意的实验结果,主要创新点包括以下三个方面的内容:(1)提出了一种基于局部和全局区域信息的水平集SAR图像分割方法,针对SAR图像广泛存在灰度分布不均匀的特性,首先提出了一种局部区域模型,此模型在局部二值拟合(LBF)模型的基础上,将适用于SAR图像的指数核函数代替高斯核函数,同时针对局部区域模型收敛速度慢,对初始化敏感的特点,结合SAR图像Gamma概率密度函数,构造基于全局区域的水平集模型,最后将两部分模型结合。(2)提出了一种基于边缘和区域信息的水平集SAR图像分割方法,该方法在对现有的几何活动轮廓模型(GAC)和Chen-Vese(CV)模型的水平集图像分割方法的分析的基础上,针对SAR图像特有的统计特性分别对这两种模型进行了改进。将适用于SAR图像的指数加权均值比率(ROEWA)边缘检测算子应用到GAC模型代替梯度边缘信息,并应用适用于SAR图像的Gamma统计信息对全局的分段连续(PC)模型进行改进,最后将这部分模型结合。(3)提出了一种基于区域统计信息的水平集SAR图像分割方法,此方法首先应用区域的局部灰度均值求Gamma概率密度函数,然后构造局部能量函数,为了解决现有的处理区域强度非均匀特性的水平集方法收敛速率慢、计算复杂的特点,应用全局的Gamma概率密度差异对基于全局的分段连续(PC)模型进行改进,最后将这两种模型结合。本论文工作得到了国家自然科学基金(No.60971128,61072106,61173090)和中央高校基本科研业务费专项资金(No.JY10000902001)的资助。