论文部分内容阅读
图像分割是合成孔径雷达(Synthetic Aperture Radar, SAR)图像处理的关键问题,也是影响SAR图像自动解译性能的关键技术之一。由于相干斑点噪声的影响,传统分割算法存在分割精度不高、分割边界不完整以及难以融合高层理解机制提供的先验知识等缺点,使其无法满足实际的SAR图像分割需求。与传统的图像分割方法相比,基于曲线演化理论和水平集的几何活动轮廓模型不仅可以自然地改变轮廓曲线的拓扑,还能提供高精度的闭合分割曲线,而且具有数值实现简单、易于被扩展到高维等优点。因此,该模型在图像分割中得到了广泛应用。本文以提高分割边缘的准确性和算法的鲁棒性为目标,围绕基于几何活动轮廓模型的SAR图像分割问题进行了深入的研究,主要开展了以下两个方面的工作：(1)基于统计分布的水平集SAR图像分割方法。目前,对于中低分辨率、强度均匀的SAR图像,Gamma统计模型能够得到较好的分割结果,不过,对于高分辨率、强反射、相干斑点噪声不均匀的SAR图像,基于Gamma模型的方法分割效果不理想。因此,我们提出了一种基于Fisher分布的水平集SAR图像分割方法。通过理论分析和仿真实验,证明了Fisher分布模型能拟合高分辨率、强反射等的SAR图像,并且能获得较准确的分割效果。此外,由于Fisher分布的参数估计是个难点,因此,本文使用三种估计方法来进行参数估计,并对其进行了对比分析。(2)基于形状先验的水平集SAR图像分割方法。由于现实中获得的SAR图像会受到噪声、阴影、遮挡等因素的影响,导致不能对目标进行正确的分割。为了解决上述问题,本文提出了一种基于形状先验的水平集SAR图像分割方法。在基于统计分布的水平集SAR图像分割方法的能量函数基础上,加入基于水平集描述的形状约束项,建立新的能量泛函,它包含形状能量项、统计能量项和正则能量项。在演化过程中,该方法可以约束曲线的演化过程。通过对仿真图像和MSTAR数据进行实验,我们得到了预期的分割结果。