论文部分内容阅读
合成孔径雷达(synthetic aperture radar,SAR)是一种具有高分辨率,且能够获取和探测重要信息资源的工具。随着合成孔径雷达的广泛应用,合成孔径雷达现在已经能在高分辨率的情况下全天候,全天时的工作,并且广泛应用在军事侦查,海洋监视,自然灾害监测等领域。SAR图像是合成孔径雷达提供的直接信息,而由于很多情况下,我们往往对其中的部分目标感兴趣,因此需要SAR图像分割技术来解决这一问题。由于SAR图像本身具有相干斑噪声,导致SAR图像分割质量受到影响。近年来,众多研究者提出了大量的SAR图像分割算法,这些方法大概分为两大类:基于图像特征的SAR图像分割算法和基于模型优化的SAR图像分割算法。基于图像特征的SAR图像分割算法主要有三种:基于边缘信息的SAR图像分割算法、基于区域信息的SAR图像分割算法以及基于边缘信息和区域信息混合的SAR图像分割算法。而基于模型优化的SAR图像分割算法又主要有四种:变分方法、基于最短描述长度准则的分割方法、马尔科夫随机场方法以及图论方法。上述方法在对SAR图像进行分割时都有其独有的优点,但这些方法由于本身具有较高的复杂度,且在区域合并过程中,尤其是合并具有相近平均灰度的区域时往往效果不够理想。本文致力于研究SAR获取数据后的信息处理,为了解决传统SAR图像目标不清晰导致的肉眼难以辨别目标和区域这一难题,先对SAR图像进行高斯平滑下的加权中值滤波预处理,然后利用基于比率边缘检测(RESM)的分水岭变换得到SAR图像的初始分割结果,最后,提出了一种基于相对公共边界长度和K-S距离相结合的合并测度实现SAR图像的分割。该方法能够解决传统方法处理图像时速度较慢且质量不够理想的问题,快速分割的同时能够适应大部分SAR图像数据。本文主要工作包括以下几个方面:1.根据目前SAR图像易受场景强散射点影响的特点,提出利用加权中值滤波对SAR图像进行预处理。本文利用高斯函数对加权窗进行了平滑,并讨论了不同大小的加权窗对处理结果的影响。2.说明了本文中对SAR图像分割使用的初始分割方法,本文使用基于RESM的分水岭变换实现了SAR图像的初始分割,并简要介绍了基于SRG的初始分割方法。然后,通过仿真结果对两者进行了对比。3.SAR图像的最终分割需要对初始分割结果进行区域合并。这里提出两种合并测度,包括基于相对公共边界长度的合并测度以及基于K-S距离的合并测度。在本文中通过设置阈值在区域面积较小时采用基于相对公共边界长度的合并测度,在区域面积较大时采用基于K-S距离的合并测度,并最终利用RAG和NNG方法得到最终分割结果,并通过仿真实验对基于相对公共边界长度和统计相似性度量的方法和本文方法的分割结果进行了对比。同时,将本文第三章与第四章提出的方法结合,得到最终分割结果,并在运算时间上进行了对比。