论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)图像以全天候成像等优势在海域动态监测、自动导航等领域有广泛的应用,其中海岸线检测是动态监测海岸线变化的一个解决手段。然而在SAR图像中,由于相干斑、海风和陆地环境的复杂性等因素,使得海岸线检测具有较大难度。本文从超像素角度出发,利用区域合并、三重马尔科夫随机场(TMF),重点研究SAR图像中海、陆区域存在陆、海类似小区域且海陆对比度较低时的海岸线检测算法。本文主要工作如下:(1)给出了 一种基于超像素的区域合并改进海岸线检测算法。当海面或者陆地不均匀时,已有的区域合并海岸线检测算法容易出现无法合并的小区域,且需要人为设定合并阈值的问题,本文首先给出了一种改进的超像素算法,通过构建一个改进的局部窗,可以有效的解决传统矩形窗中因含有边缘导致计算出的特征模糊的问题,通过该局部窗构建一个相似性描述子,使提取出的特征更加精确,超像素的边缘贴合度更高。然后以超像素为基元,又给出一种改进的区域合并准则,该准则同时考虑超像素的像素均值、相对大小和统计量信息,再根据邻域信息得到确定局部阈值的方式,解决了已有算法中需要人为设置阈值的问题。通过对SAR图像的实验,验证了算法的有效性。(2)给出了一种基于超像素的三重马尔科夫随机场(TMF)改进海岸线检测算法。针对已有算法边缘贴合度不高的问题,首先给出一种基于Gamma分布的超像素算法,假设均匀局部邻域服从Gamma分布,通过置信区间确定左右门限形成超像素以提高边缘贴合度。然后以超像素为基元,给出一种改进的TMF算法,构建了一种基于改进辅助场的能量函数以解决已有TMF算法的阈值依赖性问题。通过对SAR图像的实验,验证了算法的有效性。(3)给出了一种基于概率的超像素三重马尔科夫随机场(TMF)改进海岸线检测算法。针对海陆对比度较低的问题,首先给出一种统计量以增强海陆对比度,其次给出一种改进超像素算法以解决边缘贴合度不高的问题。最后给出一种基于概率的TMF改进算法以解决已有算法未考虑同类超像素相关性问题,以一个概率向量表示当前超像素属于海或陆的概率,由此构建一个基于概率的改进能量函数,替代已有TMF中的Ising模型。通过对SAR图像的实验,验证了算法的有效性。