基于模糊c均值聚類的SAR圖像分割算法研究.pdf

1、合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種高分辨率相干成像雷達。與紅外和可見光遙感技術(shù)相比,SAR具有全天時,全天候工作的優(yōu)點,因此廣泛應(yīng)用于軍事和國民經(jīng)濟鄰域。SAR圖像分割是SAR圖像處理的重要環(huán)節(jié),是影響SAR自動解譯性能的關(guān)鍵技術(shù)之一。
　　模糊c均值(FCM)聚類算法是模糊聚類分析中的經(jīng)典算法,比較適合處理圖像中的不確定性問題,已經(jīng)廣泛應(yīng)用于圖像分割中。目前國內(nèi)外學(xué)者已經(jīng)提出了許多用于

2、圖像分割的改進算法,但是用在處理SAR圖像時,由于相干斑噪聲的影響,并不能獲得理想的結(jié)果。本文在研究了已有的基于FCM聚類的圖像分割算法的基礎(chǔ)上,提出了兩種新的用于SAR圖像分割的改進算法,具體內(nèi)容和工作如下:
　　1)針對傳統(tǒng)的非局部均值(NLM)算法的不足,提出了自適應(yīng)的非局部均值(SNLM)算法。SNLM主要有兩方面改進:針對NLM不能很好的處理中心像素的鄰域內(nèi)含有兩大類的情況,提出了自適應(yīng)的相似度度量方法,提高了邊界附近像

3、素的平滑效果。針對NLM算法濾波參數(shù)難以設(shè)定和硬濾波參數(shù)不能很好的平滑各區(qū)域噪聲的問題,提出了自適應(yīng)的濾波參數(shù)計算方法,不僅可以自動選擇濾波參數(shù),而且提高了各區(qū)域的平滑效果。
　　2)通過分析已有的快速FCM圖像分割算法,結(jié)合SNLM算法提出了自適應(yīng)非局部快速模糊c均值聚類(SNF_FCM)圖像分割算法。SNF_FCM使用SNLM算法對SAR圖像進行平滑,然后對平滑后的圖像的灰度級進行聚類,在得到對灰度級的分類結(jié)果后,根據(jù)各個像素

4、的灰度值對像素進行歸類,從而完成SAR圖像分割。通過在模擬圖像和真實SAR圖像上的實驗,表明SNF_FCM圖像分割算法具有很高的區(qū)域一致性,在類間差異較為明顯的SAR圖像上能夠獲得很好的分割結(jié)果。
　　3)通過分析模糊聚類的類內(nèi)離散度和類間離散度,得出同時考慮這兩者是合理的,鑒于傳統(tǒng)FCM算法只考慮了類內(nèi)離散度,提出了結(jié)合類間離散度的非局部模糊c均值聚類(NBS_FCM)圖像分割算法。NBS_FCM算法使用SNLM提取的非局部均值