基于廣義Gamma混合模型的SAR圖像分割研究.pdf

1、合成孔徑雷達(SyntheticApertureRadar，簡稱SAR)圖像分割是將圖像中感興趣的目標進行分離，以便于精確地對目標進行研究分析，此項技術已被廣泛應用于軍事偵察、自然資源探測、海洋監(jiān)視、農(nóng)林業(yè)監(jiān)測等各個方面。
　　 至今為止，已經(jīng)提出了大量的圖像分割方法，其中，基于高斯混合模型的分割方法得到了廣泛應用，但是，由于SAR圖像數(shù)據(jù)的復雜性及其非線性、非高斯性，傳統(tǒng)的高斯混合模型方法不能準確地對SAR圖像數(shù)據(jù)進行描述。因

2、此，本文利用具有更強靈活性與描述能力的廣義Gamma混合模型對SAR圖像進行建模，為準確分割圖像奠定基礎。
　　 本文主要研究了基于廣義Gamma混合模型的SAR圖像分割算法，主要內(nèi)容如下所述:
　　 (1)首先利用兩分量的廣義Gamma混合模型與最小誤差原理，推導出基于廣義Gamma混合模型的最小誤差分割算法，然后利用直方圖微分法判斷圖像直方圖的谷點位置及其個數(shù)，依據(jù)谷點個數(shù)，確定直方圖分組數(shù)，在每組分別利用基于廣義G

3、amma混合模型的最小誤差算法，自適應的確定每組的閾值，最終實現(xiàn)圖像的多閾值分割。通過與現(xiàn)有幾種算法的比較，提出算法具有可行性和有效性，并得到了較好的分割效果。
　　 (2)針對全局閾值法的局限性與對直方圖進行分組造成的截斷效應，以及SAR圖像數(shù)據(jù)的復雜性，本文利用廣義Gamma混合模型對SAR圖像進行建模，通過基于CQPSOEM算法對混合模型參數(shù)進行估計，并利用MDL算法自適應確定模型分量數(shù)，CQPSO方法結(jié)合了量子粒子群優(yōu)化