高分辨率SAR圖像地物分類中的建筑群分割技術(shù)研究.pdf

1、隨著合成孔徑雷達(dá)(SAR)技術(shù)的發(fā)展，通過各種方式得到的數(shù)據(jù)量越來越大，人工解譯已經(jīng)無法滿足SAR圖像解譯的需求。而且隨著SAR圖像分辨率達(dá)到分米級(jí)，也為計(jì)算機(jī)解譯和處理提供了支持。針對(duì)SAR圖像解譯在軍事以及民用上的應(yīng)用需求，本文研究了SAR圖像建筑群分割以及建筑物檢測(cè)技術(shù)。
　　本文從兩條思路入手，一方面利用建筑群在SAR圖像上表現(xiàn)的典型紋理特征，分別采用模糊聚類方法和活動(dòng)輪廓模型方法實(shí)現(xiàn)建筑群分割。另一方面，建筑群分割作為地

2、物分類問題，可以采用基于統(tǒng)計(jì)模型和馬爾科夫隨機(jī)場(chǎng)(MRF)的方法實(shí)現(xiàn)建筑群分割。最后在大場(chǎng)景圖像中分割得到的建筑區(qū)內(nèi)部進(jìn)行建筑物的檢測(cè)。本文開展的主要工作包括以下幾個(gè)方面:
　　(1)基于變差函數(shù)紋理特征和模糊聚類方法分割建筑群。首先分析了建筑區(qū)的主要散射機(jī)制，總結(jié)了建筑區(qū)在SAR圖像上的典型紋理特征，這為后續(xù)基于變差函數(shù)紋理特征分割建筑群提供了理論基礎(chǔ)。然后，利用變差函數(shù)刻畫建筑群所表現(xiàn)出來的紋理特性，并用模糊C均值聚類器(FC

3、M)對(duì)紋理特征進(jìn)行聚類。由于傳統(tǒng)的變差函數(shù)紋理特征計(jì)算方法計(jì)算量非常大，論文采用了快速遞推算法，大大減少了計(jì)算量。
　　(2)基于活動(dòng)輪廓模型分割建筑群。將圖像的紋理特征作為活動(dòng)輪廓模型的曲線演化的能量，為了使變差函數(shù)紋理特征適用于活動(dòng)輪廓模型，提出了多層紋理特征，并設(shè)計(jì)了活動(dòng)輪廓模型分割建筑群的算法。
　　(3)基于Fisher統(tǒng)計(jì)模型和MRF分割建筑群。建筑群分割本質(zhì)上是經(jīng)典的地物分類問題，論文采用Fisher統(tǒng)計(jì)模型描