SAR圖像分割中的變分問(wèn)題研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像分割,是SAR圖像處理中的基礎(chǔ)且關(guān)鍵步驟。由于相干斑噪聲的影響,對(duì)SAR圖像的分割,需要根據(jù)SAR圖像所特有的特征來(lái)完成?；谧兎掷碚摰腟AR圖像分割,可以根據(jù)不同的SAR圖像特征建立不同的能量泛函,并利用變分法最小化能量泛函,實(shí)現(xiàn)SAR圖像的分割。
　　本文就變分SAR圖像分割技術(shù)展開(kāi)了研究,主要工作如下:
　　(1)研究了利用邊界信息的GAC模型

2、和利用區(qū)域信息的CV模型,并結(jié)合邊界信息和區(qū)域信息,建立了多區(qū)域的SAR圖像分割模型。針對(duì)水平集方法數(shù)值求解耗時(shí)的問(wèn)題,在Potts模型的基礎(chǔ)上推導(dǎo)出了平滑對(duì)偶模型,給出了一種基于對(duì)偶的快速算法。在SAR圖像分割的速度和精確度上,與水平集方法進(jìn)行了對(duì)比,用實(shí)驗(yàn)驗(yàn)證了對(duì)偶算法的有效性和快速性。
　　(2)分析了均勻SAR圖像的Gamma統(tǒng)計(jì)分布特征,以及非均勻SAR圖像的紋理特征。利用灰度共生矩陣(GLCM)提取SAR圖像的紋理特征

3、,得到紋理特征向量,與Gamma分布統(tǒng)計(jì)特征進(jìn)行結(jié)合,并利用Potts模型建立了能量泛函。將SAR圖像分割結(jié)果,與單獨(dú)使用統(tǒng)計(jì)特征或者紋理特征進(jìn)行對(duì)比,特征結(jié)合得到的分割結(jié)果更加精確。
　　(3)針對(duì)極化SAR圖像特有的性質(zhì),利用極化相干矩陣的復(fù)Wishart分布和Potts模型建立能量泛函。對(duì)偶算法進(jìn)行最小化時(shí),在H-α分類(lèi)的基礎(chǔ)上,利用復(fù)Wishart分布實(shí)現(xiàn)了極化SAR圖像的自動(dòng)初始化,可以自動(dòng)確定初始化曲線和分類(lèi)數(shù)目,考慮