基于條件隨機(jī)場(chǎng)擴(kuò)展模型的無(wú)監(jiān)督SAR圖像分割.pdf

1、隨著合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)應(yīng)用領(lǐng)域的拓展, SAR圖像解譯技術(shù)日益受到人們的重視。其中SAR圖像分割是對(duì)SAR圖像進(jìn)行解譯的基礎(chǔ)和前提,為后期的分類(lèi)和識(shí)別奠定基礎(chǔ)。然而SAR的成像特點(diǎn)使得SAR圖像包含大量相干斑噪聲,給圖像分割帶來(lái)了很大困難,使得傳統(tǒng)的光學(xué)圖像分割算法的應(yīng)用受到限制。
　　本文針對(duì)非平穩(wěn)SAR圖像的多類(lèi)分割問(wèn)題,提出了一種基于條件三重馬爾可夫場(chǎng)(Conditio

2、nal Triplet Markov Fields, CTMF)的無(wú)監(jiān)督SAR圖像分割算法。該算法結(jié)合了三重馬爾可夫場(chǎng)(Triplet Markov Fields, TMF)引入第三個(gè)隨機(jī)場(chǎng)描述SAR圖像非平穩(wěn)性的優(yōu)點(diǎn)和條件隨機(jī)場(chǎng)(Conditional Random Fields, CRF)建模任意非獨(dú)立觀測(cè)特征的優(yōu)點(diǎn),在條件隨機(jī)場(chǎng)的基礎(chǔ)上引入了一個(gè)輔助場(chǎng)來(lái)明確描述SAR圖像的非平穩(wěn)性,直接建模標(biāo)號(hào)場(chǎng)和輔助場(chǎng)的聯(lián)合后驗(yàn)分布,構(gòu)建了標(biāo)號(hào)

3、場(chǎng)和輔助場(chǎng)聯(lián)合作用下的一元和二元?jiǎng)莺瘮?shù),并且在模型中可以引入任意非獨(dú)立的觀測(cè)特征。通過(guò)對(duì)合成圖像和實(shí)測(cè)SAR圖像的仿真實(shí)驗(yàn)表明,與傳統(tǒng)的TMF分割方法相比,CTMF模型的分割結(jié)果提高了邊界定位的準(zhǔn)確性和SAR圖像的分割精度。然而,CTMF模型只能建模局部圖像信息而不能充分利用全局信息,而引入全局信息有助于減小 SAR圖像中的噪聲影響。針對(duì)這個(gè)問(wèn)題,本文在 CTMF的基礎(chǔ)上進(jìn)行了擴(kuò)展,在一元和二元?jiǎng)莺瘮?shù)中引入鄰域標(biāo)號(hào)間的相互作用信息,我們