基于水平集的SAR圖像分割.pdf

1、圖像分割是合成孔徑雷達(dá)(SAR)圖像處理的一個基礎(chǔ)問題，也是影響SAR圖像自動解譯性能的關(guān)鍵技術(shù)之一。現(xiàn)有的水平集一般基于非相干圖像提出，因而不能對相干SAR圖像正確建模，直接限制了該方法在SAR圖像分割領(lǐng)域的應(yīng)用。
　　 針對上述問題，本文對基于水平集的SAR圖像分割方法開展了系統(tǒng)全面的研究，提出了三類適用于SAR圖像分割的水平集方法，且都取得了令人滿意的實驗結(jié)果，主要創(chuàng)新點包括以下三個方面的內(nèi)容：
　　 (1)提出了

2、一種基于局部和全局區(qū)域信息的水平集SAR圖像分割方法，針對SAR圖像廣泛存在灰度分布不均勻的特性，首先提出了一種局部區(qū)域模型，此模型在局部二值擬合(LBF)模型的基礎(chǔ)上，將適用于SAR圖像的指數(shù)核函數(shù)代替高斯核函數(shù)，同時針對局部區(qū)域模型收斂速度慢，對初始化敏感的特點，結(jié)合SAR圖像Gamma概率密度函數(shù)，構(gòu)造基于全局區(qū)域的水平集模型，最后將兩部分模型結(jié)合。
　　 (2)提出了一種基于邊緣和區(qū)域信息的水平集SAR圖像分割方法，該方

3、法在對現(xiàn)有的幾何活動輪廓模型(GAC)和Chen-Vese(CV)模型的水平集圖像分割方法的分析的基礎(chǔ)上，針對SAR圖像特有的統(tǒng)計特性分別對這兩種模型進行了改進。將適用于SAR圖像的指數(shù)加權(quán)均值比率(ROEWA)邊緣檢測算子應(yīng)用到GAC模型代替梯度邊緣信息，并應(yīng)用適用于SAR圖像的Gamma統(tǒng)計信息對全局的分段連續(xù)(PC)模型進行改進，最后將這部分模型結(jié)合。
　　 (3)提出了一種基于區(qū)域統(tǒng)計信息的水平集SAR圖像分割方法，此方