多尺度Markov模型與SAR圖像上下文信息融合無監(jiān)督分割.pdf

1、本文研究了基于多尺度Markov模型的SAR圖像無監(jiān)督分割方法。由于SAR圖像含有大量的斑點噪聲，傳統(tǒng)的光學圖像分割方法已不再適用于SAR圖像的分割，而SAR圖像分割又是SAR圖像后期分析和進一步處理的基礎，因此，對SAR圖像分割方法的研究一直都是研究的熱點問題。 本文在前人的基礎上，以多尺度Markov模型為基礎，針對SAR圖像的統(tǒng)計性質(zhì)，給出了確定SAR圖像分類數(shù)目的MMDL(Multiscaleminimumdescrip

2、tionlength)準則和三種SAR圖像分割的上下文融合方法，創(chuàng)新性如下：(1)給出了確定SAR圖像分類數(shù)目的MMDL標準。在多尺度Markov模型的框架內(nèi)通過引入MDL(minimumdescriptionlength)準則，提出了一種確定SAR圖像分類數(shù)目的新方法，并從理論上和模擬計算兩方面說明了該方法的有效性。 (2)在多尺度Markov模型的基礎上，提出了一種融合上下文信息的分割算法。該算法是以上下文向量的形式提出了四

3、種不同的上下文模型，并把這四種上下文模型分別用于融合多尺度結(jié)構(gòu)上的圖像信息，得到了一種基于上下文模型的多尺度融合分割方法。 (3)將上述上下文信息融合算法引入到SAR圖像的分割問題，分別提出了基于MGMM(MultiscaleGaussianMarkovModel)和基于MRMM(MultiscaleRayleighMarkovModel)的上下文信息融合的SAR圖像分割方法。前一種方法通過融合圖像的上下文信息，有效的抑制了SA

4、R圖像的斑點噪聲，解決了現(xiàn)有的MGMM模型不適用于SAR圖像分割的問題；后一種方法以多尺度Markov模型為基礎，根據(jù)SAR圖像的統(tǒng)計性質(zhì)，用Rayleigh分布比較很好地描述了斑點噪聲的拖尾性，并采用了上下文信息融合算法來進一步改善分割結(jié)果，實驗表明，這種方法適合于SAR幅值數(shù)據(jù)的分割。 (4)考慮SAR圖像數(shù)據(jù)的非Gauss分布統(tǒng)計特性，針對EM算法難以給出非Gauss分布參數(shù)估計的缺陷，給出以MAR模型作為特征提取器產(chǎn)生S