PDE圖像處理方法在遙感圖像目標(biāo)識(shí)別中的應(yīng)用研究.pdf

1、在過去的二十年中，基于偏微分方程(Partial Differential Equation，PDE)的圖像處理方法是圖像處理領(lǐng)域所取得的最為重要的成果之一。對(duì)于發(fā)展遙感圖像的目標(biāo)自動(dòng)識(shí)別技術(shù)，運(yùn)用基于偏微分方程的圖像處理方法來解決其中長(zhǎng)期存在的一些難點(diǎn)問題將是一個(gè)有益的嘗試。本文主要針對(duì)基于偏微分方程的圖像處理方法在遙感圖像目標(biāo)識(shí)別涉及的圖像預(yù)處理、分割以及基于形狀先驗(yàn)信息的目標(biāo)識(shí)別中的應(yīng)用進(jìn)行了研究。 一方面，本文對(duì)一些經(jīng)典

2、的基于偏微分方程的圖像處理方法進(jìn)行了回顧，并通過實(shí)驗(yàn)對(duì)它們?cè)谶b感圖像處理中的應(yīng)用進(jìn)行了分析，包括Perona和Malik所提出的P-M各項(xiàng)異性擴(kuò)散模型、Mumford-Shah模型、CV模型以及建立在CV模型基礎(chǔ)上的引入形狀輪廓先驗(yàn)信息的PDE分割模型。 另一方面，在目前的基于偏微分方程的圖像處理方法的基礎(chǔ)上，對(duì)這些方法進(jìn)行進(jìn)一步的改進(jìn)、發(fā)展。首先，針對(duì)CV模型存在的一些嚴(yán)重的缺點(diǎn)：水平集函數(shù)的零水平集進(jìn)化速度緩慢且需要重新初始

3、化，無法實(shí)現(xiàn)多區(qū)域分割，本文在CV模型的基礎(chǔ)上，通過改進(jìn)分割水平集函數(shù)的初始化，引入?yún)^(qū)域分割控制條件實(shí)現(xiàn)了一個(gè)基于單水平集的圖像多區(qū)域分割方法，實(shí)驗(yàn)分析表明該方法對(duì)包括遙感圖像在內(nèi)的多類圖像取得良好的分割結(jié)果，能夠適應(yīng)包含不同區(qū)域類別數(shù)的圖像，同時(shí)較準(zhǔn)確的保持了區(qū)域的邊界：其次，在Chan等人提出的引入形狀輪廓先驗(yàn)信息PDE圖像分割模型的基礎(chǔ)上，本文通過引入水平集相似性度量分析比較區(qū)域能量項(xiàng)收斂結(jié)果與形狀輪廓先驗(yàn)信息能量項(xiàng)收斂結(jié)果，建立