基于模糊理論和MRF模型的SAR圖像分割算法.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)具有全天候、全天時(shí)對地探測和偵察的能力,在軍事和民用領(lǐng)域得到了廣泛的應(yīng)用。圖像分割是SAR圖像目標(biāo)識(shí)別與解譯技術(shù)的重要組成部分,一直是雷達(dá)信號(hào)處理領(lǐng)域的研究熱點(diǎn)。但是,由于SAR相干成像和側(cè)視成像的特點(diǎn),使得SAR圖像偏暗,包含大量乘性斑點(diǎn)噪聲,同時(shí)具有紋理復(fù)雜、邊界模糊等特點(diǎn),使得分割時(shí)的邊界準(zhǔn)確定位非常困難。由于相干斑噪聲的影響,傳統(tǒng)的光學(xué)圖像分割算法對SAR

2、圖像的分割并不適用。
　　本文針對SAR圖像斑點(diǎn)噪聲大、非平穩(wěn)以及區(qū)域邊界模糊等特性,以模糊理論和馬爾可夫隨機(jī)場(Markov random field, MRF)模型為基礎(chǔ),將二者融合并擴(kuò)展應(yīng)用到圖像分割中。本文將MRF的擴(kuò)展模型——三重馬爾可夫隨機(jī)場(Triplet Markov random fields, TMF)模型中標(biāo)記場的取值范圍由有限離散取值空間擴(kuò)展為連續(xù)空間,以此描述每個(gè)像素對不同類別的隸屬程度;構(gòu)建了一個(gè)用于描

3、述模糊標(biāo)記場和附加場聯(lián)合先驗(yàn)分布的模糊能量函數(shù),該模糊能量函數(shù)的構(gòu)建同時(shí)也考慮了鄰域內(nèi)四個(gè)方向的方向信息和鄰域像素間的差異度信息;最后通過條件迭代估計(jì)(Iterative condition estimation, ICE)和最大后驗(yàn)?zāi)Ｐ?Maximum posterior mode, MPM)實(shí)現(xiàn)了參數(shù)估計(jì)及分割。本文對合成和實(shí)測SAR圖像進(jìn)行了仿真,實(shí)驗(yàn)結(jié)果和分析表明,本文算法在分割精度、區(qū)域一致性以及區(qū)域邊界定位方面均優(yōu)于經(jīng)典的M