基于反卷積映射推理網(wǎng)絡(luò)的SAR圖像分割.pdf

1、SAR圖像分割是SAR圖像理解和解譯過程中的一個關(guān)鍵性工作，對后續(xù)的目標檢測與識別等任務(wù)影響巨大。對于SAR圖像的分割，傳統(tǒng)方法往往需要借助經(jīng)驗提取人工設(shè)計的特征，這種特征的表達能力往往比較有限。尤其對于SAR圖像中具有復雜結(jié)構(gòu)的聚集地物，很多時候難以設(shè)計出有效的特征對其進行刻畫。深度學習可以自動地進行特征學習，這樣就減少了人工的干預，同時有能力學習到復雜的結(jié)構(gòu)特征，因此可以用來對SAR圖像進行特征學習。然而，僅僅依靠特征是無法直接有效

2、地完成SAR圖像分割任務(wù)的，需要在特征的基礎(chǔ)上進行推理。本文首先采用反卷積網(wǎng)絡(luò)學習SAR圖像中的復雜結(jié)構(gòu)特征，接著提出映射推理網(wǎng)絡(luò)，以此對特征進行進一步的推理，以便于實現(xiàn)SAR圖像的分割。
　　本研究主要內(nèi)容包括：⑴采用反卷積網(wǎng)絡(luò)來學習SAR圖像聚集區(qū)域結(jié)構(gòu)特征。根據(jù)SAR圖像的區(qū)域圖，可以將SAR圖像劃分為聚集區(qū)域、勻質(zhì)區(qū)域和結(jié)構(gòu)區(qū)域，這樣SAR圖像分割任務(wù)就被提升到了語義層次。SAR圖像的整體分割任務(wù)被分解成了聚集區(qū)域、勻質(zhì)區(qū)

3、域和結(jié)構(gòu)區(qū)域的分割三個子任務(wù)。其中，聚集區(qū)域中地物結(jié)構(gòu)非常復雜，對其進行有效分割比較困難。聚集區(qū)域由一些互不連通的區(qū)域構(gòu)成，這樣聚集區(qū)域的分割就是對這些互不連通的區(qū)域根據(jù)特征進行比較進而完成合并的過程。對于聚集區(qū)域中的各個互不連通的區(qū)域，分別進行采樣并訓練反卷積網(wǎng)絡(luò)，將學習到的濾波器集合作為區(qū)域結(jié)構(gòu)特征。⑵提出映射推理網(wǎng)絡(luò)，實現(xiàn)特征推理，進而完成SAR圖像聚集區(qū)域的分割。對于聚集區(qū)域中的各個互不連通區(qū)域，學習到表征該區(qū)域結(jié)構(gòu)特征的濾波器

4、集合之后，為了實現(xiàn)分割，下一步的任務(wù)就是對區(qū)域之間的結(jié)構(gòu)特征進行相似性比較。本文在自組織神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了映射推理網(wǎng)絡(luò)，以此對區(qū)域之間的結(jié)構(gòu)特征進行比較推理，指導區(qū)域的合并，從而完成聚集區(qū)域的分割。⑶采用基于灰度特征和譜聚類的方法對SAR圖像勻質(zhì)區(qū)域進行分割。將對各類區(qū)域的分割方法加以綜合，本文提出了基于反卷積映射推理網(wǎng)絡(luò)和譜聚類的SAR圖像分割方法。本方法的主要思想是：對于聚集區(qū)域，采用基于反卷積映射推理網(wǎng)絡(luò)的方法進行分割；對于