SAR圖像顯著性區(qū)域檢測(cè)算法.pdf

1、隨著合成孔徑雷達(dá)（SyntheticAperture Radar，SAR）成像技術(shù)的成熟和偵察范圍的增加，現(xiàn)有的SAR圖像數(shù)據(jù)量遠(yuǎn)超過(guò)了目前解譯SAR圖像所承受的能力，僅僅獲取這些高分辨率的SAR圖像并沒(méi)有太多意義，重要的是解譯和提取 SAR圖像中的重要信息。那么，如何從海量數(shù)據(jù)中分析并提取出這部分有用的信息就顯得尤為重要，而視覺(jué)顯著性區(qū)域檢測(cè)的出現(xiàn)為解決這一問(wèn)題提供了有效方案。
　　由于乘性噪聲的影響，使得SAR圖像在顯著性區(qū)域

2、檢測(cè)領(lǐng)域鮮有研究。因此，我們通過(guò)對(duì)光學(xué)圖像中許多經(jīng)典算法的研究，選擇了LC（Linear-color Contrast）模型對(duì)SAR圖像進(jìn)行顯著性區(qū)域檢測(cè)?？紤]到SAR圖像與光學(xué)圖像的不同成像機(jī)制，不可能將光學(xué)圖像中的方法直接應(yīng)用到 SAR圖像中，因此，我們需要在 LC模型的基礎(chǔ)上進(jìn)行改進(jìn)。下面介紹一下本文提出的兩種基于 LC模型的SAR圖像顯著性區(qū)域檢測(cè)算法：
　　第一種算法：基于局部相似度的SAR圖像顯著性區(qū)域檢測(cè)算法。由于

3、LC模型突出強(qiáng)調(diào)稀有顏色的特點(diǎn)，以及部分SAR圖像顏色復(fù)雜度低、層次分明的特點(diǎn)，我們用LC模型對(duì)這一類SAR圖像提取初級(jí)顯著圖。由于SAR圖像乘性噪聲的影響，初級(jí)顯著圖中存在大量噪聲混合在顯著區(qū)域。對(duì)此，我們?cè)诔跫?jí)顯著圖的基礎(chǔ)上，對(duì)目標(biāo)區(qū)域所有像素計(jì)算其與周圍像素的相似度之和。相似度越大，證明像素鄰域內(nèi)多為目標(biāo)點(diǎn)，則判定該區(qū)域?yàn)轱@著區(qū)域；相似度越小，證明像素鄰域內(nèi)多為背景點(diǎn)，該像素存在于背景中，則判定該區(qū)域?yàn)楸尘皡^(qū)域。接下來(lái)，將初級(jí)顯著

4、圖與相似圖相乘，使得最終顯著圖中的顯著區(qū)域得以增強(qiáng)，背景區(qū)域得以削弱，以此來(lái)減弱噪聲的影響。
　　第二種算法：基于超像素的SAR圖像顯著性區(qū)域檢測(cè)算法。首先，用LC模型對(duì)SAR圖像提取初級(jí)顯著圖。然后，用SLIC（simple linear iterativeclustering）超像素分割算法對(duì)SAR圖像進(jìn)行超像素分割。計(jì)算每個(gè)超像素的平均灰度，并賦值給超像素中的每個(gè)像素點(diǎn)，使得比較尖銳的噪聲與周圍像素融合在一起。這樣，經(jīng)過(guò)聚類