基于鄰域信息的模糊C均值聚類SAR圖像分割算法研究.pdf

1、高分辨率合成孔徑雷達（Synthetic Aperture Radar，SAR）自誕生以來便受到相關(guān)研究人員的關(guān)注，SAR分別使用脈沖壓縮技術(shù)和合成孔徑原理提高了距離分辨率及方位分辨率，進而實現(xiàn)了對大范圍內(nèi)的目標區(qū)域的高分辨率成像。此外SAR更是具有全天不間斷的探測和偵察能力、防區(qū)外探測能力及不受惡劣環(huán)境影響的能力，SAR圖像包含的信號的幅度、相位和極化信息也填補了一般光學(xué)圖像的不足。
　　SAR圖像分割是解譯SAR圖像過程中的一

2、個關(guān)鍵環(huán)節(jié)。由于能夠獲取的SAR圖像的先驗知識非常有限，因此SAR圖像分割多采用無監(jiān)督的分割方法。模糊C均值聚類算法（Fuzzy C-Means，F(xiàn)CM）是一種被大量研究且廣泛應(yīng)用的無監(jiān)督圖像分割方法，其采用的模糊集合理論能夠很好的解決圖像分割中的由于信息不完整、不精確、不一致造成的不確定問題。目前基于FCM的圖像分割算法已經(jīng)在光學(xué)圖像分割領(lǐng)域取得了很好的效果，但直接將這些算法應(yīng)用于SAR圖像分割的效果并不能讓人滿意。SAR成像過程中由

3、于同一分辨率單元內(nèi)無法區(qū)分的眾多散射體散射目標回波的相干疊加對成像質(zhì)量造成很大影響，同時增加了圖像分割的難度。大量的研究已經(jīng)證明通過在FCM的目標表達式中融合表示鄰域信息的約束項可以增強傳統(tǒng)FCM算法的魯棒性；本文在已有的基于FCM的圖像分割方法的基礎(chǔ)上加入了針對相干斑點噪聲而構(gòu)建的約束項，并提出了兩種新的基于FCM的SAR圖像分割算法，算法介紹如下：
　　(1)提出了一種自適應(yīng)的模糊C均值聚類SAR圖像分割算法（RSFCM）。首

4、先，通過對已有的基于FCM的圖像分割算法的研究發(fā)現(xiàn)利用鄰域信息來降低算法對噪聲的敏感性雖然有一定效果，但是在利用鄰域信息的過程中對噪聲像素和目標像素不加區(qū)分的對待使分割結(jié)果很容易受到噪聲像素影響，進而導(dǎo)致錯分類現(xiàn)象的發(fā)生。為了降低這種錯分類現(xiàn)象發(fā)生的概率，RSFCM算法中引入了一個自適應(yīng)的平衡因子。該平衡因子能夠根據(jù)噪聲強度自動調(diào)整以降低噪聲像素對聚類結(jié)果的影響，避免了手動設(shè)置參數(shù)困難的問題。然后，將此平衡因子加入算法中就可以得到RSF

5、CM的目標表達式。最后，在合成SAR圖像和真實SAR圖像上的一系列實驗證明了所提出的算法能夠顯著降低錯分類發(fā)生的概率，同時提高了分割結(jié)果的準確率。
　　(2)提出了一種基于鄰域關(guān)系的模糊C均值聚類SAR圖像分割算法（FCMNR）。首先，為了能夠估計SAR圖像中斑點噪聲的強度，我們根據(jù)圖像的鄰域相關(guān)性和概率最大化準則提取出SAR圖像中目標信息，接下來以圖像和提取的目標信息之間的差異程度作為估計的噪聲強度，由于提取目標信息的過程是針對