基于空間信息聚類的SAR圖像分割算法研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)圖像分割是SAR自動解譯的關(guān)鍵技術(shù)之一,其結(jié)果對SAR圖像的解譯具有重要意義。SAR圖像特有的相干成像系統(tǒng)提供了較光學(xué)圖像更高的分辨率,但不可避免的存在嚴(yán)重的相干斑噪聲,傳統(tǒng)的針對加性噪聲的圖像分割方法不再適用于SAR圖像。
　　Gamma混合模型聚類根據(jù)SAR圖像特有的統(tǒng)計分布,憑借形式簡單、計算方便等優(yōu)點,已成為當(dāng)前廣泛應(yīng)用于SAR圖像的分割算法。但是該

2、算法僅利用圖像的灰度信息,忽略了像素間的空間信息,導(dǎo)致該算法對噪聲十分敏感,分割結(jié)果往往存在大量的誤分現(xiàn)象。為此,本文提出了基于空間信息聚類的SAR圖像分割算法,主要工作包含以下兩個方面:
　　1)研究分析了一種結(jié)合雙邊濾波與Gamma混合模型的SAR圖像分割算法。該算法在模型的參數(shù)求解過程中,把每個像素本身所對應(yīng)的貝葉斯后驗概率作為該圖像的像素值,通過雙邊濾波處理,使得圖像中相鄰像素的貝葉斯后驗概率數(shù)值得到平滑,獲得相近的貝葉斯

3、后驗概率數(shù)值。在每一次參數(shù)迭代過程中,融入一次濾波操作,使得每一次參數(shù)求解都受到像素位置的影響,既能準(zhǔn)確的分割SAR圖像,又能較好的抑制相干斑噪聲對分割結(jié)果的影響;
　　2)研究分析了采用區(qū)域Gamma混合模型的SAR圖像分割算法。該算法采用分水嶺分割作為初始分割,將過分割得到的區(qū)域塊作為Gamma混合模型的聚類樣本,使得Gamma混合模型聚類由傳統(tǒng)的像素級提升到區(qū)域級。并進(jìn)一步考慮區(qū)域間的相互關(guān)系,引入鄰域因子融入到迭代算法中,