基于統(tǒng)計(jì)模型的SAR圖像分割方法研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR.)圖像分割是SAR圖像自動(dòng)解譯的關(guān)鍵技術(shù)之一。SAR圖像特有的乘性斑點(diǎn)噪聲使SAR圖像分割比較困難,傳統(tǒng)的針對(duì)加性噪聲的圖像分割方法不再適用于SAR圖像。而由于乘性斑點(diǎn)噪聲的存在,SAR圖像具有與普通光學(xué)圖像不同的統(tǒng)計(jì)分布特性。因此可以對(duì)SAR圖像建立一定的統(tǒng)計(jì)模型,并結(jié)合相應(yīng)的概率準(zhǔn)則構(gòu)建目標(biāo)函數(shù),對(duì)其進(jìn)行優(yōu)化以得到分割結(jié)果。這類基于統(tǒng)計(jì)模型的分割方法通常不需要對(duì)

2、SAR圖像進(jìn)行相干斑濾波預(yù)處理,甚至分割的同時(shí)完成相干斑濾波,因而更符合SAR圖像的特點(diǎn),已受到越來越多的重視。
　　 本文主要研究了幾種基于統(tǒng)計(jì)模型的SAR圖像分割方法,具體工作概括如下:
　　 (1)由于邊緣信息在SAR圖像分割中具有重要的作用,本文首先從斑點(diǎn)濾波后邊緣檢測和斑點(diǎn)濾波前邊緣檢測兩方面分別進(jìn)行了研究。對(duì)于前者,研究了不同形狀的非方形局部窗對(duì)斑點(diǎn)濾波的影響,證明了這些非方形局部窗在保證斑點(diǎn)平滑效果的同時(shí),

3、能夠更好的保留SAR圖像的邊緣信息,并且局部窗的選擇對(duì)斑點(diǎn)濾波效果的影響非常重要；對(duì)于后者,重點(diǎn)研究了具有恒虛警特性的ROA(Ratio-of-averages)邊緣檢測算法。由于不需斑點(diǎn)濾波,能夠直接對(duì)SAR圖像進(jìn)行邊緣檢測,該方法較之傳統(tǒng)的微分算子法更適合于SAR圖像的邊緣檢測。實(shí)驗(yàn)同時(shí)比較了ROA檢測算法中局部窗大小及虛警概率對(duì)檢測結(jié)果的影響。
　　 (2)針對(duì)減少分割中自由參數(shù)的目標(biāo),提出了一種基于最小描述長度(Mini

4、mum Description Length,MDL)原理的SAR圖像分割方法。在假定SAR圖像各分割區(qū)域像素值恒定的前提下,針對(duì)對(duì)數(shù)SAR圖像建立統(tǒng)計(jì)模型,結(jié)合信息論中的MDL原理建立目標(biāo)函數(shù),通過目標(biāo)函數(shù)的極值化,得到在描述長度最小意義下的SAR圖像的重建圖像,最后通過進(jìn)一步的閾值化處理得到理想的分割結(jié)果。整個(gè)分割算法可自動(dòng)完成,不需要參數(shù)調(diào)節(jié),有一定實(shí)用價(jià)值。
　　 (3)由于水平集活動(dòng)輪廓圖像分割方法具有計(jì)算穩(wěn)定、對(duì)噪聲

5、較不敏感、能夠自動(dòng)適應(yīng)曲線拓?fù)渥兓暗玫椒忾]目標(biāo)邊界等優(yōu)點(diǎn),本文重點(diǎn)研究了基于水平集活動(dòng)輪廓SAR圖像分割方法?？紤]到GAC模型僅利用邊緣信息以及GAR模型僅利用區(qū)域信息的局限,本文提出了一種基于ROA—G模型的水平集活動(dòng)輪廓分割方法,該方法不僅利用了ROA算子檢測的邊緣信息,而且利用了基于Gamma分布統(tǒng)計(jì)特性的區(qū)域信息,因此能夠得到較之傳統(tǒng)的GAC模型法和GAR模型法更理想的SAR圖像分割結(jié)果。
　　 (4)隨著SAR圖像分

6、辨率的提高,SAR圖像的統(tǒng)計(jì)模型不再完全符合Gamma統(tǒng)計(jì)分布。因此,本文提出了一種目標(biāo)和背景區(qū)域差別統(tǒng)計(jì)分布的分割方法——基于Fisher和Gamma分布的水平集高分辨SAR.圖像分割方法。理論分析和仿真實(shí)驗(yàn)表明,對(duì)于不同分辨率、不同場景區(qū)域的SAR圖像,采用差別的統(tǒng)計(jì)模型更為準(zhǔn)確；具有“長拖尾”的Fisher分布適合作為SAR圖像中具有強(qiáng)散射點(diǎn)的目標(biāo)區(qū)域的統(tǒng)計(jì)模型,而對(duì)于背景區(qū)域仍可沿用Gamma分布模型。此外,由于Fisher分布

7、不屬于指數(shù)類分布,其參數(shù)估計(jì)不適于采用最大似然估計(jì)方法,本文還就三種Fisher分布參數(shù)估計(jì)方法進(jìn)行了對(duì)比分析。
　　 (5)針對(duì)基于統(tǒng)計(jì)模型的水平集高分辨SAR圖像分割中參數(shù)估計(jì)耗時(shí)較多的問題,提出了一種有監(jiān)督的水平集SAR圖像分割方法,該方法在分割前選取合適的訓(xùn)練數(shù)據(jù)進(jìn)行統(tǒng)計(jì)參數(shù)估計(jì),而在每次分割曲線迭代時(shí)不需重新估計(jì)參數(shù),因此,整個(gè)分割過程只需一次參數(shù)估計(jì),從而節(jié)省了運(yùn)算時(shí)間,加快了分割速度,特別是對(duì)于較為耗時(shí)的Fishe