SAR圖像分割中的變分問題研究.pdf

1、合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像分割,是SAR圖像處理中的基礎且關鍵步驟。由于相干斑噪聲的影響,對SAR圖像的分割,需要根據(jù)SAR圖像所特有的特征來完成?；谧兎掷碚摰腟AR圖像分割,可以根據(jù)不同的SAR圖像特征建立不同的能量泛函,并利用變分法最小化能量泛函,實現(xiàn)SAR圖像的分割。
　　本文就變分SAR圖像分割技術展開了研究,主要工作如下:
　　(1)研究了利用邊界信息的GAC模型

2、和利用區(qū)域信息的CV模型,并結合邊界信息和區(qū)域信息,建立了多區(qū)域的SAR圖像分割模型。針對水平集方法數(shù)值求解耗時的問題,在Potts模型的基礎上推導出了平滑對偶模型,給出了一種基于對偶的快速算法。在SAR圖像分割的速度和精確度上,與水平集方法進行了對比,用實驗驗證了對偶算法的有效性和快速性。
　　(2)分析了均勻SAR圖像的Gamma統(tǒng)計分布特征,以及非均勻SAR圖像的紋理特征。利用灰度共生矩陣(GLCM)提取SAR圖像的紋理特征

3、,得到紋理特征向量,與Gamma分布統(tǒng)計特征進行結合,并利用Potts模型建立了能量泛函。將SAR圖像分割結果,與單獨使用統(tǒng)計特征或者紋理特征進行對比,特征結合得到的分割結果更加精確。
　　(3)針對極化SAR圖像特有的性質,利用極化相干矩陣的復Wishart分布和Potts模型建立能量泛函。對偶算法進行最小化時,在H-α分類的基礎上,利用復Wishart分布實現(xiàn)了極化SAR圖像的自動初始化,可以自動確定初始化曲線和分類數(shù)目,考慮