基于改進(jìn)活動(dòng)輪廓模型的SAR圖像分割方法研究.pdf

1、SAR圖像分割是SAR圖像處理的重要技術(shù)之一，是SAR圖像進(jìn)一步解譯的基礎(chǔ)，其目的是將SAR圖像中有意義的部分提取出來，諸如SAR圖像的紋理、邊緣.傳統(tǒng)的SAR圖像分割算法存在分割邊界不完整、分割精度不高等問題，難以滿足實(shí)際的SAR圖像分割需求.SAR圖像中相干斑噪聲存在，使原有針對(duì)加性噪聲圖像分割的活動(dòng)輪廓模型，不再適用于SAR圖像分割.
　　本文結(jié)合活動(dòng)輪廓模型和水平集方法，對(duì)SAR圖像分割問題進(jìn)行探索和研究，主要工作如下：<

2、br>　　在分析單目標(biāo)SAR圖像特征的基礎(chǔ)上，基于ROEWA算子邊緣指示函數(shù)和Gamma分布統(tǒng)計(jì)特性的區(qū)域信息，提出了一種改進(jìn)的活動(dòng)輪廓模型.模型的正則項(xiàng)是加權(quán)的SAR圖像邊緣檢測算子，有利于將輪廓線吸引到SAR圖像的真實(shí)邊緣.為了更好地實(shí)現(xiàn)單目標(biāo)SAR圖像分割，給出了新模型的對(duì)偶極小化算法.新算法避免了傳統(tǒng)的變分水平集方法求解時(shí)周期性初始化水平集函數(shù)的問題，提高了模型數(shù)值求解的效率.
　　基于非凸正則化項(xiàng)和區(qū)域數(shù)據(jù)項(xiàng)，提出了一種