基于進化計算的SAR圖像分割.pdf

1、進化計算是一種模擬生物進化過程與機制求解問題的自適應(yīng)人工智能技術(shù)，是一類隨機搜索技術(shù)。它們模擬由個體組成的群體的學(xué)習(xí)過程，其中每個個體表示給定問題搜索空間的一點。在圖像處理過程中，如特征提取、圖像分割等不可避免地存在一些誤差，這些誤差會影響圖像處理的效果，如何使這些誤差最小是計算機視覺達到實用化的重要要求。目前進化計算已在模式識別、圖像恢復(fù)、圖像邊緣特征提取，圖像分割等方面得到了應(yīng)用，并成為研究的熱點。本文主要圍繞應(yīng)用進化計算的圖像分割

2、進行了一些研究，主要工作如下：
　　 進化計算常作為一種優(yōu)化算法引入到圖像分割中，如何對圖像進行編碼是關(guān)鍵的一步?，F(xiàn)有的編碼方法一般比較復(fù)雜或者有很多的參數(shù)，本文采用了一種簡單的編碼方法即對區(qū)域鄰接關(guān)系進行編碼，但是這種編碼方法的重要缺陷在于會通過傳遞關(guān)系導(dǎo)致錯誤的合并，針對這點設(shè)計了分裂操作，有效避免了這一缺陷。算法具體如下：首先得到反應(yīng)SAR圖像區(qū)域一致性的G值圖，然后運用區(qū)域生長的方法對圖像進行了粗分割產(chǎn)生初始區(qū)域，在此基

3、礎(chǔ)上，定義了親和度函數(shù)，通過克隆選擇算法進行優(yōu)化計算。對真實的SAR圖像進行了分割實驗，驗證了算法的有效性。最后本文對含有豐富的紋理信息的SAR圖像，采用非下采樣Contourlet變換提取特征，用上述的算法進行了實驗，得到了良好的分割結(jié)果。
　　 聚類作為一類經(jīng)典算法被廣泛應(yīng)用在圖像分割中，但是由于缺乏對像素間空間位置信息的考慮，使得算法在用于分割SAR等噪聲比較強的圖像時很難取得好的效果。因此，減少分割過程中噪聲的影響，就需

4、要把圖像的空間信息融入到分割的過程。本文借鑒了John Horton Conway提出Game of Life的進化思想，為了把圖像的空間信息融入到進化的過程中算法給出了兩種約束為種群約束和鄰域約束，種群約束反映種群特征對像素的影響，而鄰域約束反映了圖像的空間信息對該像素的影響，這兩種約束來共同指導(dǎo)進化的過程。分別對人工合成噪聲圖像以及真實的SAR圖像進行了分割實驗，驗證了算法的有效性，最后給出對種群約束和鄰域約束算子進行了分析，并對參