混合多尺度ARMA模型與SAR圖像分割.pdf

1、合成孔徑雷達(dá)(SyntheticApertureRadar簡稱SAR)圖像在軍事和國民經(jīng)濟(jì)的各個(gè)領(lǐng)域都有重要應(yīng)用，但是SAR圖像所固有的斑點(diǎn)噪聲使得其分割方法具有特殊性。本文結(jié)合SAR圖像的統(tǒng)計(jì)特性，研究多尺度自回歸滑動(dòng)平均(AutoregressiveMovingAverage簡稱ARMA)模型和混合多尺度ARMA模型的理論及其在SAR圖像分割中的應(yīng)用。在前人研究的基礎(chǔ)上，本文得到了如下成果： (1)研究了多尺度ARMA模型的

2、平穩(wěn)性質(zhì)，基于多尺度自回歸(MultiscaleAutoregressive簡稱MAR)模型和多尺度ARMA模型對SAR圖像進(jìn)行特征提取，并結(jié)合多分辨混合算法給出了SAR圖像的無監(jiān)督分割方法。該方法首先對SAR圖像進(jìn)行MAR和多尺度ARMA建模，然后通過這些模型提取圖像特征，并對兩種多尺度隨機(jī)模型SAR圖像特征提取及分割的能力進(jìn)行了分析比較，說明了多尺度ARMA模型與MAR模型相比在SAR圖像分割應(yīng)用中的優(yōu)勢。 (2)利用多尺度

3、ARMA模型提取SAR圖像的特征，建立多尺度Markov隨機(jī)場(MarkovRandomField簡稱MRF)模型，并通過最大后驗(yàn)邊緣(MaximumPosteriorMarginal簡稱MPM)算法進(jìn)行無監(jiān)督分割。該方法不但考慮了相鄰尺度像素間的相關(guān)信息，而且也充分利用了同一尺度相鄰像素信息及斑點(diǎn)噪聲中的圖像信息，從而在無需融合步驟的同時(shí)保持較好的分割精度。 (3)給出了混合多尺度ARMA模型的概念，并研究了該模型的平穩(wěn)性質(zhì)。