基于改進(jìn)蜂群算法和Tsallis熵的SAR圖像多閾值分割.pdf

1、隨著合成孔徑雷達(dá)（SAR）技術(shù)的迅速崛起，SAR成像具有全天候、多波段、多極化、穿透性強(qiáng)等特點(diǎn)，在海冰檢測(cè)、城市規(guī)劃、軍事偵查以及農(nóng)作物病蟲害防治中扮演著重要的角色。圖像分割是圖像解譯和識(shí)別的關(guān)鍵環(huán)節(jié)，分割效果直接影響后續(xù)圖像處理與解譯，分割的關(guān)鍵步驟是將感興趣的目標(biāo)區(qū)域從復(fù)雜的背景區(qū)域中精確提取出來。由于其獨(dú)特的成像方式以及存在對(duì)圖像質(zhì)量影響較大的相干斑噪聲，使得在分割方法的選取上同其他光學(xué)圖像有著本質(zhì)的不同。因此，尋找一種算法簡(jiǎn)單、

2、分割效率高、普適性較好的SAR圖像分割方法具有積極意義。
　　本課題對(duì)近年來國(guó)內(nèi)外的主流分割方法進(jìn)行了對(duì)比研究，結(jié)合SAR圖像本身的特性，針對(duì)SAR圖像底層分割中存在的問題，提出將改進(jìn)的蜂群算法和Tsallis熵相結(jié)合，采用多閾值分割的研究思路。在改進(jìn)蜂群算法方面引入Le vy飛行更新策略，改進(jìn)初始化種群以及搜索策略。在閾值選取方面，充分考慮圖像空間和灰度信息，用改進(jìn)Tsa llis熵作為閾值選取準(zhǔn)則。通過以上算法及改進(jìn)算法的實(shí)驗(yàn)

3、研究，應(yīng)用在SAR圖像分割中取得了不錯(cuò)的效果。具體工作內(nèi)容及成果如下：
　　首先，針對(duì)SAR圖像易受噪聲干擾、分割方法精度低的問題，提出一種基于頻域引導(dǎo)濾波和Tsallis熵的SAR圖像多閾值分割方法。算法先利用非下采樣Contourlet變換對(duì)圖像多尺度分解，提取圖像各方向的高頻信息，再利用引導(dǎo)濾波增強(qiáng)高頻分量的邊緣信息，在保持邊緣的同時(shí)抑制相干斑噪聲。然后利用改進(jìn)的Tsa ll is熵的多閾值對(duì)增強(qiáng)圖像精確分割。結(jié)果表明，提出

4、的分割方法對(duì)噪聲不敏感，分割精度和適應(yīng)性有了明顯提高。
　　然后，針對(duì)頻域引導(dǎo)濾波易造成分割誤差大，解譯結(jié)果可靠性低等問題，提出一種基于稀疏分解和改進(jìn)蜂群算法的SAR圖像多閾值分割方法，算法利用相干斑噪聲分布的稀疏性，通過魯棒性主成分分析提取圖像的稀疏分量，再利用雙邊濾波增強(qiáng)圖像細(xì)節(jié)信息。然后利用改進(jìn)的蜂群算法搜索多閾值對(duì)增強(qiáng)圖像進(jìn)行分割。結(jié)果表明，算法在保持分割圖像的連通性的同時(shí)，能增強(qiáng)圖像細(xì)節(jié)信息，具有更高的分割精度。

5、　　最后，針對(duì)人工蜂群算法在分割背景復(fù)雜的圖像時(shí)存在計(jì)算量大、易陷入局部最優(yōu)、計(jì)算時(shí)間長(zhǎng)等問題。提出了一種基于Levy飛行特征的改進(jìn)人工蜂群算法的SAR圖像多閾值分割方法。算法將二維Tsa ll is熵單閾值的分割方法擴(kuò)展到多閾值分割，同時(shí)建立二維Tsa llis熵的多閾值選取方法，結(jié)合改進(jìn)的人工蜂群算法，搜索多閾值用于SAR圖像分割。由于尋優(yōu)過程極易陷入局部最優(yōu)，因而引入了Le vy飛行特征策略來改進(jìn)蜂群算法易陷入局部最優(yōu)的缺點(diǎn)，提出