版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、合成孔徑雷達(synthetic aperture radar,SAR)成像系統(tǒng)已經被廣泛應用,如目標檢測與識別、海洋監(jiān)視、地形繪制和自然災情監(jiān)測等。SAR圖像分割是SAR圖像信息提取和自動理解的一個重要問題,它通過將一幅SAR圖像分割成互不重疊的同質區(qū)域來提取場景的結構信息。SAR的相干成像原理使得SAR圖像中存在大量隨機分布的相干斑噪聲,這些相干斑噪聲降低了SAR圖像的質量,同時,增加了SAR圖像分割的難度。
本論文主要研
2、究SAR圖像分割問題的模型建立及其優(yōu)化求解問題。提出幾種基于區(qū)域合并技術的SAR圖像分割算法。它們是:
1.邊緣信息引導區(qū)域合并SAR圖像分割算法。針對基于區(qū)域合并技術的SAR圖像分割算法中區(qū)域合并的順序問題,提出一種由邊緣信息引導的區(qū)域合并技術。首先,利用多方向比例邊緣檢測算子提取SAR圖像的比例邊緣強度映射(ratio edge strength map,RESM),提出一種新的閾值處理方法來抑制RESM的均質區(qū)域內部的極
3、小值,進而減少了對閾值處理后的 RESM進行分水嶺變換獲得的初始分割的區(qū)域個數(shù)。然后,利用相鄰區(qū)域的面積和邊緣信息設計一個區(qū)域合并優(yōu)先級函數(shù)來引導區(qū)域合并的進行,該方法提高了模型參數(shù)的估計精度,同時保留圖像的強邊緣;最后,將邊緣信息引導區(qū)域合并技術用于求解基于多邊形網格和最短描述長度(minimum description length,MDL)準則的SAR圖像分割模型。該方法提高了分割結果中區(qū)域邊緣的定位能力與定位精度。
2
4、.基于網格編碼和區(qū)域合并的MDL準則SAR圖像分割算法。建立一種新的基于八鄰域鏈碼網格編碼和MDL準則的SAR圖像分割模型,并用區(qū)域合并技術實現(xiàn)模型的快速優(yōu)化求解。結合比例邊緣檢測算子和分水嶺變換獲得SAR圖像的初始過分割結果;遞歸地合并使分割模型減低最快的相鄰區(qū)域實現(xiàn)分割模型的優(yōu)化求解。利用區(qū)域鄰接圖(region adjacency graph,RAG)及其最近鄰圖(nearest neighbor graph,NNG)特性來加速區(qū)
5、域合并過程。利用數(shù)值指標精確度(P)和命中率(R)來評價分割算法的邊緣定位能力。實驗結果表明,該方法具有高的邊緣定位能力和低的時間復雜度。
3.基于G0分布和鏈碼網格的SAR圖像分割算法。為了降低SAR圖像的場景復雜度對其分割結果的影響,提出一種基于MDL準則的自適應權值SAR圖像分割模型。該模型利用G0分布描述SAR圖像數(shù)據(jù),用鏈碼網格對SAR圖像中區(qū)域的邊緣進行編碼。提出一種利用SAR圖像數(shù)據(jù)自適應地估計分割模型的權值的方
6、法。遞歸地合并初始分割結果中使分割模型降低最快的相鄰區(qū)域實現(xiàn)模型快速優(yōu)化求解。實驗結果表明,該方法有效地減輕了紋理區(qū)域的過分割程度。
4.邊緣懲罰分層區(qū)域合并SAR圖像分割算法。利用方向邊緣強度信息,建立一種新的邊緣懲罰SAR圖像分割模型,提出一種最小化該模型的分層區(qū)域合并算法。利用多方向比例邊緣檢測算子提取SAR圖像的邊緣強度信息,并結合分水嶺變換獲得SAR圖像的高質量的初始過分割結果。利用多邊形近似區(qū)域邊緣,提取邊緣的方向
7、,將方向邊緣強度映射融入邊緣懲罰中,獲得懲罰強度與邊緣強度成反比的邊緣懲罰項。逐漸增大邊緣懲罰項的強度,獲得由圖像特征驅動的分層區(qū)域合并算法。利用RAG表示圖像分割結果,加速區(qū)域合并。實驗結果表明:該方法與其它方法相比在性能和效率上都有優(yōu)勢,獲得更好的分割結果。
5.相對公共邊界長度懲罰區(qū)域合并SAR圖像分割算法。提出一種基于區(qū)域合并技術的快速SAR圖像分割算法。該算法對閾值處理后的比例邊緣強度映射進行分水嶺變換實現(xiàn)SAR圖像
8、的快速初始過分割,利用提出的基于相對公共邊界長度懲罰的區(qū)域合并代價和用于快速搜索初始分割中最小權值相鄰區(qū)域的NNG實現(xiàn)快速區(qū)域合并。提出一種新的度量相鄰區(qū)域之間的相似性的統(tǒng)計相似性度量,該度量具有尺度不變性和對區(qū)域尺寸的近似恒虛警特性,將該統(tǒng)計相似性度量與提出的相對公共邊界長度懲罰項結合,得到新的區(qū)域合并代價。利用RAG和NNG加速區(qū)域合并過程。利用數(shù)值指標精確度(P)和命中率(R)來度量最終分割結果的邊緣定位能力,區(qū)域覆蓋準則度量最終
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于區(qū)域合并的無監(jiān)督SAR圖像分割算法研究.pdf
- 多維SAR圖像快速分割算法研究.pdf
- 基于區(qū)域的SAR圖像分割算法及其在SAR圖像分類當中的應用.pdf
- 基于分水嶺的SAR溢油圖像快速分割算法研究.pdf
- 基于區(qū)域生長與邊緣懲罰的SAR圖像分割算法研究.pdf
- 基于聚類和區(qū)域合并的彩色圖像分割算法研究.pdf
- 基于脊檢測和區(qū)域快速合并的分水嶺分割算法.pdf
- 基于圖模型的快速SAR圖像分割及其應用.pdf
- 基于區(qū)域的圖像分割算法
- 基于區(qū)域聚類的SAR圖像分割方法研究.pdf
- 基于超像素級條件三場的SAR圖像快速分割算法研究.pdf
- 基于K近鄰快速區(qū)域歸并的圖像分割算法研究及應用.pdf
- 基于MRF模型SAR圖像分割算法研究.pdf
- 基于深度學習和區(qū)域圖的SAR圖像分割.pdf
- 基于區(qū)域的圖像分割算法研究.pdf
- SAR圖像強散射區(qū)域的檢測分割.pdf
- 基于區(qū)域圖和詞袋模型的SAR圖像分割.pdf
- 基于空間信息聚類的SAR圖像分割算法研究.pdf
- 基于統(tǒng)計模型的SAR圖像分割.pdf
- 基于水平集的SAR圖像分割.pdf
評論
0/150
提交評論