基于區(qū)域圖和深度相似性表征的SAR圖像分割.pdf

1、SAR圖像分割是SAR圖像的分析與理解的基礎(chǔ)與關(guān)鍵，分割結(jié)果的好壞直接影響后續(xù)的處理結(jié)果。傳統(tǒng)的SAR圖像分割方法需要靠人工經(jīng)驗來提取樣本特征，而特征的好壞往往成為整個SAR圖像處理系統(tǒng)性能的瓶頸。人工選擇特征是一項復雜而又難以控制的工程。深度學習理論則為解決該難題提供了可行而又行之有效的方案。深度模型能夠自動學習樣本的結(jié)構(gòu)特征，而自動學習的結(jié)構(gòu)特征更能捕獲樣本空間上的相關(guān)性，從而使得深度模型更適合用來學習圖像所隱含的結(jié)構(gòu)特征。

2、　　首先，基于素描線補全的區(qū)域圖及深度模型，提出了深度相似性表征的獲取方法。該方法對像素個數(shù)大于給定閾值的各區(qū)域分別訓練一個棧式降噪自編碼網(wǎng)絡（SDAE），對每一個SDAE網(wǎng)絡各隱層權(quán)值分別向其他所有SDAE網(wǎng)絡相對應隱層結(jié)點的權(quán)值投影，得到這兩個網(wǎng)絡各隱層對應結(jié)點的相似度，并進行二值編碼；統(tǒng)計各隱層對應結(jié)點的相似性，得到這兩個網(wǎng)絡各隱層基于統(tǒng)計相似性的結(jié)構(gòu)特征編碼向量；級聯(lián)該網(wǎng)絡和其他所有網(wǎng)絡各隱層的基于統(tǒng)計相似性的的結(jié)構(gòu)特征編碼，得

3、到該區(qū)域的結(jié)構(gòu)特征表示。
　　其次，提出了基于區(qū)域圖和深度相似性表征的SAR圖像分割方法。根據(jù)區(qū)域圖得到SAR圖像的聚集區(qū)域、勻質(zhì)區(qū)域和結(jié)構(gòu)區(qū)域。由于SAR圖像的聚集區(qū)域和勻質(zhì)區(qū)域的結(jié)構(gòu)特征明顯不同，該方法對SAR圖像聚集區(qū)域和勻質(zhì)區(qū)域分別進行基于深度網(wǎng)絡的結(jié)構(gòu)特征學習和分割：通過深度相似性表征的獲取方法，得到代表各區(qū)域的結(jié)構(gòu)特征表示，對代表各區(qū)域的結(jié)構(gòu)特征表示進行層次聚類，得到SAR圖像聚集區(qū)域和勻質(zhì)區(qū)域的分割結(jié)果。對結(jié)構(gòu)區(qū)域使