基于進(jìn)化計(jì)算的SAR圖像分割.pdf

1、進(jìn)化計(jì)算是一種模擬生物進(jìn)化過(guò)程與機(jī)制求解問(wèn)題的自適應(yīng)人工智能技術(shù)，是一類隨機(jī)搜索技術(shù)。它們模擬由個(gè)體組成的群體的學(xué)習(xí)過(guò)程，其中每個(gè)個(gè)體表示給定問(wèn)題搜索空間的一點(diǎn)。在圖像處理過(guò)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(huì)影響圖像處理的效果，如何使這些誤差最小是計(jì)算機(jī)視覺(jué)達(dá)到實(shí)用化的重要要求。目前進(jìn)化計(jì)算已在模式識(shí)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(diǎn)。本文主要圍繞應(yīng)用進(jìn)化計(jì)算的圖像分割

2、進(jìn)行了一些研究，主要工作如下：
　　 進(jìn)化計(jì)算常作為一種優(yōu)化算法引入到圖像分割中，如何對(duì)圖像進(jìn)行編碼是關(guān)鍵的一步。現(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(jiǎn)單的編碼方法即對(duì)區(qū)域鄰接關(guān)系進(jìn)行編碼，但是這種編碼方法的重要缺陷在于會(huì)通過(guò)傳遞關(guān)系導(dǎo)致錯(cuò)誤的合并，針對(duì)這點(diǎn)設(shè)計(jì)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(yùn)用區(qū)域生長(zhǎng)的方法對(duì)圖像進(jìn)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(guò)克隆選擇算法進(jìn)行優(yōu)化計(jì)算。對(duì)真實(shí)的SAR圖像進(jìn)行了分割實(shí)驗(yàn)，驗(yàn)證了算法的有效性。最后本文對(duì)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(jìn)行了實(shí)驗(yàn)，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(duì)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(qiáng)的圖像時(shí)很難取得好的效果。因此，減少分割過(guò)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(guò)程。本文借鑒了John Horton Conway提出Game of Life的進(jìn)化思想，為了把圖像的空間信息融入到進(jìn)化的過(guò)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(duì)像素的影響，而鄰域約束反映了圖像的空間信息對(duì)該像素的影響，這兩種約束來(lái)共同指導(dǎo)進(jìn)化的過(guò)程。分別對(duì)人工合成噪聲圖像以及真實(shí)的SAR圖像進(jìn)行了分割實(shí)驗(yàn)，驗(yàn)證了算法的有效性，最后給出對(duì)種群約束和鄰域約束算子進(jìn)行了分析，并對(duì)參