论文部分内容阅读
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的解译工作,已经成为近年来关于SAR方面最重要的研究方向。其中,作为解译的先头步骤,SAR图像分割算法也已经成为近年来的研究热点。基于马尔可夫随机场(Markov Random Field,MRF)模型的SAR图像分割,由于其充分利用了图像的统计特性和局部特征,对SAR图像分割效果较好,受到了广大研究人员的重视。不过,由于MRF的优化问题较为复杂,对于取得较好质量的分割结果的速度较慢,因此对传统的基于MRF模型的SAR图像分割算法进行改进,提高图像分割速度很有必要。本文将以减少处理数据点为主要思想,立足于空域MRF模型,对SAR图像分割速度进行提升。在传统的基于MRF模型的SAR图像分割算法的基础上,结合超像素算法,研究了改进算法。总体研究内容安排如下:1.研究适用于SAR图像的基于MRF模型的图像分割算法。研究MRF在图像分割中运用的原理,采用FGMM+Potts模型,建立适用于SAR图像的MRF模型。结合ICM分割方法,将上述模型应用到SAR图像分割中去。2.结合SAR图像和基于MRF模型的图像分割的原理,分析超像素算法对图像进行预处理的异同,考虑预处理结果的邻域描述、像素块描述的准确性等方面,选取合适的超像素算法,并分析研究了超像素-马尔可夫(Superpixel-MRF,SMRF)算法。通过设计实验仿真,论证了SMRF的速度和分割质量的充分保证。3.针对上述研究中的SMRF算法有可能出现的质量下降问题,对算法邻域系统生成方面进行研究。从基于网格化和基于阈值两个角度,研究了伪网格化和基于加权等邻域系统生成算法。改进方法在具有更高质量的图像分割结果的同时,保留了上述算法的优点。通过设计实验仿真,新的邻域系统生成算法给SMRF算法带来了满意的分割精度和分割速度。