论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)成像技术具有全天时全天候成像能力，这使得SAR图像理解与解译技术在国防和民用领域受到越来越多的重视，而作为图像理解技术的第一步SAR图像分割也就愈加显得重要。为了充分挖掘和利用SAR图像的结构信息以及寻求可以高效、准确聚类的特征向量，进而将其用于SAR图像分割得到准确的分割结果，我们在谱聚类中引入了全变分(TotalVariation, TV)图像分解和特征向量集成的思想。全变分图像分解算法可以将SAR图像分解成结构部分和纹理部分，结构部分能对SAR图像中众多地物目标进行一个整体的描述，有利于在分割过程中对边缘的准确把握；同时特征向量集成能获得多样性个体特征向量的优点从而能从多个角度充分地表达SAR特性，本论文的创新性工作总结如下：(1)提出了一种基于全变分谱聚类的SAR图像分割算法，该算法引入了全变分图像分解来充分挖掘和利用了SAR图像中的结构信息，并将这些信息转化到谱聚类算法的相似性矩阵中去，进一步结合patch块信息熵对匀质简单的SAR图像纹理和小波能量特征对松散复杂的SAR图像纹理信息描述，使用Nystrom逼近谱聚类算法对SAR图像进行准确快速的分割。该分割方法在能获得较好的图像局部一致性的同时边缘的准确性和视觉效果得到了一定的改善；(2)提出了一种基于特征向量集成谱聚类的SAR图像分割算法，将谱聚类算法用于SAR图像分割时，为了得到更加优秀的聚类特征向量进而对SAR图像进行一个准确的分割，我们在Nystrom逼近谱聚类算法能快速产生多样性特征向量个体的情况下，通过非负矩阵分解的算法充分挖掘谱聚类相似性矩阵的原始结构信息得到非负和多样性的特征向量。通过集成这些多样性的非负特征向量产生更加利于聚类划分的特征向量，从而获得准确的SAR图像分割结果。在人工合成纹理图像和真实SAR图像分割实验中都验证了其要优于三个对比算法的有效性。