论文部分内容阅读
随着合成孔径雷达(SAR)技术的快速发展，成像分辨率越来越高，所获取的SAR图像篇幅也越来越大，这也对SAR图像的解译发出了新的挑战。而作为SAR图像解译中重要步骤的SAR图像分割技术也在寻求进一步的发展。而在实际的SAR图像的应用中也需要更快更好的目标检测方法。因此，SAR图像分割算法的研究以及SAR图像目标检测算法的进一步发展对于SAR图像的解译具有重要的意义。本文主要对基于图模型的SAR图像分割算法及基于图模型的分割方法在SAR图像目标检测方法方面进行了研究，主要工作有：（1）提出了一种基于简易超像素理论的应用于SAR图像分割的图模型。这是基于传统图模型的图像分割方法的一种改进模型，它根据图像中像素点的空间位置信息以及强度信息作为依据进行超像素的生成，利用生成的超像素作为初始化图模型的节点集，该方法可以获取更多的非局部信息，摒弃了SAR图像局部信息中由于相干斑噪声产生的冗余信息，更适合用来处理SAR图像；另外，超像素代替单个像素点作为初始化手段也使图模型的规模极大的减小，拥有更低的计算复杂度。结果表明，与传统的基于图模型的方法进行比较，本方法能更有效并高效地对SAR图像进行分割。（2）在应用了超像素的图模型基础上提出了一种并行的快速SAR图像分割方法。该方法将图像划分为若干个相等的子部分，分别通过基于超像素的图模型进行建模，得到若干个互不相干的子无向图模型，利用OpenMp对这些子无向图就可以进行并行的基于图模型的分割。实验结果表明所提出的并行快速的分割方法在保证了具有较好的分割效果的情况下，并具有很高的加速比，很短的分割耗时。（3）提出了一种基于图模型的多尺度SAR图像目标检测方法。该方法利用图模型的多尺度特性，对于SAR图像进行各个尺度的基于图模型的分割，然后对各个尺度间的分割结果进行综合分析，最后结合不同检测场景下的不同情况进行虚警信息的去除得到最终的分割结果。该方法具有较高的检测效果，计算复杂度低，易于软硬件实现，有较高的实用性。论文得到了国家自然科学基金（No.61271302,61072106,61173090,61173092）、新世纪优秀人才支持计划（No. NCET-10-0666）和973项目（No.2013CB329402）的资助。