论文部分内容阅读
合成孔径雷达(SAR)以其全天时、全天候等诸多优越的成像性能在军事侦查、卫星遥感、海洋与陆地观测等方面得到了广泛的应用。它特有的相干成像系统能提供较光学图像更高分辨率的图像,但同时不可避免地伴有相干斑噪声,严重影响了SAR图像的分割效果。近年来,高斯混合模型(GMM)聚类算法被广泛应用于图像分割领域。该算法忽略了图像像素间的空间相关性,因此对相干斑噪声十分敏感。对此本文将区域模型与GMM聚类算法相结合,研究建立了基于区域聚类的SAR图像分割方法,主要研究工作如下:1、论文回顾和总结了SAR的发展历程、SAR成像系统及其原理(包括SAR图像数据的特征、相干斑噪声形成的机理等),并对各种SAR图像分割算法进行了分析和比较。2、研究提出了一种基于区域GMM聚类的SAR图像分割算法。该算法在区域模型的基础上对SAR图像进行聚类分割,首先采用分水岭变换得到初始分割图,并结合同质区域构建区域模型;然后结合像素的空间相关性,计算区域的灰度均值作为GMM聚类算法的输入样本,将聚类特征从像素水平上升到区域水平,减少了噪声对分割结果的影响。3、研究提出了一种EM(Expectation–Maximization)算法初始化的新方法。该方法借鉴控制论中的自身反馈原理,将EM算法的参数初始化过程比拟成反馈系统,利用初始估计反馈指导最终估计,在保持EM算法迭代简单性的同时,提高了GMM模型参数估计的精度,得到了更好的聚类分割效果。4、在上述分割算法的基础上,进一步研究提出了基于边缘保持的SAR图像分割的改进算法。该算法利用具有边缘保持性能的各向异性扩散相干斑降噪(SRAD)滤波算法来建立新的区域模型,促进了区域与区域之间的融合,使目标的边界定位更准确,同时减少了目标内部的过分割。对合成SAR图像和真实SAR图像分别开展了分割实验,实验结果证明:相比于像素水平的GMM聚类,区域水平的GMM聚类算法具有较强的抗噪声能力,可有效地提高分割的准确性,特别是在相干斑噪声较强的SAR图像上有很大的实用价值;引入SRAD滤波得到的改进算法,在分割效果和效率上较改进之前的算法均有很大的提高,证明了其在SAR图像解译方面的可行性和有效性。