本文關鍵詞：基于統(tǒng)計模型的SAR圖像降斑和分割方法研究，由筆耕文化傳播整理發(fā)布。

基于統(tǒng)計模型的SAR圖像降斑和分割方法研究 FTMF模型的SAR圖像分割方法在分割過程中能夠有效地保留原始SAR圖像的信 息，獲取準確的邊界定位和較好的區(qū)域一致性。 第三部分以研究小波域多尺度統(tǒng)計模型和SAR圖像的非平穩(wěn)統(tǒng)計特性為基 礎，提出了小波域多尺度多方向TMF WTMF 模型。為捕獲尺度內(nèi)圖像結(jié)構(gòu)的 局部空域相關性以及尺度間的父子代依賴關系，本論文構(gòu)建了WTMF模型的多尺 度因果勢能函數(shù)。為充分捕捉圖像的奇異性信息，本論文構(gòu)建了基于小波域隱馬 結(jié)構(gòu)和圖像特征上整合圖像的全局和局部信息，并利用粗尺度上的全局結(jié)構(gòu)信息 指導細尺度上的分割，實現(xiàn)多尺度決策融合。此外，本論文針對非平穩(wěn)SAR圖像 的紋理統(tǒng)計特性，提出了一種新的基于非平穩(wěn)各向異性高斯核 NAGK 參數(shù)的輔 助場初始化方法。合成圖像和實測SAR圖像的實驗結(jié)果和分析表明粗尺度上的全 局結(jié)構(gòu)信息對細尺度上的分割具有指導作用，WTMF模型通過貝葉斯決策融合實 現(xiàn)這一指導作用，從而提高分割算法的抗噪性能，有效地解決誤分割問題。 第四部分以研究分層統(tǒng)計模型和SAR圖像的非平穩(wěn)統(tǒng)計特性為基礎，提出了 型構(gòu)建了尺度內(nèi)基團勢能函數(shù)和尺度間條件基團勢能函數(shù)以精確捕獲非平穩(wěn)SAR 圖像的全局和局部特征�；贖TMF模型的分割方法借助于四叉樹結(jié)構(gòu)上的貝葉 斯推論，通過上行．下行概率計算過程估計HTMF模型的多尺度邊緣后驗概率以實 現(xiàn)尺度內(nèi)SAR圖像空域相關性的有效捕獲以及尺度間上下文結(jié)構(gòu)信息的有效傳 遞，進而完成無監(jiān)督多尺度SAR圖像的貝葉斯統(tǒng)計分割。合成圖像和實測SAR圖 像的實驗結(jié)果和分析表明與TMF模型相比，HTMF模型能夠較好地保持SAR圖 像的結(jié)構(gòu)信息，，有效

  本文關鍵詞：基于統(tǒng)計模型的SAR圖像降斑和分割方法研究，由筆耕文化傳播整理發(fā)布。