發(fā)布時間：2017-11-03 20:03

  本文關鍵詞：圖像分割算法在SAR圖像中的研究及應用

  更多相關文章： SAR圖像分割 馬爾可夫隨機場 模糊c均值 免疫克隆選擇算法

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)作為主動式微波遙感的一種,是遙感領域的一個重要的分支。SAR具有分辨率高、穿透性強、全天時、全天候等特點,使得它可以在不同波段,不同的極化方式下工作,目前被廣泛應用于眾多領域中。SAR系統(tǒng)的快速發(fā)展,使得現(xiàn)在所獲得的SAR圖像的數(shù)量變得越來越多了,但是對于SAR圖像的理解和解譯的能力卻相對滯后。SAR圖像分割作為SAR圖像解譯的關鍵步驟之一,是SAR圖像理解和解譯的基礎和前提,已經(jīng)得到了國內外學者的廣泛關注。但是,由于SAR圖像固有的成像機理,使得在SAR圖像中存在相干斑噪聲,從而使得以往的圖像分割算法在SAR圖像上并不能取得令人滿意的結果。因此,對SAR圖像分割算法的研究具有非常重要的意義。本論文主要對三種SAR圖像分割算法進行分析和研究,它們分別是基于馬爾可夫隨機場的分割算法、基于模糊c均值的圖像分割算法和免疫遺傳單閾值分割算法。其中基于馬爾可夫隨機場的分割算法是統(tǒng)計分布模型中最為重要的模型之一,它的基本實現(xiàn)原理是采用條件概率來描述圖像數(shù)據(jù)的分布狀況;基于模糊c均值的圖像分割算法是無監(jiān)督學習算法的一種,它把模糊理論和聚類進行融合,使得其所分析的問題可以更加地接近現(xiàn)實生活中的問題;在免疫遺傳單閾值分割算法中使用免疫克隆選擇算法來作為優(yōu)化算法,它是借鑒Burnet的克隆選擇機理所形成的,該算法在優(yōu)化策略上,采用隨機初始化以及不斷生成的新的抗體來代替種群中親和度較低的抗體,從而保證種群具有多樣性。本文對三種算法分別做了仿真實驗,并且知道了每種算法所適應的情況,以及算法的局限性。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.52

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉小芳;;點密度加權FCM算法的聚類有效性研究[J];計算機工程與應用;2006年15期

，

本文編號：1137663