本文關(guān)鍵詞：基于空間信息聚類的SAR圖像分割算法研究　出處：《合肥工業(yè)大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 合成孔徑雷達(dá) 圖像分割 Gamma混合模型 聚類

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)圖像分割是SAR自動(dòng)解譯的關(guān)鍵技術(shù)之一,其結(jié)果對(duì)SAR圖像的解譯具有重要意義。SAR圖像特有的相干成像系統(tǒng)提供了較光學(xué)圖像更高的分辨率,但不可避免的存在嚴(yán)重的相干斑噪聲,傳統(tǒng)的針對(duì)加性噪聲的圖像分割方法不再適用于SAR圖像。Gamma混合模型聚類根據(jù)SAR圖像特有的統(tǒng)計(jì)分布,憑借形式簡(jiǎn)單、計(jì)算方便等優(yōu)點(diǎn),已成為當(dāng)前廣泛應(yīng)用于SAR圖像的分割算法。但是該算法僅利用圖像的灰度信息,忽略了像素間的空間信息,導(dǎo)致該算法對(duì)噪聲十分敏感,分割結(jié)果往往存在大量的誤分現(xiàn)象。為此,本文提出了基于空間信息聚類的SAR圖像分割算法,主要工作包含以下兩個(gè)方面：1)研究分析了一種結(jié)合雙邊濾波與Gamma混合模型的SAR圖像分割算法。該算法在模型的參數(shù)求解過程中,把每個(gè)像素本身所對(duì)應(yīng)的貝葉斯后驗(yàn)概率作為該圖像的像素值,通過雙邊濾波處理,使得圖像中相鄰像素的貝葉斯后驗(yàn)概率數(shù)值得到平滑,獲得相近的貝葉斯后驗(yàn)概率數(shù)值。在每一次參數(shù)迭代過程中,融入一次濾波操作,使得每一次參數(shù)求解都受到像素位置的影響,既能準(zhǔn)確的分割SAR圖像,又能較好的抑制相干斑噪聲對(duì)分割結(jié)果的影響；2)研究分析了采用區(qū)域Gamma混合模型的SAR圖像分割算法。該算法采用分水嶺分割作為初始分割,將過分割得到的區(qū)域塊作為Gamma混合模型的聚類樣本,使得Gamma混合模型聚類由傳統(tǒng)的像素級(jí)提升到區(qū)域級(jí)。并進(jìn)一步考慮區(qū)域間的相互關(guān)系,引入鄰域因子融入到迭代算法中,得到鄰域類生成加權(quán)概率,提高算法的分割效果。分別針對(duì)合成SAR圖像與真實(shí)SAR圖像進(jìn)行了充分的實(shí)驗(yàn),并進(jìn)行了較為詳細(xì)的分析。與傳統(tǒng)的Gamma混合模型聚類、區(qū)域高斯混合模型以及區(qū)域MRF算法相比,本文所提算法的分割結(jié)果都分別有了較大的提高,具有更強(qiáng)的抗噪聲能力。證明了本文算法在SAR圖像分割中的可行性與有效性。
[Abstract]:Synthetic Aperture Radarimage segmentation is one of the key techniques of SAR automatic interpretation. The results are of great significance to the interpretation of SAR images. The special coherent imaging system provides higher resolution than the optical images, but there is inevitable serious speckle noise. The traditional image segmentation method for additive noise is no longer suitable for SAR image. Gamma hybrid model clustering according to the special statistical distribution of SAR image, with the advantages of simple form, convenient calculation and so on. It has been widely used in SAR image segmentation, but the algorithm only uses the gray level information of the image, ignoring the spatial information between pixels, resulting in the algorithm is very sensitive to noise. The segmentation results often have a large number of misclassification phenomena. Therefore, a spatial information clustering based SAR image segmentation algorithm is proposed in this paper. The main work includes the following two aspects: 1) A SAR image segmentation algorithm combining bilateral filtering and Gamma hybrid model is studied and analyzed. The algorithm is used to solve the parameters of the model. The Bayesian posteriori probability corresponding to each pixel itself is taken as the pixel value of the image, and the Bayesian posterior probability value of adjacent pixels in the image is smoothed by bilateral filtering. Obtain similar Bayesian posterior probability value. In each parameter iteration process, a filter operation is incorporated, so that each parameter solution is affected by the pixel position, which can segment the SAR image accurately. It can also suppress the effect of speckle noise on segmentation results. 2) the algorithm of SAR image segmentation using regional Gamma hybrid model is studied and analyzed, which uses watershed segmentation as the initial segmentation. The region block obtained by over-segmentation is used as the clustering sample of the Gamma hybrid model, which makes the Gamma hybrid model cluster from the traditional pixel level to the regional level, and further considers the interrelationship between the regions. The neighborhood factor is introduced into the iterative algorithm to obtain the weighted probability of neighborhood class generation, which improves the segmentation effect of the algorithm. The experiments on synthetic SAR images and real SAR images are carried out. Compared with the traditional Gamma mixture model clustering, regional Gaussian mixture model and regional MRF algorithm, the segmentation results of the proposed algorithm are greatly improved. It is proved that the proposed algorithm is feasible and effective in SAR image segmentation.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN957.52

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周培德,付夢(mèng)印,張長(zhǎng)江;紅外圖像邊緣提取的隨機(jī)閾值方法[J];兵工學(xué)報(bào);2005年02期

2 樂靜;郭俊杰;朱虹;李鋒;張濤;;藥筒燒蝕面積的圖像測(cè)量方法[J];兵工學(xué)報(bào);2006年01期

3 劉興華;王裕鵬;劉福水;梁海強(qiáng);;基于最優(yōu)閾值法的曲軸缺齒位置判定研究[J];兵工學(xué)報(bào);2010年12期

4 崔健,陳遠(yuǎn)知;海面目標(biāo)電視跟蹤算法[J];北京廣播學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年03期

5 王華,王祁;基于分形協(xié)方差函數(shù)的自然紋理描述與分類[J];北京航空航天大學(xué)學(xué)報(bào);2005年05期

6 朱彤;韓文濤;王波;;改進(jìn)Hough變換方法在車道檢測(cè)中的應(yīng)用[J];北京汽車;2005年06期

7 馮德俊,李永樹,蔡國(guó)林,孫美玲;多方法集成的土地利用變化信息提取[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

8 尹作霞;杜培軍;陳云浩;譚琨;;面向?qū)ο蟮母吖庾V影像目標(biāo)識(shí)別方法[J];測(cè)繪科學(xué);2009年02期

9 周小成;沈占鋒;汪小欽;吳波;;基于特征基元的高分辨率遙感影像道路網(wǎng)自動(dòng)提取技術(shù)[J];測(cè)繪科學(xué);2009年03期

10 黃添強(qiáng);卓飛豹;;CAMFT算法在遙感影像分割中的應(yīng)用[J];江蘇技術(shù)師范學(xué)院學(xué)報(bào);2007年06期

相關(guān)會(huì)議論文 前4條

1 江萍;;車牌分割中的閾值選擇策略[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

2 孫小芳;孫依斌;;快鳥影像城市綠地提取及景觀模糊分析[A];“科學(xué)合理用地，，推進(jìn)海西建設(shè)”——福建省土地學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2007年

3 楊麗麗;韓寧;張健;闞江明;;基于圖像處理技術(shù)的強(qiáng)化木地板表面瑕疵檢測(cè)算法研究[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

4 田京雷;畢勝;;基于視頻的客流計(jì)數(shù)系統(tǒng)的研究[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 賴軍臣;基于病癥圖像的玉米病害智能診斷研究[D];石河子大學(xué);2010年

2 徐江斌;基于氣象數(shù)據(jù)的云景真實(shí)感模擬技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

3 孫越泓;基于粒子群優(yōu)化算法的圖像分割研究[D];南京理工大學(xué);2010年

4 盧泉;基于機(jī)器視覺的特殊管道靜態(tài)參數(shù)高精度測(cè)量技術(shù)研究[D];西安電子科技大學(xué);2010年

5 鄧集杰;支票印鑒快速檢測(cè)方法中的關(guān)鍵技術(shù)研究[D];天津大學(xué);2010年

6 郭春華;基于圖像分析的跨座式單軌交通PC軌道梁面裂紋檢測(cè)研究[D];重慶大學(xué);2011年

7 張漢欣;輪胎痕跡圖像處理及識(shí)別算法研究[D];吉林大學(xué);2011年

8 楊威;基于模式識(shí)別方法的多光譜遙感圖像分類研究[D];東北師范大學(xué);2011年

9 孫鵬;基于圖像處理的氧化鋁回轉(zhuǎn)窯燒結(jié)工況識(shí)別系統(tǒng)研究[D];東北大學(xué);2009年

10 王欣剛;計(jì)算機(jī)視頻泄漏信息截獲技術(shù)的實(shí)用化研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2002年

相關(guān)碩士學(xué)位論文 前10條

1 管澤鑫;基于圖像的水稻病害識(shí)別方法的研究[D];浙江理工大學(xué);2010年

2 周成菊;基于改進(jìn)Graph Cuts的圖像分割[D];大連理工大學(xué);2010年

3 郭煜丹;基于分形理論和活動(dòng)輪廓模型的圖像分割方法研究[D];遼寧工程技術(shù)大學(xué);2009年

4 王小燕;基于紋理和形狀的醫(yī)學(xué)圖像檢索技術(shù)研究[D];河南理工大學(xué);2010年

5 宋戈;火災(zāi)自動(dòng)檢測(cè)技術(shù)在無人值守變電站中的應(yīng)用[D];沈陽理工大學(xué);2010年

6 侯慶鋒;基于CT圖像的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)方法研究[D];泰山醫(yī)學(xué)院;2005年

7 唐海周;基于區(qū)域綜合特征的車牌定位方法研究及應(yīng)用[D];湖南工業(yè)大學(xué);2010年

8 張振婭;基于DSP的動(dòng)態(tài)靶標(biāo)圖像實(shí)時(shí)處理技術(shù)研究[D];長(zhǎng)春工業(yè)大學(xué);2010年

9 衣燕;面向?qū)ο蟮睦ッ鞯岢刈恿饔蚋叻直媛蔬b感影像地物信息提取[D];昆明理工大學(xué);2009年

10 王峰;無人機(jī)遙感影像分割及地面目標(biāo)提取技術(shù)研究[D];解放軍信息工程大學(xué);2010年

本文編號(hào)：1414163