本文選題：合成孔徑雷達(dá) + 極化�。� 參考：《合肥工業(yè)大學(xué)》2014年碩士論文

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)是一種重要的微波成像工具,具有全天時、全天候、高分辨率等諸多優(yōu)點,獲得了廣泛的應(yīng)用。極化SAR能夠獲得比傳統(tǒng)單極化SAR更加豐富的目標(biāo)散射信息,為圖像的正確解譯提供了更好的數(shù)據(jù)支撐。極化SAR圖像分割是圖像解譯中的關(guān)鍵環(huán)節(jié),開展極化SAR圖像分割研究對提高極化SAR系統(tǒng)的應(yīng)用水平和極化SAR數(shù)據(jù)的利用率具有重要的理論意義和實用價值。馬爾可夫隨機場(Markov Random Field, MRF)是一種常用的描述圖像內(nèi)空間相關(guān)性的模型。它將SAR圖像分割轉(zhuǎn)化為最大后驗概率估計問題,通過對目標(biāo)函數(shù)的不斷優(yōu)化完成圖像分割任務(wù)。本文根據(jù)極化SAR的數(shù)據(jù)特征,在MRF的框架之內(nèi),利用不同的極化SAR數(shù)據(jù)形式,提出了兩種基于區(qū)域MRF的極化SAR圖像分割方法,研究工作主要包括如下來兩個方面：1.研究提出了一種三維區(qū)域MRF的SAR圖像分割方法。該方法在充分利用單個極化SAR圖像相鄰區(qū)域之間相似性的基礎(chǔ)上,進一步融入多個極化SAR圖像相同區(qū)域之間的一致性,能夠抑制單個極化SAR圖像易受相干斑噪聲和地物信息不全面性的影響,實現(xiàn)SAR圖像的準(zhǔn)確分割。2.研究提出了一種基于邊緣保持的區(qū)域WMRF極化SAR圖像分割方法。該方法在極化總功率圖上引入降低噪聲的SRAD濾波算法,同時提取ICOV梯度信息,在此基礎(chǔ)上利用分水嶺分割合理劃分初始區(qū)域；將區(qū)域MRF與協(xié)方差矩陣的Wishart分布相結(jié)合,以區(qū)域間的差異度動態(tài)調(diào)節(jié)懲罰系數(shù),有效保持圖像細(xì)節(jié),為實現(xiàn)極化SAR圖像的準(zhǔn)確分割提供了一個新途徑。針對RADARSAT-2和SIR-C獲取的極化SAR圖像進行了充分的實驗,并進行了較為詳細(xì)的分析。相較于其他基于MRF的SAR圖像分割算法,本文所提算法具有明顯的分割準(zhǔn)確率,在SAR圖像解譯方面具有可行性與有效性。
[Abstract]:Synthetic Aperture radar (sar) is an important microwave imaging tool, which has many advantages, such as all-day, all-weather, high-resolution and so on, and has been widely used. Polarimetric SAR can obtain more information of target scattering than traditional single polarimetric SAR, which provides better data support for image interpretation. Polarimetric SAR image segmentation is a key link in image interpretation. The research of polarimetric SAR image segmentation is of great theoretical significance and practical value in improving the application level of polarimetric SAR system and the utilization of polarimetric SAR data. Markov Random Field (MRF) is a commonly used model to describe spatial correlation in images. It transforms SAR image segmentation into the problem of maximum posterior probability estimation and accomplishes the task of image segmentation through the continuous optimization of the objective function. According to the data characteristics of polarimetric SAR, two polarimetric SAR image segmentation methods based on regional MRF are proposed by using different polarimetric SAR data forms within the framework of MRF. In this paper, a 3D region MRF segmentation method for SAR images is proposed. On the basis of taking full advantage of the similarity between adjacent regions of a single polarimetric SAR image, the method further integrates the consistency between the same regions of multiple polarimetric SAR images. It can suppress the single polarimetric SAR image easily affected by speckle noise and incomplete ground information, and realize the accurate segmentation of SAR image. In this paper, a region WMRF polarimetric SAR image segmentation method based on edge preserving is proposed. In this method, the noise reduction SRAD filter algorithm is introduced into the total polarimetric power map, and the ICOV gradient information is extracted. On this basis, the initial region is divided reasonably by watershed segmentation, and the region MRF is combined with the Wishart distribution of the covariance matrix. The penalty coefficient is dynamically adjusted by the difference degree between regions, and the details of the image are kept effectively, which provides a new way for the accurate segmentation of polarimetric SAR images. The polarimetric SAR images obtained by RADARSAT-2 and SIR-C are fully tested and analyzed in detail. Compared with other SAR image segmentation algorithms based on MRF, the proposed algorithm has obvious segmentation accuracy and is feasible and effective in SAR image interpretation.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳志攀;趙躍龍;;車型圖像分割方法的研究[J];惠州學(xué)院學(xué)報(自然科學(xué)版);2005年06期

2 楊夢寧;楊丹;張強勁;;基于最大樹法的模糊圖像分割方法[J];計算機科學(xué);2005年08期

3 宋麥玲;楊小紅;;圖像分割技術(shù)研究[J];軟件導(dǎo)刊;2007年07期

4 蔣小標(biāo);湯光明;徐蕾;;基于模糊理論的圖像分割方法[J];計算機工程與設(shè)計;2007年16期

5 鄭肇葆;;Cognitive Agent在圖像分割中應(yīng)用的研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2008年07期

6 侯立華;;圖像分割方法綜述[J];科技創(chuàng)新導(dǎo)報;2008年22期

7 劉海亮;;數(shù)字圖像分割方法研究[J];電腦知識與技術(shù);2009年09期

8 胡天翔;鄭加強;周宏平;叢靜華;;提高動態(tài)樹木圖像分割處理速度的方法[J];林業(yè)科學(xué);2009年06期

9 黃長專;王彪;楊忠;;圖像分割方法研究[J];計算機技術(shù)與發(fā)展;2009年06期

10 宋寅卯;劉磊;;圖像分割研究方法及進展[J];電腦學(xué)習(xí);2010年02期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)碩士學(xué)位論文 前10條

1 馬生雋;交叉皮層模型在圖像分割中的應(yīng)用研究[D];蘭州大學(xué);2009年

2 朱嵬鵬;基于聚類算法的圖像分割[D];江南大學(xué);2009年

3 郭曉潔;基于非參數(shù)模型的圖像分割方法研究[D];云南大學(xué);2010年

4 劉春燕;圖像分割評價方法研究[D];西安電子科技大學(xué);2011年

5 王亞榮;基于圖割的交互式圖像分割方法研究[D];西北大學(xué);2011年

6 薛耿劍;人體腦圖像分割技術(shù)研究[D];西北工業(yè)大學(xué);2006年

7 徐敏;新聚類算法及其在圖像分割中的應(yīng)用[D];江南大學(xué);2005年

8 吳學(xué)明;圖像分割的算法研究[D];成都理工大學(xué);2006年

9 楊斯涵;圖像分割技術(shù)在簡牘保護中的應(yīng)用研究[D];成都理工大學(xué);2006年

10 徐高奎;圖像分割與合成方法的研究[D];天津大學(xué);2005年

，

本文編號：2029279