【摘要】：隨著合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)技術(shù)的快速發(fā)展,SAR圖像在衛(wèi)星遙感、軍事偵查、海洋監(jiān)測(cè)以及農(nóng)林業(yè)監(jiān)測(cè)中發(fā)揮著十分重要的作用。SAR圖像分割就是將圖像中所需要的目標(biāo)部分提取出來(lái),以便于對(duì)圖像進(jìn)行更精確地研究。由于其獨(dú)特的成像特點(diǎn),SAR圖像會(huì)帶有相干斑噪聲,所以它和普通光學(xué)圖像有著很大的區(qū)別,從而在分割圖像上也有著不同。本文對(duì)近年來(lái)國(guó)內(nèi)外的多種圖像分割方法進(jìn)行了綜述,其中閾值分割在圖像分割中應(yīng)用最為廣泛,一些智能的優(yōu)化算法用于圖像分割當(dāng)中對(duì)圖像的分割有著很好的優(yōu)化效果。針對(duì)SAR圖像分割存在的問(wèn)題,本文對(duì)基于最大模糊熵和改進(jìn)蜂群的閾值分割算法的SAR圖像分割進(jìn)行研究,主要的工作和研究成果如下：首先,針對(duì)一維模糊熵算法只考慮到像素的灰度特性而沒(méi)有考慮到鄰域的空間灰度特性的弊端,引進(jìn)了基于二維直方圖的模糊熵的算法(簡(jiǎn)稱二維模糊熵),得到灰度-鄰域平均灰度的二維直方圖,并將二維直方圖模糊劃分成目標(biāo)區(qū)域和背景區(qū)域,分別求出模糊熵,計(jì)算最大閾值,用求得的閾值來(lái)對(duì)圖像進(jìn)行分割。算法的提出為后續(xù)工作提供了基礎(chǔ)。然后,針對(duì)二維模糊熵算法抗噪聲能力較弱的問(wèn)題,本文將二維模糊熵算法進(jìn)行了改進(jìn),將二維直方圖改進(jìn)成灰度-灰度梯度的二維直方圖,使二維模糊熵算法具有更強(qiáng)的抗噪性。最后,由于二維模糊熵算法速度較慢,本文引進(jìn)了人工蜂群算法,將二維模糊熵作為人工蜂群算法的適應(yīng)度函數(shù),通過(guò)求出最優(yōu)閾值來(lái)進(jìn)行圖像分割。為了避免人工蜂群算法出現(xiàn)早熟收斂的現(xiàn)象,本文又將人工蜂群算法進(jìn)行改進(jìn),提出了基于模糊熵和人工蜂群的算法,該算法分別改進(jìn)了蜜源搜索的方式和轉(zhuǎn)移概率的計(jì)算方式,大大加快了算法的速度。在圖像分割開(kāi)始時(shí),先對(duì)圖像進(jìn)行灰度形態(tài)學(xué)預(yù)處理,然后在用該算法對(duì)圖像進(jìn)行分割,提高抗噪性。最后通過(guò)仿真實(shí)驗(yàn),驗(yàn)證了提出算法的有效性和抗噪性,并證明了提出的算法能夠提高算法的速率。
[Abstract]:With the rapid development of synthetic Aperture Radar (Synthetic Aperture Radar, SAR) technology, SAR images in satellite remote sensing, military investigation, Marine monitoring and agroforestry monitoring play a very important role. SAR image segmentation is to extract the part of the target needed in the image to facilitate the more accurate study of the image. Because of its unique imaging characteristics, SAR images will have speckle noise, so it has a great difference from ordinary optical images, so it is also different in segmented images. In this paper, a variety of image segmentation methods at home and abroad in recent years are reviewed, among which threshold segmentation is the most widely used in image segmentation. Some intelligent optimization algorithms for image segmentation have a good optimization effect on image segmentation. Aiming at the problems existing in SAR image segmentation, this paper studies the SAR image segmentation based on maximum fuzzy entropy and improved beehive threshold segmentation algorithm. The main work and achievements are as follows: firstly, In view of the disadvantages of one-dimensional fuzzy entropy algorithm, which only considers the gray-scale characteristics of pixels but not the spatial gray-scale characteristics of the neighborhood, a two-dimensional histogram-based fuzzy entropy algorithm (called two-dimensional fuzzy entropy) is introduced. The two-dimensional histogram of gray-neighborhood average gray level is obtained, and the two-dimensional histogram is divided into target region and background region. The fuzzy entropy is calculated, the maximum threshold is calculated, and the obtained threshold is used to segment the image. The proposed algorithm provides a basis for the follow-up work. Then, in view of the weak anti-noise ability of the two-dimensional fuzzy entropy algorithm, this paper improves the two-dimensional fuzzy entropy algorithm, and improves the two-dimensional histogram into the two-dimensional histogram of grayscale-grayscale gradient. The two-dimensional fuzzy entropy algorithm is more robust to noise. Finally, because of the slow speed of the two-dimensional fuzzy entropy algorithm, the artificial bee colony algorithm is introduced in this paper. The two-dimensional fuzzy entropy is used as the fitness function of the artificial bee colony algorithm, and the optimal threshold is obtained to segment the image. In order to avoid premature convergence of artificial bee colony algorithm, this paper improves artificial bee colony algorithm and proposes an algorithm based on fuzzy entropy and artificial bee colony. The algorithm improves the way of honey source search and the calculation of transfer probability, and greatly accelerates the speed of the algorithm. At the beginning of image segmentation, the image is preprocessed by gray-scale morphology, then the image is segmented by this algorithm to improve the anti-noise property. Finally, the simulation results show that the proposed algorithm is effective and anti-noise, and that the proposed algorithm can improve the speed of the algorithm.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國(guó)圖象圖形學(xué)報(bào);2011年05期

7 張甫;李興來(lái);陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

8 汪梅;何高明;賀杰;;常見(jiàn)圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年06期

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年33期

相關(guān)會(huì)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(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)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(guó)信號(hào)處理學(xué)術(shù)年會(huì)（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(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(jìn)展[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)診斷學(xué)分會(huì)第十次學(xué)術(shù)研討會(huì)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(cè)繪通報(bào)》測(cè)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(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺(jué)顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬(wàn)里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號(hào)：2459561