【摘要】：合成孔徑雷達(SAR)是一種主動式成像雷達,作為當(dāng)前遙感觀測的重要手段,具有全天候、全天時、多波段、分辨率高、可側(cè)視成像、大面積的數(shù)據(jù)獲取能力等優(yōu)點,在軍事領(lǐng)域和民用領(lǐng)域的應(yīng)用更加地廣泛。SAR圖像分割是SAR圖像解譯的關(guān)鍵性步驟,是進行目標(biāo)識別、數(shù)據(jù)壓縮、傳遞等進一步處理中的最基本且關(guān)鍵的技術(shù)。然而,由于SAR圖像固有的大量乘性斑點噪聲的存在,使SAR圖像分割工作變得十分困難,許多傳統(tǒng)的分割算法,都不能得到理想的分割結(jié)果。本文提出兩種新的基于分水嶺算法的SAR圖像分割方法:基于分水嶺與感知哈希的分割方法(WSpH)和基于分水嶺超像素與近鄰傳播聚類的分割方法(WSAP)。算法具體介紹如下:(1)WSpH方法是一種基于區(qū)域合并的SAR圖像分割算法。由于相干斑噪聲對SAR圖像分割的影響,在執(zhí)行分割過程之前,分析常見的幾種局部自適應(yīng)相干斑濾波算法在SAR圖像噪聲去除上的作用,確定使用Lee濾波算法來對圖像進行去噪。接下來使用梯度加掩膜的三次分水嶺算法來進行初始分割,相較于傳統(tǒng)的分水嶺分割算法,這種方法能夠有效減少小的獨立封閉區(qū)域。之后使用基于DCT的感知哈希算法對初始分割區(qū)域進行區(qū)域合并,降低過分割影響,提高分割的準(zhǔn)確性,得到理想的分割結(jié)果。最后通過實驗對比驗證該算法的有效性。(2)WSAP方法是在分水嶺超像素分割算法得到分割結(jié)果之后,對其使用近鄰傳播聚類算法進行合并。與傳統(tǒng)的近鄰傳播聚類算法的不同在于,WSAP方法充分考慮了SAR圖像的灰度特征。該方法是將灰度特征距離、協(xié)方差矩陣距離,空間距離相結(jié)合得到的超像素的特征距離,作為聚類合并過程中相似性度量準(zhǔn)則,有效地提高了分割方法的精度。使用聚類算法進行合并過程中,數(shù)據(jù)點是由使用分水嶺算法初始分割得到超像素,極大地降低了近鄰傳播聚類算法的計算復(fù)雜度。同時,生成超像素的初始分割方法,是在經(jīng)典的基于標(biāo)記分水嶺算法使用梯度信息來處理像素優(yōu)先級的基礎(chǔ)上,增加空間約束項,得到的超像素比較緊湊的同時其形狀也比較均勻,進一步提高分割的準(zhǔn)確率最終得到理想的分割結(jié)果。最后通過在真實SAR圖像上的實驗驗證所提出的算法的有效性。
【圖文】：

(f) 的濾波結(jié)果 (a) - (g) 分別為濾波后的圖像 Kuan 濾波后的Sigma 濾波后的圖像各種濾波方法處理圖像時的均值值 中值 Lee Ku.646 53.832 54.320 54.0246 0.00267 0.00240 0.00方法等傳統(tǒng)的濾波方法均，很容易使濾波后的圖像邊的圖像存在部分斑點，說明。使用 Sigma 濾波方法進是一種簡單有效的濾波算

因此在本文中我們使用 Lee 分割算法來對原始 SAR 圖水嶺的初始分割R 圖像中像素大小的不同，可以將其看做是一幅高低起伏種 SAR 圖像分割方法，分水嶺算法。在分水嶺算法中，值代表該像素點的高度，將每一個局部最小值以及其影響盆地的邊界形成了一個個分水嶺。在傳統(tǒng)的分水嶺分割方割區(qū)域可以使用模擬泛洪的過程來進行解釋與實現(xiàn)。在每表面刺穿，然后將整個模型慢慢放進水中。對著時間的流逐漸增大，每個極小值的影響區(qū)域也會隨之增大。最后當(dāng)相遇時，在兩個集水盆地的交界處，，形成了分水嶺，至此顯示的是圖 2.1(a)中的 SAR 圖像使用 Lee 濾波去噪之后的貌圖。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

2 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

3 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計學(xué)習(xí)理論的最小生成樹圖像分割準(zhǔn)則[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2017年07期

4 李然;李記鵬;宋超;;基于顯著性檢測的協(xié)同圖像分割研究[J];現(xiàn)代計算機(專業(yè)版);2017年24期

5 鄧惠俊;;一種基于數(shù)據(jù)場的圖像分割方法與研究[J];長春工程學(xué)院學(xué)報(自然科學(xué)版);2016年02期

6 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計算機應(yīng)用與軟件;2014年11期

7 劉印;;對圖像分割方法的認識及新進展研究[J];數(shù)碼世界;2018年08期

8 楊成佳;;唇紋識別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

9 韓白靜;劉歡;;淺談基于閾值的圖像分割方法[J];科學(xué)家;2017年02期

10 寇毛蕊;;醫(yī)學(xué)圖像分析系統(tǒng)設(shè)計[J];數(shù)碼世界;2017年09期

相關(guān)會議論文 前10條

1 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

2 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

3 朱士蓉;謝昭;高雋;;一種圖模型下的柔性圖像分割方法[A];中國儀器儀表學(xué)會第十二屆青年學(xué)術(shù)會議論文集[C];2010年

4 朱松豪;劉佳偉;羅青青;胡榮林;;基于關(guān)聯(lián)模型的圖像分割[A];第26屆中國控制與決策會議論文集[C];2014年

5 張志會;王華英;熊南燕;廖薇;成惠;劉飛飛;;對基于圖像分割與合并的相位展開算法的改進[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

6 楊加文;謝鳳英;;基于深度學(xué)習(xí)的皮膚鏡圖像分割[A];第十五屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2017年

7 郭世可;董槐林;龍飛;張海波;;一種結(jié)合密度聚類和區(qū)域生長的圖像分割方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

8 劉智勇;李進;黃道君;;基于遺傳算法的視頻交通量檢測圖像分割方法[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

9 張萍;單筱攸;巴成賀;;主動脈圖像分割的研究與實現(xiàn)[A];第十二屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2008年

10 趙建業(yè);余道衡;;一種基于模糊細胞神經(jīng)網(wǎng)絡(luò)的多值圖像分割新方法[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 古晶;基于稀疏特征學(xué)習(xí)的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學(xué);2016年

2 段一平;基于層次視覺計算和統(tǒng)計模型的SAR圖像分割與理解[D];西安電子科技大學(xué);2017年

3 王森;非受限場景裂紋圖像分割方法研究[D];昆明理工大學(xué);2017年

4 王濤;特征度量與信息傳遞的交互式圖論分割方法研究[D];南京理工大學(xué);2017年

5 戴令正;自然圖像分割的若干算法研究[D];南京理工大學(xué);2017年

6 李鋼;偏微分方程與變分技術(shù)在圖像分割中的應(yīng)用研究[D];太原理工大學(xué);2018年

7 鐘麗;帶約束的圖像分割方法研究及應(yīng)用[D];山東大學(xué);2018年

8 辛月蘭;基于圖割的圖像分割方法研究[D];陜西師范大學(xué);2018年

9 裴繼紅;基于模糊信息處理的圖像分割方法研究[D];西安電子科技大學(xué);1998年

10 葛宏立;面向類的圖像分割方法研究[D];北京林業(yè)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 周宏陽;基于K-edge特性圖像的降噪與分割研究[D];南京郵電大學(xué);2018年

2 凡季云;基于變分正則化的圖像分割與半監(jiān)督數(shù)據(jù)分類研究[D];河南大學(xué);2018年

3 薛菁菁;基于組合賦權(quán)的圖像分割質(zhì)量評價研究[D];西安工程大學(xué);2018年

4 韓琳旖;基于分水嶺的SAR圖像分割方法研究[D];西安電子科技大學(xué);2018年

5 劉洋;基于超像素和MMTD的圖像分割方法研究[D];南京郵電大學(xué);2018年

6 呂智寧;立體幾何褶皺效果形成原理與提花織物設(shè)計CAD[D];浙江理工大學(xué);2018年

7 楊超;基于圖像分割的高分影像鑲嵌線快速生成算法研究[D];杭州師范大學(xué);2018年

8 王琦理;基于圖像處理的公路滑坡規(guī)模自動提取方法研究[D];長安大學(xué);2018年

9 錢金磊;自然光照下田間綠色植物圖像分割方法的研究[D];內(nèi)蒙古大學(xué);2018年

10 許清;基于結(jié)合空間信息的有限混合模型的腦MR圖像分割[D];南京信息工程大學(xué);2018年

本文編號：2602301