【摘要】：近年來,合成孔徑雷達SAR因其優(yōu)勢漸漸被應用于各種實際場景里,其中涉及對圖像中目標的提取、識別、理解與分析。而SAR圖像分割是圖像解譯流程中不可或缺的步驟,它是高層的圖像處理的基礎。因此,圖像分割問題一直以來都是研究的熱點話題。本論文針對大部分現(xiàn)存的SAR圖像分割中歐式距離求組合特征相似度時存在的問題,提出了幾種改進的與組合特征相似度有關的SAR圖像分割方法。論文的主要工作如下:1.提出了一種基于多特征公平集成的多目標SAR分割算法。首先從歐式距離計算組合特征的相似度存在的問題出發(fā),提出了一種區(qū)分對待不同種特征的相似度計算方法。其次,將改進的相似度計算方法引入到多目標聚類的目標函數(shù)上來提高算法的聚類性能。實驗結果表明,新算法在圖像邊緣和一致性保持上有很大優(yōu)勢,而且分割準確率高于其他對比算法。2.提出了一種自適應特征權值的雙層多目標SAR圖像分割算法。算法分為了兩層,在第一層通過差分進化來自適應獲取圖像的占優(yōu)特征和最優(yōu)特征權值。在第二層,利用上層獲取的特征權值建立多個目標聚類指標函數(shù)并進行優(yōu)化,最終得到分割準確率高的解集。在實驗部分,通過對六幅合成紋理圖像和四幅真實SAR圖像進行分割,實驗結果表明,新算法在各個評價指標都有很大的優(yōu)勢。同時將算法優(yōu)化得到的權值與四個固定的權值在三幅合成紋理圖像上進行比較,結果表明,新算法能夠自適應識別不同圖像的占優(yōu)特征,而且能得到比較好的特征權重。3.提出了一種自適應特征權值的多目標SAR自動聚類算法。算法分為了兩層,在第一層用于優(yōu)化聚類類別數(shù)和特征權重這兩個參數(shù)值,將優(yōu)化的兩個參數(shù)傳遞給下一層。在第二層,接收到第一層的參數(shù)后,自動聚類問題轉換為了非自動聚類問題,多目標算法優(yōu)化帶特征權值的多目標聚類函數(shù),得到最終分割結果。提出的方法應用多個紋理合成圖像以及SAR圖像的分割中,實驗結果表明,新算法在各個評價指標都有很大的優(yōu)勢,能夠自適應調(diào)節(jié)聚類類別數(shù),而且能得到比較好的特征權重。
【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】：2018
【分類號】：TN957.52
【圖文】：

對圖像進行分割。算法流程圖見圖 2.3。第一步是輸入待分割的 S根據(jù)輸入的圖像提取出梯度圖，先建立用于邊緣提取的 sobel 濾波提取出圖像的水平和豎直邊緣，對這兩種邊緣信息求平方和就得到步是進行形態(tài)學處理，先構建一個結構元。利用結構元對梯度圖，去除細小的不必要結構，在不明顯改變形狀的前提下平滑結構的構元對梯度圖進行形態(tài)學閉運算，填補結構體內(nèi)的孔洞，使區(qū)域曲線的中間斷裂。最后一步是對梯度圖進行分水嶺變換，得到圖像每個分水嶺內(nèi)部的區(qū)域就是一個超像素。4 給出了兩幅本論文實驗使用的兩幅 SAR 圖像的分水嶺結果圖。（像原圖，（b）和（d）為 SAR 圖像分水嶺過分割結果圖。輸入圖像 構建梯度圖 形態(tài)學處理 分水嶺變換圖 2.3 分水嶺流程圖

其他算法都出現(xiàn)了不同程度的錯分割現(xiàn)象，特別是 FCMNSGA 道內(nèi)部大量像素被錯分割為農(nóng)田，導致主跑道出現(xiàn)大量斷裂。而對于難分割支跑道，只有 MOSIF 算法能準確將它分割為跑道區(qū)域，其他四個算法全部歸類為農(nóng)田區(qū)域。對于復雜的房屋區(qū)域，MOSIF 算法只將該區(qū)域的少量像來，該區(qū)域大部分像素被錯分為農(nóng)田，而對于其他四個算法，雖然大致分割域，但是內(nèi)部缺乏細節(jié)信息，一些房屋之間的屬于農(nóng)田的像素也錯分為房屋 2.2 和表 2.3 也可知，MOSIF 算法在圖像 SAR1 上取得了最小的 XB 均值和BM 均值，這也說明了 MOSIF 算法的分割結果最好。(a) 原圖 (b) MOSIF (c) AFCMOMA

第三幅真實 SAR 圖像 SAR3 如圖 2.7(a)所示，圖中的目標可以劃分為兩類（黑色）和土地（灰黑色）。這幅圖像的分割難點在于：1）SAR 圖像下方的土灰度值不一致，容易導致采用灰度特征的聚類算法出現(xiàn)錯分割；2）SAR 圖像方的土地區(qū)域有很復雜的結構，左邊由于土地是凹陷的，積蓄了部分雨水形成，而湖泊和土地本身的地形構成了錯綜復雜的結構，而右邊由于河流潮漲潮上本身地形突出，導致出現(xiàn)復雜的彎狀結構。(a) 原圖 (b) MOSIF (c) AFCMOMA

【參考文獻】

相關期刊論文 前3條

1 王璐;張帆;李偉;謝曉明;胡偉;;基于Gabor濾波器和局部紋理特征提取的SAR目標識別算法[J];雷達學報;2015年06期

2 任國貞;江濤;;基于灰度共生矩陣的紋理提取方法研究[J];計算機應用與軟件;2014年11期

3 馮建輝;楊玉靜;;基于灰度共生矩陣提取紋理特征圖像的研究[J];北京測繪;2007年03期

本文編號：2791322