本文選題：活動輪廓　切入點：梯度流　出處：《天津理工大學》2017年碩士論文　論文類型：學位論文

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)由于具有不受光照、時間及氣候等客觀條件影響的優(yōu)點,使得它廣泛應用于很多領域。然而因為SAR系統(tǒng)成像機理的特殊性和不同物體表面后向散射的多樣性,使得SAR圖像的處理工作變得極其困難。而SAR圖像中固有的斑點噪聲更加劇了圖像中目標邊緣的模糊程度。SAR圖像的目標邊緣檢測是SAR圖像處理領域中的重要研究內(nèi)容,其輪廓提取精度的高低直接影響著圖像解譯的質(zhì)量。因此,設計一種高效、高精度的SAR圖像輪廓提取算法是非常有必要的。而現(xiàn)存的SAR圖像分割方法往往含有算法復雜度高、噪聲抑制能力差、提取精度低等缺點。為了解決以上問題對實際應用造成的困擾,本文開展了以下研究工作:1)首先使用Gamma分布來描述SAR圖像的統(tǒng)計特性,其次,針對Ayed模型算法復雜度低而抑制噪聲能力差、局部高斯分布擬合能量(local Gaussian distribution fitting energy,LGDF)模型算法復雜度高而抑制噪聲能力強的特點,結(jié)合兩者的優(yōu)點,提出了基于區(qū)域的活動輪廓分割模型,該模型抑制噪聲能力強且算法復雜度低。最后通過合成和真實SAR圖像的實驗結(jié)果驗證了提出方法的有效性。2)針對現(xiàn)存方法處理SAR圖像尖銳邊緣和弱邊緣能力較差的問題,在上述研究內(nèi)容的基礎上,提出了基于邊緣-區(qū)域的活動輪廓模型。該模型包括兩項:邊緣-區(qū)域項和正則項。邊緣-區(qū)域項由Gamma模型和梯度項模型導出,主要用于處理斑點噪聲和牽引曲線朝著期望位置運動;而正則項不僅能夠規(guī)范演變曲線的形狀,同時也具有較強地平滑作用從而避免小的孤立區(qū)域的出現(xiàn)。并且利用梯度下降流方法來最小化所提出的能量泛函。實驗結(jié)果表明該模型不僅對輪廓初始化位置不敏感,而且相比于其他方法,具有收斂速度快及良好的處理非均質(zhì)區(qū)域能力。
[Abstract]:Synthetic Aperture radar (SAR) has the advantage of not being affected by objective conditions such as light, time and climate. However, because of the particularity of imaging mechanism of SAR system and the diversity of backscattering from different objects, It is very difficult to process SAR image, and the inherent speckle noise in SAR image intensifies the blur of target edge. The detection of target edge in SAR image is an important research content in the field of SAR image processing. The precision of contour extraction directly affects the quality of image interpretation. Therefore, it is necessary to design an efficient and high-precision SAR image contour extraction algorithm. However, the existing SAR image segmentation methods often contain high complexity. In order to solve the problems caused by the above problems in practical application, the following research work is carried out in this paper: firstly, Gamma distribution is used to describe the statistical characteristics of SAR images, and secondly, In view of the low complexity and poor noise suppression ability of the Ayed model algorithm, the local Gaussian distribution fitting energy model is characterized by high complexity and strong noise suppression ability, which combines the advantages of the two algorithms. A region-based active contour segmentation model is proposed. The model has strong noise suppression ability and low algorithm complexity. Finally, the experimental results of synthetic and real SAR images verify the effectiveness of the proposed method. Based on the above research, an active contour model based on edge-region is proposed. The model includes two terms: edge-region term and regular term. The edge-region term is derived from Gamma model and gradient term model. Mainly used to deal with speckle noise and traction curves moving towards the desired position, and the canonical term not only can normalize the shape of the evolution curve, It also has a strong smoothing effect to avoid the appearance of small isolated regions, and the gradient descent flow method is used to minimize the proposed energy functional. The experimental results show that the proposed model is not only insensitive to the initial position of the contour, And compared with other methods, it has fast convergence speed and good ability to deal with heterogeneous regions.
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 牛君,李貽斌,宋銳;活動輪廓模型綜述[J];杭州電子科技大學學報;2005年03期

2 董吉文;楊海英;;活動輪廓模型綜述[J];信息技術(shù)與信息化;2008年05期

3 韓敏;孫楊;;基于改進活動輪廓模型的矢量邊界更新方法[J];工程圖學學報;2009年04期

4 夏冉;王國胤;龔勛;任文彬;;基于改進活動輪廓模型的人臉分割[J];廣西師范大學學報(自然科學版);2010年03期

5 馮玉玲;何傳江;李夢;;不用高斯平滑的邊緣活動輪廓模型[J];計算機工程與應用;2010年36期

6 顧金庫;蔡茜;郝剛;;基于區(qū)域的活動輪廓模型[J];福建電腦;2010年11期

7 胡正平;楊建秀;;基于稀疏活動輪廓模型的感興趣目標檢測定位算法[J];光學技術(shù);2011年01期

8 高燕;劉永俊;陳才扣;;基于局部區(qū)域力的活動輪廓模型圖像分割研究[J];計算機仿真;2011年11期

9 陳強;何傳江;;全局和局部擬合的活動輪廓模型[J];計算機工程與應用;2011年11期

10 徐海勇;陳軍剛;;一種新的基于局部區(qū)域的活動輪廓模型[J];湖南理工學院學報(自然科學版);2012年01期

相關(guān)會議論文 前4條

1 劉丹;賴志茂;;于活動輪廓模型的邊界快速提取算法[A];教育部中南地區(qū)高等學校電子電氣基礎課教學研究會第二十屆學術(shù)年會會議論文集（下冊）[C];2010年

2 主海文;高松;刁越;劉有軍;;基于改進活動輪廓模型的血管斷層圖像分割[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

3 王國棟;潘振寬;趙希梅;劉存良;王鈺;;基于圖像分解和活動輪廓模型的紋理分割[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

4 方林;于海洋;李立超;鄒嬌;;基于光照不均勻的車輛提取與恢復模型[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)博士學位論文 前10條

1 侍佼;模糊活動輪廓模型在圖像分割與變化檢測中的應用[D];西安電子科技大學;2015年

2 江曉亮;基于模糊聚類及活動輪廓模型的圖像分割技術(shù)研究[D];西南交通大學;2016年

3 付斌;基于活動輪廓模型的目標分割與跟蹤的研究[D];哈爾濱工程大學;2006年

4 薛維琴;基于管狀約束活動輪廓模型的血管分割方法研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2013年

5 陳侃;基于活動輪廓模型的肺結(jié)節(jié)分割方法研究[D];華南理工大學;2013年

6 崔華;基于活動輪廓模型的圖像分割方法研究[D];東北大學;2009年

7 高向軍;活動輪廓模型及其在虛擬內(nèi)窺鏡中的應用研究[D];華南理工大學;2008年

8 朱國普;基于活動輪廓模型的圖像分割[D];哈爾濱工業(yè)大學;2007年

9 方玲玲;圖像分割的活動輪廓模型研究[D];蘇州大學;2013年

10 劉國奇;活動輪廓模型中向量場基本理論及發(fā)展[D];華南理工大學;2013年

相關(guān)碩士學位論文 前10條

1 鐘輝強;活動輪廓模型外部能量項的研究[D];華南理工大學;2015年

2 官俊;活動輪廓模型在林木圖像分割中的應用研究[D];東北林業(yè)大學;2015年

3 苗宗霞;基于活動輪廓模型的醫(yī)學圖像分割方法研究[D];西南大學;2015年

4 周飛飛;基于活動輪廓模型的圖像分割方法[D];南昌航空大學;2015年

5 曹建伐;顱內(nèi)血管分割算法研究[D];浙江工業(yè)大學;2015年

6 鐘景茹;顱內(nèi)動脈瘤介入治療支架植入圖像仿真優(yōu)化計算方法研究[D];首都醫(yī)科大學;2016年

7 卜祥東;顱腦損傷病灶區(qū)分割研究[D];安徽大學;2016年

8 戚世樂;活動輪廓模型的改進與基于Sobolev梯度的優(yōu)化[D];福州大學;2014年

9 萬志勤;結(jié)合灰度與差分信息的混合活動輪廓模型[D];南昌航空大學;2016年

10 楚瑩瑩;基于區(qū)域信息活動輪廓模型的核磁共振圖像分割研究[D];南京信息工程大學;2016年

，

本文編號：1583839