本文選題：可變類SAR圖像分割 + 曲波變換��； 參考：《信號(hào)處理》2017年08期

【摘要】：為了實(shí)現(xiàn)SAR圖像的可變類分割,本文提出了一種基于區(qū)域的多尺度可變類分割方法。首先,利用曲波變換對(duì)SAR圖像進(jìn)行多尺度分解,獲取多尺度曲波系數(shù);然后按尺度由粗-細(xì)次序,利用曲波逆變換對(duì)各尺度曲波系數(shù)進(jìn)行重構(gòu),獲取各尺度分解圖像,進(jìn)而獲得多尺度分解圖像。在此基礎(chǔ)上,利用規(guī)則劃分技術(shù)劃分圖像域;然后利用Gamma分布及馬爾科夫隨機(jī)場(chǎng)(Markov Random Field,MRF)模型建立基于區(qū)域的特征場(chǎng)模型及標(biāo)號(hào)場(chǎng)模型;假設(shè)圖像類別數(shù)為隨機(jī)變量,并服從Poisson分布;并在貝葉斯理論框架下建立基于區(qū)域的多尺度可變類分割模型。最后,利用可逆變馬爾可夫鏈蒙特卡羅(Reversible Jump Markov Chain Monte Carlo,RJMCMC)算法,實(shí)現(xiàn)該模型求解;在求解過(guò)程中,按尺度由粗-細(xì)次序,將當(dāng)前尺度分割解作為下一低尺度分割的初始解,以細(xì)尺度的分割解作為最終分割結(jié)果。利用提出方法對(duì)模擬及真實(shí)SAR圖像進(jìn)行可變類分割實(shí)驗(yàn),通過(guò)其實(shí)驗(yàn)結(jié)果驗(yàn)證提出方法的可行性及有效性。
[Abstract]:In order to realize the variable class segmentation of SAR image, a region based multi scale variable class segmentation method is proposed in this paper. Firstly, the multiscale SAR image is decomposed by Qu Bo transform to obtain the multiscale Qu Bo coefficient, and then the Qu Bo coefficients of each scale are reconstructed by Qu Bo inverse transform according to the coarse-fine order of scale, and the decomposed images of each scale are obtained. Then the multi-scale decomposition image is obtained. On this basis, the image domain is divided by rule partitioning technique, and then the area-based feature field model and label field model are established by using the Gamma distribution and Markov random field Random MRF model, and the number of image categories is assumed to be a random variable. The model of multi-scale variable class segmentation based on region is established under the framework of Bayesian theory. Finally, the model is solved by using the invertible Markov chain Monte Carlo reducible Jump Markov Chain Monte realizable Jump Markov Chain Monte (RJMCMC) algorithm, in which the current scale segmentation solution is regarded as the initial solution of the next low scale segmentation according to the coarse-fine order of the scale. The segmentation solution of fine scale is used as the final segmentation result. The proposed method is used to perform variable class segmentation experiments on simulated and real SAR images. The experimental results show that the proposed method is feasible and effective.
【作者單位】： 遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院遙感科學(xué)與應(yīng)用研究所;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41271435);國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(41301479) 遼寧工程技術(shù)大學(xué)研究生教育創(chuàng)新計(jì)劃(YB201604)
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭小衛(wèi),田錚;基于多尺度譜特征的SAR圖像分割[J];計(jì)算機(jī)工程與應(yīng)用;2004年07期

2 孫莉;張艷寧;李映;馬苗;;一種基于Gaussian-Hermite矩的SAR圖像分割方法[J];西北工業(yè)大學(xué)學(xué)報(bào);2007年03期

3 毛萬(wàn)峰;張紅;張波;王超;;基于模糊水平集的SAR圖像分割方法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2013年02期

4 董剛剛;張磊;劉清;;一種SAR圖像分割新方法[J];燕山大學(xué)學(xué)報(bào);2013年06期

5 徐海霞,田錚,林偉;SAR圖像分割的多尺度自回歸滑動(dòng)平均模型方法[J];西北工業(yè)大學(xué)學(xué)報(bào);2004年04期

6 張俊梅;;SAR圖像分割方法淺議[J];電腦知識(shí)與技術(shù);2011年03期

7 彭銳暉;王向偉;呂永勝;;基于集成活動(dòng)輪廓模型的SAR圖像分割方法[J];宇航學(xué)報(bào);2011年07期

8 顏學(xué)穎;焦李成;王凌霞;萬(wàn)紅林;;一種提高SAR圖像分割性能的新方法[J];電子與信息學(xué)報(bào);2011年07期

9 鄒亞榮;王華;朱海天;陳光明;宋新改;;海上溢油SAR圖像分割算法研究[J];海洋環(huán)境科學(xué);2009年03期

10 薄華,馬縛龍,焦李成;基于空間特征的SAR圖像分割方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年33期

相關(guān)會(huì)議論文 前4條

1 薛笑榮;趙榮椿;張艷寧;段鋒;蘇愛民;;基于樹型小波變換的SAR圖像分割[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

2 夏勇;趙榮椿;;一種SAR圖像分割新方法[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

3 劉泉;章國(guó)寶;;基于小波能量分布的SAR圖像分割[A];全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)會(huì)議論文集（一）[C];2005年

4 靳紅梅;張俊梅;梁榮;;基于SVM和紋理特征的SAR圖像分割方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 薄華;基于自然計(jì)算的SAR圖像分割技術(shù)的研究[D];西安電子科技大學(xué);2006年

2 賀志國(guó);基于活動(dòng)輪廓模型的SAR圖像分割算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

3 呂雁;基于統(tǒng)計(jì)模型的SAR圖像分割方法研究[D];西安電子科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王陽(yáng)陽(yáng);基于反卷積映射推理網(wǎng)絡(luò)的SAR圖像分割[D];西安電子科技大學(xué);2016年

2 高夢(mèng)瑤;基于語(yǔ)義和脊波反卷積網(wǎng)絡(luò)的SAR圖像分割[D];西安電子科技大學(xué);2016年

3 夏釗;基于反卷積自適應(yīng)推理網(wǎng)絡(luò)的SAR圖像分割[D];西安電子科技大學(xué);2016年

4 郝陽(yáng)陽(yáng);基于字典學(xué)習(xí)的SAR圖像分割[D];西安電子科技大學(xué);2013年

5 翟艷霞;基于統(tǒng)計(jì)模型的SAR圖像分割[D];西安電子科技大學(xué);2010年

6 白雪;基于三馬爾可夫場(chǎng)的SAR圖像分割[D];西安電子科技大學(xué);2012年

7 王武飛;基于進(jìn)化計(jì)算的SAR圖像分割[D];西安電子科技大學(xué);2009年

8 王培偉;基于量子進(jìn)化特征選擇的SAR圖像分割[D];西安電子科技大學(xué);2010年

9 楊琳;基于改進(jìn)活動(dòng)輪廓模型的SAR圖像分割方法研究[D];西安電子科技大學(xué);2013年

10 李長(zhǎng)凱;基于瞬態(tài)系數(shù)的SAR圖像分割方法研究[D];合肥工業(yè)大學(xué);2010年

，

本文編號(hào)：1845613