發(fā)布時(shí)間：2018-07-06 18:14

  本文選題：SAR圖像 + 超像素��； 參考：《大連海事大學(xué)》2017年碩士論文

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像以全天候成像等優(yōu)勢在海域動(dòng)態(tài)監(jiān)測、自動(dòng)導(dǎo)航等領(lǐng)域有廣泛的應(yīng)用,其中海岸線檢測是動(dòng)態(tài)監(jiān)測海岸線變化的一個(gè)解決手段。然而在SAR圖像中,由于相干斑、海風(fēng)和陸地環(huán)境的復(fù)雜性等因素,使得海岸線檢測具有較大難度。本文從超像素角度出發(fā),利用區(qū)域合并、三重馬爾科夫隨機(jī)場(TMF),重點(diǎn)研究SAR圖像中海、陸區(qū)域存在陸、海類似小區(qū)域且海陸對比度較低時(shí)的海岸線檢測算法。本文主要工作如下:(1)給出了 一種基于超像素的區(qū)域合并改進(jìn)海岸線檢測算法。當(dāng)海面或者陸地不均勻時(shí),已有的區(qū)域合并海岸線檢測算法容易出現(xiàn)無法合并的小區(qū)域,且需要人為設(shè)定合并閾值的問題,本文首先給出了一種改進(jìn)的超像素算法,通過構(gòu)建一個(gè)改進(jìn)的局部窗,可以有效的解決傳統(tǒng)矩形窗中因含有邊緣導(dǎo)致計(jì)算出的特征模糊的問題,通過該局部窗構(gòu)建一個(gè)相似性描述子,使提取出的特征更加精確,超像素的邊緣貼合度更高。然后以超像素為基元,又給出一種改進(jìn)的區(qū)域合并準(zhǔn)則,該準(zhǔn)則同時(shí)考慮超像素的像素均值、相對大小和統(tǒng)計(jì)量信息,再根據(jù)鄰域信息得到確定局部閾值的方式,解決了已有算法中需要人為設(shè)置閾值的問題。通過對SAR圖像的實(shí)驗(yàn),驗(yàn)證了算法的有效性。(2)給出了一種基于超像素的三重馬爾科夫隨機(jī)場(TMF)改進(jìn)海岸線檢測算法。針對已有算法邊緣貼合度不高的問題,首先給出一種基于Gamma分布的超像素算法,假設(shè)均勻局部鄰域服從Gamma分布,通過置信區(qū)間確定左右門限形成超像素以提高邊緣貼合度。然后以超像素為基元,給出一種改進(jìn)的TMF算法,構(gòu)建了一種基于改進(jìn)輔助場的能量函數(shù)以解決已有TMF算法的閾值依賴性問題。通過對SAR圖像的實(shí)驗(yàn),驗(yàn)證了算法的有效性。(3)給出了一種基于概率的超像素三重馬爾科夫隨機(jī)場(TMF)改進(jìn)海岸線檢測算法。針對海陸對比度較低的問題,首先給出一種統(tǒng)計(jì)量以增強(qiáng)海陸對比度,其次給出一種改進(jìn)超像素算法以解決邊緣貼合度不高的問題。最后給出一種基于概率的TMF改進(jìn)算法以解決已有算法未考慮同類超像素相關(guān)性問題,以一個(gè)概率向量表示當(dāng)前超像素屬于海或陸的概率,由此構(gòu)建一個(gè)基于概率的改進(jìn)能量函數(shù),替代已有TMF中的Ising模型。通過對SAR圖像的實(shí)驗(yàn),驗(yàn)證了算法的有效性。
[Abstract]:Synthetic Aperture radar (SAR) images have been widely used in sea area dynamic monitoring, automatic navigation and so on with the advantage of all-weather imaging. Among them, coastline detection is a solution to dynamically monitor the changes of coastline. However, in SAR images, it is difficult to detect coastline because of the complexity of speckle, sea breeze and land environment. From the perspective of super-pixel, using region merging and triple Markov random field (TMF), this paper focuses on the coastline detection algorithm in SAR images where there are small land and sea similar areas and low contrast between land and sea. The main work of this paper is as follows: (1) an improved shoreline detection algorithm based on super-pixel region merging is proposed. When the sea surface or land is not uniform, the existing algorithms for detecting the combined shoreline are prone to small areas which can not be merged and need to set the merging threshold artificially. In this paper, an improved super-pixel algorithm is proposed. By constructing an improved local window, we can effectively solve the problem of feature ambiguity caused by the edges in the traditional rectangular window, and construct a similarity descriptor through the local window to make the extracted features more accurate. The edge of the superpixel fits more closely. Then an improved region merging criterion is presented, which considers the pixel mean, relative size and statistic information of the super-pixel, and then obtains the method of determining the local threshold according to the neighborhood information. The problem of artificial threshold setting in existing algorithms is solved. The effectiveness of the algorithm is verified by experiments on SAR images. (2) an improved coastline detection algorithm based on super-pixel triple Markov random field (TMF) is proposed. In order to solve the problem that the edge sticker degree of the existing algorithms is not high, a super-pixel algorithm based on Gamma distribution is proposed. Assuming that the uniform local neighborhood obeys Gamma distribution, the left and right threshold is determined by confidence interval to form super-pixels to improve the edge sticker degree. Then an improved TMF algorithm based on the superpixel is presented and an energy function based on the improved auxiliary field is constructed to solve the threshold dependence problem of the existing TMF algorithm. Experiments on SAR images show that the algorithm is effective. (3) A probabilistic super-pixel triple Markov random field (TMF) improved shoreline detection algorithm is proposed. In order to solve the problem of low contrast between land and sea, a statistic is presented to enhance the contrast between land and sea, and an improved super-pixel algorithm is proposed to solve the problem of low edge matching. Finally, a probabilistic TMF improved algorithm is proposed to solve the problem that the existing algorithms do not consider the similar super-pixel correlation problem. A probability vector is used to represent the probability of the current super-pixel belonging to the sea or land. An improved energy function based on probability is constructed to replace the Ising model in existing TMF. The effectiveness of the algorithm is verified by experiments on SAR images.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 薄華,馬縛龍,韓保君;SAR圖像特征數(shù)據(jù)立方體的構(gòu)造[J];電子科技;2004年02期

2 李坤;邵蕓;張風(fēng)麗;;基于多極化機(jī)載合成孔徑雷達(dá)(SAR)數(shù)據(jù)的水稻識(shí)別[J];浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2011年02期

3 劉開剛;許梅生;李維;;一種基于雙閾值區(qū)域分割的SAR圖像目標(biāo)提取方法[J];國外電子測量技術(shù);2008年03期

4 ;西部測圖工程機(jī)載干涉SAR測圖系統(tǒng)項(xiàng)目啟動(dòng)會(huì)在北京召開[J];遙感信息;2008年04期

5 蔡紅;;基于稀疏表示的SAR圖像壓縮方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年24期

6 李杏朝，董文敏;SAR圖像的水文應(yīng)用研究[J];遙感信息;1996年04期

7 孫盡堯,孫洪;自然場景SAR圖像的仿真[J];雷達(dá)科學(xué)與技術(shù);2003年04期

8 李金;程超;許浩;;無人機(jī)機(jī)載合成孔徑雷達(dá)(SAR)定位方法綜述[J];影像技術(shù);2008年03期

9 陳原;張榮;尹東;;基于Tetrolet Packet變換的SAR圖像稀疏表示[J];電子與信息學(xué)報(bào);2012年02期

10 何毅;范偉杰;;手機(jī)批量SAR測試方案[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年05期

相關(guān)會(huì)議論文 前10條

1 沈晶;楊學(xué)志;;基于邊緣保持分水嶺算法的SAR海冰圖像分割[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

2 郝衛(wèi)東;熊鄴;曲蘭英;周志麗;;一種降低手機(jī)SAR的設(shè)計(jì)[A];2009年全國天線年會(huì)論文集（下）[C];2009年

3 方勇;;綜合多視角SAR圖像改正遮蔽區(qū)試驗(yàn)[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 于明成;許稼;彭應(yīng)寧;;SAR多普勒中心快速解模糊的新方法[A];第十二屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

5 戴爾燕;金亞秋;;多軌道飛行全極化SAR圖像對目標(biāo)的立體重構(gòu)[A];第二屆微波遙感技術(shù)研討會(huì)摘要全集[C];2006年

6 常本義;高力;;SAR單圖像定位原理[A];中國科協(xié)2001年學(xué)術(shù)年會(huì)分會(huì)場特邀報(bào)告匯編[C];2001年

7 錢方明;鞏丹超;劉薇;;SAR圖像邊緣特征提取方法研究[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

8 陳林輝;葉偉;賈鑫;;分布式衛(wèi)星SAR圖像方位向分辨率分析[A];中國航空學(xué)會(huì)信號與信息處理專業(yè)全國第八屆學(xué)術(shù)會(huì)議論文集[C];2004年

9 孫偉順;計(jì)科峰;朱俊;粟毅;;典型軍用目標(biāo)SAR圖像預(yù)估[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

10 黃勇;王建國;黃順吉;;基于分段的非監(jiān)督SAR圖像變化檢測[A];第十一屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

相關(guān)重要報(bào)紙文章 前2條

1 張顯峰;機(jī)載干涉SAR：掀起測繪革命[N];科技日報(bào);2004年

2 鐘勇;國內(nèi)首套SAR測圖系統(tǒng)通過評審[N];中國測繪報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 賀廣均;聯(lián)合SAR與光學(xué)遙感數(shù)據(jù)的山區(qū)積雪識(shí)別研究[D];南京大學(xué);2015年

2 張雙喜;高分辨寬測繪帶多通道SAR和動(dòng)目標(biāo)成像理論與方法[D];西安電子科技大學(xué);2014年

3 李蘭;森林垂直信息P-波段SAR層析提取方法[D];中國林業(yè)科學(xué)研究院;2016年

4 張澤兵;知識(shí)輔助的SAR目標(biāo)索引及特征提取技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 張鵬;基于統(tǒng)計(jì)模型的SAR圖像降斑和分割方法研究[D];西安電子科技大學(xué);2012年

6 王勃;星載全極化SAR海面散射特性及其船目標(biāo)檢測方法[D];中國海洋大學(xué);2013年

7 倪心強(qiáng);SAR圖像分類與自動(dòng)目標(biāo)識(shí)別技術(shù)研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2007年

8 周鵬;彈載SAR多種工作模式的成像算法研究[D];西安電子科技大學(xué);2011年

9 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 陳琪;SAR圖像港口目標(biāo)提取方法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 董立亞;SAR圖像去噪的小波和偏微分方程的數(shù)學(xué)建模[D];河北聯(lián)合大學(xué);2014年

2 陳海文;基于波數(shù)域的圓周SAR三維成像算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 眭明;星機(jī)雙基地SAR同步技術(shù)研究[D];電子科技大學(xué);2014年

4 羅煜川;基于壓縮感知的陣列SAR三維成像方法研究[D];電子科技大學(xué);2015年

5 張強(qiáng);基于視覺注意的SAR目標(biāo)快速檢測算法研究[D];電子科技大學(xué);2015年

6 于利娟;手機(jī)天線輻射特性優(yōu)化與SAR研究[D];西安電子科技大學(xué);2013年

7 吳子斌;機(jī)載三維SAR高分辨成像[D];國防科學(xué)技術(shù)大學(xué);2013年

8 李志華;基于FPGA的微型SAR實(shí)時(shí)成像處理研究[D];西安電子科技大學(xué);2014年

9 劉東洋;基于Z7的SAR實(shí)時(shí)成像處理設(shè)計(jì)[D];西安電子科技大學(xué);2014年

10 張曉梨;基于實(shí)測SAR圖像的雜波特性研究和圖像重構(gòu)[D];西安電子科技大學(xué);2014年

，

本文編號：2103680