SAR图像机动目标分割方法研究

论文摘要

SAR图像典型军用机动目标的自动识别是当前SAR应用的一个主要方面,也是SAR图像自动解译技术研究的一个重要分支。这一过程大致可分为检测、鉴别和分类三个阶段,其中机动目标ROI区域分割问题是目标检测和鉴别阶段的关键环节之一,目标最终分割结果的质量,将直接影响到特征提取、目标分类、目标识别等很多后续应用,所以研究SAR图像的机动目标分割技术具有十分重要的意义。针对这一研究热点,本论文从阈值分割和MRF分割这两个方面探索了SAR图像机动目标分割的新思路和新方法。首先,本文对国内外SAR图像分割算法进行了总结,分别详细介绍和比较了基于数据驱动和基于模型驱动这两大类分割方法,并给出了SAR图像分割算法的性能评估指标。在此基础上,本文重点研究了二维直方图和Markov随机场在SAR图像分割中的应用,提出了二维Otsu阈值分割改进算法以及基于多模型的模糊MRF分割算法。二维Otsu阈值分割改进算法通过深入分析二维直方图的亮点分布规律以及被噪声干扰后的亮点扩散规律,建立了新的适用于SAR图像相干斑乘性噪声的二维直方图区域划分方法——“非等宽条带划分法”,并新提出了一种更符合二维直方图纹理特征的“水平直线”最优阈值选取策略,最终在分割速度和分割精度上都有一定的提高。基于多模型的模糊MRF分割算法分别从Markov随机场的条件概率模型和先验概率模型这两方面着手,在条件模型中讨论了描述不同场景区域的最优统计模型,在先验模型中分析了引入模糊分类方法的优势,从而将多模型描述法和模糊分类法结合在一起,从两方面提高了待分割图像建模的精确性,因此相比于原算法获得了更好的分割质量。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 SAR 图像分割技术的研究现状
• 1.3 本文的主要工作和结构安排
• 第二章 SAR 图像分割的理论分析
• 2.1 引言
• 2.2 SAR 图像分割的定义
• 2.3 基于数据驱动的SAR 图像分割方法
• 2.4 基于模型驱动的SAR 图像分割方法
• 2.5 分割算法的性能评估
• 2.6 小结
• 第三章 二维Otsu 阈值分割改进算法
• 3.1 引言
• 3.2 基于灰度直方图的Otsu 算法
• 3.2.1 一维Otsu 算法
• 3.2.2 二维Otsu 算法
• 3.2.3 已有的改进算法
• 3.3 适用于乘性噪声模型的二维Otsu 改进算法
• 3.3.1 二维直方图特点分析
• 3.3.2 新的阈值选取策略
• 3.3.3 算法流程图
• 3.4 实验结果及分析
• 3.4.1 各Otsu 算法分割结果及比较
• 3.4.2 邻域窗口尺寸分析
• 3.4.3 计算量分析
• 3.5 小结
• 第四章 基于多模型的模糊MRF 分割算法
• 4.1 引言
• 4.2 Markov 随机场的基本理论
• 4.2.1 邻域系统和基团
• 4.2.2 Markov 随机场和Gibbs 随机场
• 4.3 最优估计准则
• 4.3.1 MAP 估计
• 4.3.2 MPM 估计
• 4.4 基于多模型的模糊MRF 分割算法
• 4.4.1 观测图像的条件概率模型
• 4.4.2 标记图像的先验概率模型
• 4.4.3 算法流程图
• 4.5 实验结果及分析
• 4.6 小结
• 第五章 结束语
• 5.1 本文的主要成果和创新点
• 5.2 需进一步研究的问题
• 致谢
• 参考文献
• 作者在学期间取得的学术成果