基于自然计算的SAR图像分割技术的研究

论文摘要

合成孔径雷达(Synthetic Aperture Radar,简称SAR)由于其全天候、全天时的观测特性和高分辨率的特点在军事以及资源考察、环境检测、考古等方面得到了广泛的应用,成为当前遥感观测的重要手段,SAR图像的分析和处理随之成为重要的研究课题。作为SAR图像分析和处理的关键步骤,SAR图像的分割一直得到广泛的关注。本文探讨了SAR图像分割的主要问题,研究并给出了SAR图像分割的算法和技术。本论文的主要工作及取得的结果包括：1.结合SAR图像的空间特征和灰度信息,将图像分割转换成空间矩阵的求极值的问题,应用智能搜索算法,实现了分割阈值的自动获取。仿真结果表明,结合空间矩阵的分割方法对人工目标有较好的分割效果。2.SAR图像中通常包含有丰富的纹理信息,根据灰度共生矩阵(GLCM)计算的纹理特征,结合免疫算法,提出一种结合纹理特征的免疫无监督聚类算法。仿真结果显示,在目标呈现一定的纹理时,该方法有较高的分割精度。3.从理论上证明了有限次的小波变换可以减小相干斑噪声对纹理分析的影响,提高GLCM纹理特征值的计算精度。提出一种新的基于小波变换的纹理分割方法。仿真结果显示,该方法也有较高的分割精度。4.应用隐马尔可夫模型(HMM)对SAR图像进行建模,通过学习得到图像统计模型的参数,并根据得到的模型参数计算图像之间的距离,该方法有很广泛的应用领域。基于图像距离的计算,给出一种新颖的分割算法。仿真结果显示,该方法对纹理的尺度和纹理的细节有较强的鲁棒性,且对SAR图像的相干斑噪声不敏感,分割效果较好。5.针对SAR图像分割和目标识别的目的,提出一种SAR图像挖掘的框架,并构造了SAR图像的数据立方体的模型。数据挖掘的技术和数据立方体中对图像的多维特征的描述,有助于实现SAR图像的快速分割和目标识别。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 SAR图像分割
• 1.3 论文的主要内容及贡献
• 第二章 基于免疫算法的SAR图像分割
• 2.1 引言
• 2.2 智能进化算法
• 2.2.1 遗传算法
• 2.2.2 免疫算法
• 2.3 空间矩阵
• 2.4 最佳分类器
• 2.5 基于免疫算法的SAR图像分割算法
• 2.5.1 算法流程
• 2.5.2 实验验证1
• 2.5.3 实验验证2
• 2.5.4 免疫算法与遗传算法的比较
• 2.6 小结
• 第三章 基于纹理分析的SAR图像分割
• 3.1 引言
• 3.2 现有的SAR图像纹理特征及其分割性能比较
• 3.2.1 分形维数
• 3.2.2 灰度共生矩阵
• 3.2.3 局部统计值
• 3.2.4 几种纹理特征的分割性能比较
• 3.3 简化GLCM计算参数的理论分析
• 3.3.1 简化GLCM计算参数的理论分析与证明
• 3.3.2 纹理计算仿真实验
• 3.4 基于免疫K-MEANS聚类的SAR图像分割算法
• 3.4.1 k-means聚类算法
• 3.4.2 无监督的免疫规划k.means聚类算法
• 3.4.3 算法的计算复杂度的分析与收敛性的证明
• 3.4.4 算法的实验验证
• 3.4.5 算法分析
• 3.5 小结
• 第四章 基于小波分析的SAR图像分割
• 4.1 引言
• 4.2 小波变换对计算GLCM纹理特征值的影响
• 4.2.1 小波变换对图像统计特征的影响
• 4.2.2 实验仿真验证
• 4.3 相干斑噪声对GLCM计算结果的影响
• 4.3.1 相干斑噪声的建模
• 4.3.2 相干斑噪声对GLCM的计算结果的影响
• 4.3.3 实验仿真验证
• 4.4 基于小波变换的SAR图像分割
• 4.4.1 基于小波变换的SAR图像分割算法
• 4.4.2 算法的计算复杂度分析与收敛性的说明
• 4.4.3 实验验证1
• 4.4.4 实验验证2
• 4.4.5 实验验证3
• 4.4.6 实验验证4
• 4.4.7 实验验证5
• 4.5 小结
• 第五章 基于隐马尔可夫模型的SAR图像分割
• 5.1 引言
• 5.2 马尔可夫随机场理论概述
• 5.3 图像的隐马尔可夫模型
• 5.4 基于隐马尔可夫模型的纹理图像距离计算
• 5.4.1 图像间的距离计算
• 5.4.2 实验验证1:纹理图像间的距离计算
• 5.4.3 实验验证2:混合纹理的距离计算
• 5.4.4 实验验证3:对扰乱图像的距离计算
• 5.4.5 实验验证4:SAR图像间的距离计算1
• 5.4.6 实验验证5:SAR图像间的距离计算2
• 5.5 基于图像距离计算的SAR图像分割算法
• 5.6 小结
• 第六章 SAR图像数据立方体的建立
• 6.1 引言
• 6.2 图像数据挖掘
• 6.2.1 图像挖掘中研究的问题
• 6.2.2 图像挖掘的框架
• 6.3 SAR图像数据立方体的建立
• 6.3.1 SAR图像特征数据立方体的模式
• 6.3.2 数据立方体的原语定义
• 6.4 小结
• 第七章 结束语
• 7.1 本文工作总结
• 7.2 未来工作展望
• 致谢
• 参考文献
• 攻读博士学位期间合作完成的学术论文