论文部分内容阅读
SAR图像分割是SAR图像处理与解译中基本而关键的技术之一，分割结果对图像后续处理有重要影响。SAR图像因其独特的成像机制造成地物聚集区域在SAR图像呈现有统计规律的明暗灰度变化特性,使现有的SAR图像分割方法存在将同类区域分成多类的问题。初始素描模型是图像的一种稀疏表示，它以素描线段刻画图像灰度变化信息，刘芳和袁嘉林提出了基于Primary Sketch Map和语义信息分类的SAR图像分割方法是通过分析素描线段空间近邻的聚集性，根据线段聚集程度的统计分布，将线段分为聚集线段和非聚集线段，分别设计不同的区域提取算子，在素描图上提取更为抽象的区域图，构建以区域为基元的中级语义层，并且结合传统的分割方法进行分割。本文在此基础上，结合SAR图像的素描线段与灰度共生矩阵，提出了一种基于几何区域的灰度共生矩阵和Region Map的SAR图像分割方法，本文主要工作为：首先，针对SAR图像分割中存在的问题，分析了初始素描模型理论和图像灰度共生矩阵理论。通过初始素描模型提取SAR图像的素描图，再依据素描线段的几何结构信息定义素描线段的几何区域，结合素描线段方向统计几何区域的灰度共生矩阵特征，来描述素描线段在SAR图像中所蕴含的不同语义信息，并且以此特征将素描线段分为刻画边界和线目标灰度变化的线段和刻画明暗灰度变化的线段，再依据线段分类结果和线段空间近邻的聚集性分析提取SAR图像的聚集区域、边界区域和非线段区域的Region Map。其次，依据在素描图上提取的Region Map，本文提出了一种基于几何区域的灰度共生矩阵和Region Map的SAR分割方法。该方法主要依据提取的Region Map，将原SAR图像映射成聚集区域，边界区域和无线段区域。使用分水岭方法将SAR图像过分割成许多超像素，对聚集区域，边界区域和无线段区域的超像素分别采用不同合并策略进行合并，再整合三个区域的合并结果，最后使用AP聚类对区域整合结果进行聚类以划分区域类标，最终得到SAR图像分割结果，实现SAR图像分割。实验表明，本文提出的SAR图像分割方法能够很好解决因SAR独特的成像机制造成地物聚集区域在SAR图像呈现有规律的明暗灰度变化特性，使得现有的SAR图像分割方法存在将同类区域分成多类的问题。