论文部分内容阅读
合成孔径雷达(SAR)具有全天时和全天候的特点,在国民经济和国防建设中扮演着重要的角色,SAR图像分割是遥感图像理解和解释领域中的基础。最近,已涌现出大量SAR图像分割算法,这些图像分割技术都是基于SAR图像的某种特性而实现的,如灰度或纹理等特征。然而,SAR图像中存在大量的乘性相干斑噪声,导致图像信息受到严重的干扰。所以,图像去噪以及自适应实现SAR图像分割至关重要。Lee滤波是一种有效的SAR图像去噪方法,不仅能够有效的去除图像中的斑点噪声,并且能够保持原始图像中的纹理结构特征。之后,进一步对滤波后的图像进行分割。本文提出两种新的自适应SAR图像分割算法:基于多阈值的感知哈希分割算法(MPHA)和基于直方图多阈值的模糊C均值算法(HMFCM)。算法介绍如下:(1)MPHA算法充分利用SAR图像的灰度信息和结构特点,能够准确高效的实现SAR图像分割。该算法首先使用Lee滤波对SAR图像去噪,然后执行分割过程:根据同质区域内像素的灰度值具有相同或相似的特点,自适应的选取多个阈值进行初始分割。初始分割区域集合中具有相同或相似灰度值的像素会尽可能的划分到同一类别。然后,合并初始分割区域集合,该过程需要定义一个区域相似性判定标准。本文算法引入感知哈希算法(PHA算法),有效地提高算法的分割效率,并能得到理想的分割结果。最后,通过设计多组对比实验,验证了MPHA算法的有效性,并对初始分割算法的有效性进行分析。(2)HMFCM算法是一种无监督的SAR图像分割方法,该算法主要是对传统模糊C均值算法(FCM算法)的改进,其主要特点是:算法对斑点噪声具有鲁棒性,而且能自适应的获得初始化聚类中心和聚类数目。HMFCM算法的这种优越性主要是通过采用基于直方图的改进多阈值方法实现的。为了提高聚类过程的准确性,引入区域合并过程,获取合理的聚类数目,减少人为因素的干扰,提高算法准确性。第二阶段采用FCM算法进行聚类,从而得到SAR图像分割结果。最后通过多组实验,验证所提出的算法的有效性。