遥感图像分割是遥感图像信息分析处理与应用中最关键的技术之一,因为有效的分割结果可以给后续的遥感图像分析、识别等高级过程提供关键的信息。这些年来,国内外对遥感图像分割的研究取得了丰富的研究成果。遥感图像具有统计分布特性,因此,基于统计分布(例如,对数正态分布、Gaussian分布、Fisher分布、Gamma分布、G0分布)的水平集模型被广泛应用于遥感图像的分割。然而,传统的基于统计分布的水平集主动轮廓模型只能较好地分割出背景和前景分布较为简单的遥感图像,对于背景和前景分布较为复杂的遥感图像,这类模型仍然面临着多种挑战,第一,能量泛函的解应避免陷入局部极小值,否则目标区域得不到完整的分割,且算法会对初始轮廓位置较为敏感;第二,对于背景区域分布复杂、斑点噪声较为强烈以及目标边界模糊的复杂遥感图像,运用这类模型同样得不到精确的分割;第三,针对图像尺寸较大的遥感图像,运用上述方法耗时较长,计算效率很低。因此,需要建立有效的水平集模型,以适应遥感图像的复杂性。本文的具体研究内容如下:(1)对基于统计分布(例如,对数正态分布、Gaussian分布、Gamma分布、G0分布)的水平集模型进行了理论研究。对模型做了多组实验,实验结果发现对数正态分布、Gaussian分布等都不能很好地拟合遥感图像数据,因此不能有效地分割出遥感图像中的目标区域。G0分布相对来说可以较好地拟合遥感图像数据,基于G0分布的水平集模型能较好地分割出遥感图像目标区域,然而对于不同的遥感图像,尤其是地物分布复杂的遥感图像,该模型仍然会出现上述问题。(2)本文研究了一种基于G0分布的全局最小化水平集模型。利用G0分布拟合遥感图像目标区域和背景区域的强度统计特征,建立能量泛函,为避免方程陷入局部极小值,将能量模型转变为全局最小化模型,理论依据和实验证明该模型不受初始轮廓曲线的影响,克服了传统的基于统计分布的水平集模型易陷入局部极小值的缺陷。(3)本文研究了一种新型的正弦SPF(Signed Pressure Force)分布。为了使模型能够更加有效快速地分割背景纹理复杂、斑点噪声强烈以及目标轮廓模糊的遥感图像,引入一种新型的正弦SPF分布。SPF分布可以加强引导轮廓曲线向目标轮廓边界运动。另外,相对于现有的线性SPF分布,由于本文中新构建的正弦SPF分布的变化率相对较大,因而该正弦SPF分布在轮廓曲线收敛速度方面更具优势。(4)本文研究了一种基于正弦SPF分布和水平集模型的全局最小化分割模型。将新构建的正弦SPF分布集成到基于G0分布的全局最小化水平集主动轮廓模型中,从而得到基于正弦SPF分布和水平集模型的全局最小化分割模型,理论依据和多组实验证明该模型克服了遥感图像固有的乘性相干斑噪声和目标强度的异质性变化等内在性特点以及传统的基于统计分布的水平集模型易陷入局部极小值和轮廓曲线演化速度较慢的缺陷,提高了遥感图像的分割性能。(5)为了证明本文所提方法在多种情况下的良好性能,本文采用了部分仿真数据以及部分真实的遥感图像数据进行了多组实验,其中,真实的遥感图像数据包括TerraSAR-X图像数据集以及Sentinel-1图像数据集。