基于区域合并的无监督SAR图像分割算法研究

摘要

合成孔径雷达(synthetic aperture radar,SAR)是一种能在任意条件下全天候工作的高分辨率相干成像雷达,能够有效的识别伪装和穿透掩盖物,突破了光学遥感受天气等外界条件影响的局限。
　　SAR图像用二进制复数形式记录了一个可以变换为振幅和相位信息的回波信息。相位信息对应于传感器平面与地面目标的往返传播距离,因此如何充分利用SAR图像的相位、极化等信息就变成了SAR图像处理的难点。振幅信息则类似于光学图像的灰度信息,它通常对应于地面目标对雷达波的后向散射强度,受目标介质、含水量以及粗糙程度的影响。同时,由于SAR图像特有的相干斑噪声和几何畸变的影响,降低了地物的边缘和细节信息,使得其所含的振幅信息远达不到同光学图像的成像水平,也加大了SAR图像处理的难度。
　　本文提出两种基于区域合并的无监督SAR图像分割算法,将灰度信息与边缘信息和纹理结构信息相结合,从而得到更好的分割结果,算法介绍如下:
　　(1)提出了一种基于ICA独立空间超像素合并的SAR图像分割算法(ISRMS算法)。ISRMS是一种无监督的SAR图像分割算法,只需要将最后要获得的类别数作为输入参数。首先,提出了一种独立空间来表示SAR图像,该空间是利用独立成分分析的方法得到的,它将SAR图像映射在三个彼此独立的空间中,从而将单通道的SAR图像扩展为多通道,丰富了SAR图像的信息。其次,利用超像素算法将SAR图像分割为初始区域块,在独立空间中提取各区域块的特征向量,并计算各区域之间的相似度。而后,依次构建邻近矩阵和全连通矩阵来进行区域合并从而得到最后的分割结果。最后分别在模拟图像和真实 SAR图像上与 Graph-cut和SLIC算法作比较来证明算法的性能,并且算法各个阶段的有效性也通过实验来验证。
　　(2)提出了一种基于直方图的感知哈希SAR图像分割算法(HpHS算法)。HpHS算法是一种自适应的无监督SAR图像分割算法,能够自动获得最后的类别数,而不需要人为确定。一般基于区域合并的算法在预处理阶段将SAR图像分割为连通有闭合边界的初始区域,而 HpHS算法利用直方图对图像进行灰度降级,将每个灰度级作为一个初始区域块,从而减少了初始区域边界对最后分割结果边界的影响。算法还将用于缩略图匹配的感知哈希算法引入到图像分割中,充分利用图像的结构信息来计算图像区域块之间的相似度。最后设计了四组比较实验;来分析算法的性能,结果表明HpHS算法的错分率小于15％。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 SAR图像成像原理

1.2 国内外研究现状

1.3 本文工作

1.4 章节安排

第二章 Mean-Shift算法、独立成分分析及哈希算法

2.1Mean-Shift算法介绍

2.2 独立成分分析

2.3 利用哈希算法求图像相似度

2.4本章小结

第三章 基于ICA独立空间超像素合并的SAR图像分割算法（ISRMS算法）

3.1 利用ICA独立空间提取区域特征

3.2 基于RAG和FCG图的超像素合并

3.3 ISRMS算法流程

3.4 ISRMS算法性能分析

3.5本章小结

第四章 基于直方图的感知哈希SAR图像分割算法（HpHS算法）

4.1 利用直方图构造区域块

4.2 基于直方图的哈希算法

4.3 HpHS算法流程

4.4 HpHS算法性能分析

4.5 本章小节

第五章 总结与展望

5.1总结

5.2展望

致谢

参考文献

研究成果