基于超像素級條件三場的SAR圖像快速分割算法研究.pdf

1、合成孔徑雷達(Synthetic aperture radar,SAR)是一種高分辨率的微波成像雷達，具有全天時、全天候工作，有效地識別偽裝等優(yōu)勢，已廣泛應(yīng)用于農(nóng)業(yè)、軍事和海洋等領(lǐng)域，有著廣闊的應(yīng)用前景和發(fā)展?jié)摿?。SAR圖像中通常包含有多種地物目標的信息，如何有效的對圖像中各類目標進行準確分割，對SAR圖像的解譯具有重要意義。
　　SAR圖像分割是SAR圖像解譯的重要組成部分，也是當前SAR遙感領(lǐng)域研究的熱點與難點。由于SAR的成

2、像機理決定了SAR圖像中不可避免的引入大量乘性斑點噪聲，基于光學圖像的分割方法在SAR圖像上很難取得良好結(jié)果。近年來，隨機場模型理論的發(fā)展，為SAR圖像的分割開辟了一條新的路徑。本文就如何獲得有效和高效的SAR分割結(jié)果做了研究，提出了基于超像素級條件三場(Superpixel-level conditional triplet Markov field,SL-CTMF)的SAR圖像快速分割方法，主要的工作和貢獻如下：
　　1.條件

3、隨機場(Conditional random field,CRF)可以直接對圖像后驗進行建模，但對SAR圖像的建模缺少有效的訓(xùn)練數(shù)據(jù)和訓(xùn)練機制，所以CRF在SAR圖像分割上的應(yīng)用受到限制。三重馬爾可夫隨機場(Triplet Markov random field,TMF)引入了輔助U場來有效描述SAR圖像的非平穩(wěn)性，較好抑制了乘性斑點噪聲對SAR圖像分割所帶來的影響，取得了良好的分割結(jié)果，但TMF建模復(fù)雜，并且不能充分利用觀測數(shù)據(jù)的相關(guān)

4、性。
　　2.CRF直接對后驗概率進行建模的思想，正好解決了TMF模型存在的缺點，并因此產(chǎn)生了像素級條件三場(Pixel-level conditional triplet Markov field,PL-CTMF)模型。該模型充分結(jié)合了CRF和TMF的優(yōu)勢：直接對X場的后驗概率進行建模、并通過U場的引入來描述圖像的非平穩(wěn)性，簡化了SAR圖像的建模方法，提高了SAR圖像的分割效果。
　　3.在有效和高效的SAR分割上，PL-

5、CTMF模型中不管像素的特征與其周圍鄰域點的特征有多么相似，它依然需要計算每一個點的分類概率，低效率和高冗余是不可避免的，所以本文就提出了SL-CTMF模型用于SAR圖像的快速分割。首先，針對SAR圖像，我們對TurboPixels算法進行了改進，使它能夠獲取一個邊緣定位準確的超像素SAR圖像；在超像素級的SAR圖像上，重新構(gòu)建了輔助場U來描述SAR圖像的非平穩(wěn)性，SL-CTMF的一元和二元勢能通過超像素級的特征和紋理信息得以重建。由于