基于水平集的SAR圖像分割方法研究.pdf

1、合成孔徑雷達（Synthetic Aperture Radar，SAR）由于具有全天候、全天時、能穿透云霧、煙塵，大面積地獲取地表信息的特點，成為現(xiàn)代遙感技術研究的一個熱點問題。但是SAR成像機理與傳統(tǒng)光學圖像有很大的差異，其數(shù)據處理的難度主要在于：人們難以從SAR圖像直接反演地表物理現(xiàn)象，成像過程所帶來的相干斑噪聲使地物目標在SAR圖像中具有獨特的信息特點，常規(guī)的基于圖像灰度的數(shù)字圖像處理與分析技術難以取得令人滿意的效果。作為獲取地面

2、信息的重要信息來源，SAR圖像的解譯技術是當前遙感以及計算機視覺領域的前沿課題。
　　SAR圖像區(qū)域分割技術有助于對SAR圖像中所含分布式目標區(qū)域的信息進行分析與解譯。利用水平集方法研究SAR圖像分割問題是近年來SAR圖像分割的一個新的研究方向，由于相干斑噪聲的影響，現(xiàn)有的基于水平集的分割方法難以直接應用于SAR圖像分割問題。主要表現(xiàn)為對SAR圖像的特征信息利用不夠和極化SAR圖像分割問題的研究工作不深入兩個方面。
　　本文

3、從討論SAR圖像信息入手，提出了一種基于水平集的SAR圖像分割方法。本方法首先通過對SAR圖像的分析得到基于SAR圖像紋理特征的邊緣檢測算子，定義了適用于SAR圖像分割的能量泛函，該能量泛函能夠同時描述SAR圖像的區(qū)域統(tǒng)計特征和邊界特征。其次，本文依據分層分割準則還介紹了一種SAR圖像多區(qū)域分割準則，建立了一種新的多區(qū)域水平集模型，并根據該模型和分級分裂準則推導了能量泛函關于水平集函數(shù)的Gateaux導數(shù)，對圖像中的不同區(qū)域進行分割。分

4、割試驗證明，本方法適用于含有相干斑噪聲的SAR圖像，在分割過程中不需要噪聲的預處理過程，而且分割速度快，精確度高，適用性強。
　　此外，本文將水平集方法用于極化SAR圖像的分割中。首先，根據 Cloude提出的特征分解方法，獲取兩個重要的旋轉不變極化特征參數(shù)：極化熵H和參數(shù)；其次，由基于簡化Mumford-Shah圖像分割模型的C-V方法，建立分割的能量泛函，完成極化SAR圖像的分割。試驗證明，該方法實現(xiàn)了極化SAR圖像的自主分割