有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法.该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的...     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于细菌觅食算法的SAR图像阈值分割

提出了一种SAR图像阈值分割新方法.该方法在深入分析基本细菌觅食算法的基础上,缩小菌群的觅食空间以进一步提高分割阈值的搜索速度,然后采用改进的二维灰熵模型作为细菌觅食算法的适应度函数,通过菌群的趋化、复制和驱散3种行为模式并行搜索最佳阈值.实验结果初步显示,该方法在收敛速度、稳定性和分割效果3个方面,均优于基于遗传算法、人工鱼群算法等群体智能优化算法的分割方法.     

SAR图像分割的多尺度自回归滑动平均模型方法

给出了合成孔径雷达(synthetic aperture radar简称SAR)图像多尺度自回归滑动平均(multiscale autoregressive moving average简称MARMA)模型建模的一种新方法。研究了基于MARMA模型的SAR图像多尺度随机特征提取的方法，构造了相应的分类器．将这类方法用于实际SAR图像分割，并将MARMA模型与多尺度自回归(multiscale autoregressive简称MAR)模型的分割结果进行比较，说明SAR图像的MARMA模型分割方法优于MAR模型分割方法；最后给出了评价SAR图像分割结果的区域均匀性指标方法，实际应用结果表明该评价方法是有效的。     

基于广义多分辨似然比的SAR图像无监督分割方法

首先在多分辨四又树上定义了一个广义多分辨似然比，刻画并且累积了SAR（synthetic apertu reradar）图像中目标与背景在不同分辨率上的差异，从而增大了目标与背景之间的区分度。为了达到图像无监督分割目的，提出一个有效的空间变化混合多尺度自回归（spatially variant mixture muhiscale autoregressive简称SVMMAR）模型方法，利用该模型分别估计出每个分辨率上广义多分辨似然比中一组密度函数的参数。为了考虑被分类象素与周围象素之间的Markov性，减弱对噪声的敏感性，利用开窗技术来确定中心象素点的类别。实验中与通常的分割技术作了比较，也表明该方法不论从分割的精度，对噪声的敏感度，还是从边缘的光滑度都表明该方法具有较强优势。     

纹理模糊的图像分割

传统活动轮廓分割算法对纹理丰富的图像存在过分割和欠分割现象,为了抑制纹理对图像分割的影响,本文分析了各向同性和异性扩散的机理,设计了保边纹理模糊函数,以图像梯度为变量建立了全变分图像纹理模糊模型。根据对象轮廓与边缘之间的关系利用固定点迭代算法分析相应的卡通分量,对卡通分量运用水平集算法对图像进行分割。实验结果表明,本文设计的模糊函数模糊了图像纹理,保护了对象轮廓。相对于传统CV分割算法,本文分割算法抑制了纹理对图像分割的影响,弥补了传统CV的不足。     

Dirichlet过程混合模型SAR图像分割算法

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。Dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了Dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。     

基于Circular_Mellin变换的纹理图像分割算法

介绍一种比较新颖的算法——旋转及伸缩不变的纹理分割算法,其核心是利用圆周变换和Mellin变换产生一个Circular_Mellin操作数(CMO),将CMO与图像进行卷积,以达到旋转及伸缩不变纹理分割的目的．实验结果表明,这种算法是相当有效的．     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

基于MAP和RF的无监督SAR图像变化检测

基于形态学属性断面 (MAP) 和随机森林 (RF) 分类器, 提出了无监督合成孔径雷达 (SAR) 图像变化检测方法.首先, 利用MAP算法提取差异图像的几何结构特征, 构造深入描述图像结构化信息的特征向量空间;然后, 在结合阈值法和偏移因子自动选取训练样本的基础上, 用RF分类器在多维特征空间中对图像进行变化与否的判别;最后, 利用数学形态学方法对虚警进行滤除.实验结果表明, 与传统的基于阈值的变化检测方法相比, 该方法不仅能很好地检测出变化区域, 而且具有更高的检测精度.     

融合SRADPRO和SCM模型的SAR图像分割

将改进后各向异性扩散相干斑抑制算法(SRADPRO)用于合成孔径雷达(SAR)图像相干斑抑制,并和脉冲发放皮层模型(SCM)结合,提出一种自适应SAR图像分割算法.该算法首先计算SAR图像均匀采样区的标准差,并以此评价SAR图像中相干斑的影响程度,进而自适应地决定是否采用SRADPRO进行降斑处理,然后再利用SCM进行图像分割.由于SCM的自动波扩散机理,使得该算法在获得分割后的SAR目标的同时,也得到了目标边缘检测结果.与多种常规算法的比较结果证明了SAR图像分割算法的有效性.     

Unsupervised SAR image segmentation using TMF and belief propagation

To solve the problem that the traditional statistical inference approach for the triplet Markov fields (TMF) model cannot balance segmentation accuracy and computational efficiency, an efficient statistical inference approach for the TMF model using belief propagation is proposed, and then applied to unsupervised synthetic aperture radar (SAR) image segmentation. The algorithm combines the TMF model and the statistical property of the SAR image, and translates the segmentation problem into maximization of the posterior marginal (MPM) estimation. For the two label fields in TMF, the belief propagation algorithm is generalized to the bivariate case to estimate the joint posterior marginal probability of the two label fields through message passing. The two label fields can be simultaneously estimated according to the MPM criterion. Experiments on both simulated and real SAR images demonstrate that the proposed algorithm can efficiently suppress the influence of the speckle, and obtain accurate segmentation results with a reasonable computational cost.     

基于子波域隐含马尔可夫模型的SAR图像斑点抑制

为了抑制合成孔径雷达成像中的“斑点效应” ,提出了一种新颖的基于子波域隐含马尔可夫树的信号处理方法 .首先对图像进行对数变换 ,转换噪声的统计特性 ,然后在子波域建立隐含马尔可夫树模型 .根据此模型 ,进行最大似然估计 ,恢复图像并抑制斑点噪声 .实例显示 ,该方法在平滑斑点噪声的同时又保留了边缘信息 ,使得处理后的图像比较自然 .     

一种基于Markov随机场的图像分割方法

提出一种基于Markov随机场图像分割方法。在K-Means图像分割的基础上,建立标记场和特征场,构造Markov随机场模型,再利用条件迭代模型（ICM）算法逐点更新图像标记,实现图像的最大后验概率（MAP）估计,从而实现图像的有效分割。实验结果表明,该方法比直接采用Markov方法有着更好的分割效果。     

基于GPS信号的双基地SAR成像方法研究

对基于导航信号的合成孔径雷达（synthetic aperture radar,SAR）成像方法进行了研究,主要是在星载一机载双基地配置情况下,利用GPS（global positioning system）卫星信号作为照射源,机载接收机接收点目标回波,通过距离向和方位向的压缩处理进行点目标成像。不同于线性调频信号,导航信号是扩频信号。研究了该信号的距离压缩方法,并给出一种方位压缩的实用方法,较好地达到方位压缩效果：利用Matlab工具进行了多点目标回波和成像算法的仿真。仿真结果表明：利用导航信号可以构成双基地SAR成像系统。     

基于小波变换的SAR幅度图像压缩算法

针对合成孔径雷达信号处理的幅度图像压缩问题,提出一种基于小波变换的幅度图像压缩方法,对幅度图像进行离散小渡变换,实现幅度图像的多级分解,达到良好的压缩效果.使用星载合成孔径雷达RADARSAT的图像作为测试图像进行实验,压缩比CR=10∶1,峰值信噪比PSNR=31.86 dB.仿真实验结果验证了所提出算法的有效性和实用性.     

视觉特征方向流邻域加权PCM的SAR图像分割

应用聚类方法对合成孔径雷达(SAR)图像进行分割时,受SAR图像斑点噪声的影响,在聚类过程中应当既要考虑聚类原型的空间自适应性,又要考虑像素间强相关性,这就要求聚类隶属度与空间信息的有效结合．针对此问题提出了基于方向流场构建自适应邻域空间加权可能性c-均值聚类(PCM)算法,通过可操纵小波变换和视觉特征预测编码模型建立方向流场,用基于方向流场的Markov随机场(MRF)描述当前像素与其邻域像素间的相互关系,在像素的聚类隶属度估计中直接引入这种邻域信息,使聚类隶属度得到有效修正．实验表明这种方法在抑制噪声的同时可以保留图像的细节信息,对SAR图像有较好的分割结果．