【摘要】：近年來(lái),合成孔徑雷達(dá)SAR因其優(yōu)勢(shì)漸漸被應(yīng)用于各種實(shí)際場(chǎng)景里,其中涉及對(duì)圖像中目標(biāo)的提取、識(shí)別、理解與分析。而SAR圖像分割是圖像解譯流程中不可或缺的步驟,它是高層的圖像處理的基礎(chǔ)。因此,圖像分割問(wèn)題一直以來(lái)都是研究的熱點(diǎn)話題。本論文針對(duì)大部分現(xiàn)存的SAR圖像分割中歐式距離求組合特征相似度時(shí)存在的問(wèn)題,提出了幾種改進(jìn)的與組合特征相似度有關(guān)的SAR圖像分割方法。論文的主要工作如下:1.提出了一種基于多特征公平集成的多目標(biāo)SAR分割算法。首先從歐式距離計(jì)算組合特征的相似度存在的問(wèn)題出發(fā),提出了一種區(qū)分對(duì)待不同種特征的相似度計(jì)算方法。其次,將改進(jìn)的相似度計(jì)算方法引入到多目標(biāo)聚類的目標(biāo)函數(shù)上來(lái)提高算法的聚類性能。實(shí)驗(yàn)結(jié)果表明,新算法在圖像邊緣和一致性保持上有很大優(yōu)勢(shì),而且分割準(zhǔn)確率高于其他對(duì)比算法。2.提出了一種自適應(yīng)特征權(quán)值的雙層多目標(biāo)SAR圖像分割算法。算法分為了兩層,在第一層通過(guò)差分進(jìn)化來(lái)自適應(yīng)獲取圖像的占優(yōu)特征和最優(yōu)特征權(quán)值。在第二層,利用上層獲取的特征權(quán)值建立多個(gè)目標(biāo)聚類指標(biāo)函數(shù)并進(jìn)行優(yōu)化,最終得到分割準(zhǔn)確率高的解集。在實(shí)驗(yàn)部分,通過(guò)對(duì)六幅合成紋理圖像和四幅真實(shí)SAR圖像進(jìn)行分割,實(shí)驗(yàn)結(jié)果表明,新算法在各個(gè)評(píng)價(jià)指標(biāo)都有很大的優(yōu)勢(shì)。同時(shí)將算法優(yōu)化得到的權(quán)值與四個(gè)固定的權(quán)值在三幅合成紋理圖像上進(jìn)行比較,結(jié)果表明,新算法能夠自適應(yīng)識(shí)別不同圖像的占優(yōu)特征,而且能得到比較好的特征權(quán)重。3.提出了一種自適應(yīng)特征權(quán)值的多目標(biāo)SAR自動(dòng)聚類算法。算法分為了兩層,在第一層用于優(yōu)化聚類類別數(shù)和特征權(quán)重這兩個(gè)參數(shù)值,將優(yōu)化的兩個(gè)參數(shù)傳遞給下一層。在第二層,接收到第一層的參數(shù)后,自動(dòng)聚類問(wèn)題轉(zhuǎn)換為了非自動(dòng)聚類問(wèn)題,多目標(biāo)算法優(yōu)化帶特征權(quán)值的多目標(biāo)聚類函數(shù),得到最終分割結(jié)果。提出的方法應(yīng)用多個(gè)紋理合成圖像以及SAR圖像的分割中,實(shí)驗(yàn)結(jié)果表明,新算法在各個(gè)評(píng)價(jià)指標(biāo)都有很大的優(yōu)勢(shì),能夠自適應(yīng)調(diào)節(jié)聚類類別數(shù),而且能得到比較好的特征權(quán)重。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN957.52
【圖文】：

對(duì)圖像進(jìn)行分割。算法流程圖見(jiàn)圖 2.3。第一步是輸入待分割的 S根據(jù)輸入的圖像提取出梯度圖，先建立用于邊緣提取的 sobel 濾波提取出圖像的水平和豎直邊緣，對(duì)這兩種邊緣信息求平方和就得到步是進(jìn)行形態(tài)學(xué)處理，先構(gòu)建一個(gè)結(jié)構(gòu)元。利用結(jié)構(gòu)元對(duì)梯度圖，去除細(xì)小的不必要結(jié)構(gòu)，在不明顯改變形狀的前提下平滑結(jié)構(gòu)的構(gòu)元對(duì)梯度圖進(jìn)行形態(tài)學(xué)閉運(yùn)算，填補(bǔ)結(jié)構(gòu)體內(nèi)的孔洞，使區(qū)域曲線的中間斷裂。最后一步是對(duì)梯度圖進(jìn)行分水嶺變換，得到圖像每個(gè)分水嶺內(nèi)部的區(qū)域就是一個(gè)超像素。4 給出了兩幅本論文實(shí)驗(yàn)使用的兩幅 SAR 圖像的分水嶺結(jié)果圖。（像原圖，（b）和（d）為 SAR 圖像分水嶺過(guò)分割結(jié)果圖。輸入圖像 構(gòu)建梯度圖 形態(tài)學(xué)處理 分水嶺變換圖 2.3 分水嶺流程圖

其他算法都出現(xiàn)了不同程度的錯(cuò)分割現(xiàn)象，特別是 FCMNSGA 道內(nèi)部大量像素被錯(cuò)分割為農(nóng)田，導(dǎo)致主跑道出現(xiàn)大量斷裂。而對(duì)于難分割支跑道，只有 MOSIF 算法能準(zhǔn)確將它分割為跑道區(qū)域，其他四個(gè)算法全部歸類為農(nóng)田區(qū)域。對(duì)于復(fù)雜的房屋區(qū)域，MOSIF 算法只將該區(qū)域的少量像來(lái)，該區(qū)域大部分像素被錯(cuò)分為農(nóng)田，而對(duì)于其他四個(gè)算法，雖然大致分割域，但是內(nèi)部缺乏細(xì)節(jié)信息，一些房屋之間的屬于農(nóng)田的像素也錯(cuò)分為房屋 2.2 和表 2.3 也可知，MOSIF 算法在圖像 SAR1 上取得了最小的 XB 均值和BM 均值，這也說(shuō)明了 MOSIF 算法的分割結(jié)果最好。(a) 原圖 (b) MOSIF (c) AFCMOMA

第三幅真實(shí) SAR 圖像 SAR3 如圖 2.7(a)所示，圖中的目標(biāo)可以劃分為兩類（黑色）和土地（灰黑色）。這幅圖像的分割難點(diǎn)在于：1）SAR 圖像下方的土灰度值不一致，容易導(dǎo)致采用灰度特征的聚類算法出現(xiàn)錯(cuò)分割；2）SAR 圖像方的土地區(qū)域有很復(fù)雜的結(jié)構(gòu)，左邊由于土地是凹陷的，積蓄了部分雨水形成，而湖泊和土地本身的地形構(gòu)成了錯(cuò)綜復(fù)雜的結(jié)構(gòu)，而右邊由于河流潮漲潮上本身地形突出，導(dǎo)致出現(xiàn)復(fù)雜的彎狀結(jié)構(gòu)。(a) 原圖 (b) MOSIF (c) AFCMOMA

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王璐;張帆;李偉;謝曉明;胡偉;;基于Gabor濾波器和局部紋理特征提取的SAR目標(biāo)識(shí)別算法[J];雷達(dá)學(xué)報(bào);2015年06期

2 任國(guó)貞;江濤;;基于灰度共生矩陣的紋理提取方法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

3 馮建輝;楊玉靜;;基于灰度共生矩陣提取紋理特征圖像的研究[J];北京測(cè)繪;2007年03期

本文編號(hào)：2791322