论文部分内容阅读
合成孔径雷达(SAR)系统因其全天时、全天候等特点而广泛应用于军事和民用的各个领域。SAR图像分割作为SAR图像目标识别与解译技术的基础和前提,一直是国内外学者研究的热点。然而,受相干成像机制影响,SAR图像含有大量乘性相干斑噪声,使得SAR图像分割成为一个极具挑战性的难题。因此,开展SAR图像分割方法的研究对于促进SAR技术的发展具有重要的理论意义和应用价值。三重马尔可夫场(TMF)模型能够充分考虑图像的非平稳性,并且能够采用多样的统计模型对数据进行精确建模,因此适合处理非平稳SAR图像分割问题。本论文针对实测机载和星载SAR图像的理解与解译,以贝叶斯理论、图论、尺度空间理论和组合优化理论等为理论基础,开展基于三重马尔可夫场的无监督SAR图像分割方法研究,实现了实时、稳健和高效的SAR图像分割,取得的主要创新研究成果如下:(1)针对传统基于像素的TMF模型计算效率低下的问题,提出了一种基于边缘定位TMF模型的无监督SAR图像分割算法。该算法针对SAR图像乘性相干斑噪声的统计特性,将基于指数加权均值比(ROEWA)算子的边缘强度引入Turbopixels算法以在SAR图像中获取精确边缘定位的超像素图。将传统的基于像素的TMF模型扩展到超像素图上,导出了基于超像素图的TMF新的势能函数以及贝叶斯最大后验边缘(MPM)分割公式,在降低模型的复杂度的同时能够有效抑制相干斑噪声的影响。测试图像和大量实测SAR图像的仿真实验表明,该算法在SAR图像分割时能获得良好的区域一致性和准确的边缘定位,并且明显提高了算法的计算效率。(2)针对传统的定义在图像网格上的非因果TMF模型计算效率低下的问题,提出了一种基于多尺度区域分层TMF模型的无监督SAR图像分割算法。该算法考虑到相干斑噪声的影响,利用降班各向异性扩散(SRAD)方程形成SAR图像的多尺度表示;通过梯度分水岭提取区域并建立尺度间的区域邻接关系,生成多尺度区域邻接树。基于该分层结构建立多尺度区域分层TMF模型,通过对该模型的非迭代MPM估计实现SAR图像分割。计算机模拟和实测SAR图像的实验表明本文算法相比于传统的非因果TMF模型,分割结果更为平滑,计算效率更高。(3)针对MPM准则下基于Gibbs采样技术的TMF模型统计推断方法效率低下,且不能保证解的最优性的问题,提出了一种基于TMF模型和置信传播的无监督SAR分割算法。该算法针对TMF中的两个标记场的统计推断问题,将置信传播算法推广到二元情形,通过消息传递的方式估计双标记场的联合后验边缘概率,并依据MPM准则同时实现两个标记场的估计。计算机模拟图像和实测SAR图像的实验表明本文算法能有效抑制相干斑噪声的影响,以合理的计算代价获得精确的分割结果。(4)针对TMF模型的高效统计推断问题,提出了一种基于TMF模型和图割的无监督SAR图像分割算法。考虑TMF模型中的两个标记场的优化求解,采用一种基于最大后验(MAP)准则的迭代优化策略,迭代地在一个标记场固定的条件下估计另一个标记场。对于每个标记场,采用高效的图割优化方法获得单一标记场的最优估计。合成图像和实测SAR图像的仿真实验表明本文算法结合了TMF模型对于SAR图像的精确建模能力和图割优化方法在统计推断中的高效性,计算效率高,分割结果区域一致性良好。