一种快速TMF的无监督SAR图像多类分割算法

一种快速TMF的无监督SAR图像多类分割算法

ID:37213212

大小:3.09 MB

页数:53页

时间:2019-05-19

一种快速TMF的无监督SAR图像多类分割算法_第1页
一种快速TMF的无监督SAR图像多类分割算法_第2页
一种快速TMF的无监督SAR图像多类分割算法_第3页
一种快速TMF的无监督SAR图像多类分割算法_第4页
一种快速TMF的无监督SAR图像多类分割算法_第5页
资源描述:

《一种快速TMF的无监督SAR图像多类分割算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、摘要摘要合成孔径雷达(SAN)在国防、环境等方面都具有突出的战略意义,因此作为雷达信号处理领域的热点,SAR图像的解译是一项非常重要的工作,其中SAR图像的分割问题是SAR图像目标识别与解译技术的重要环节。但由于SAR图像包含大量的斑点噪声,传统的光学图像分割算法无法抑制斑点噪声的影响,容易产生错分,因此不适用于SAR图像分割。本文在隐马尔科夫场和双马尔科夫场的基础上,着重研究了三重马尔科夫随机场。三重马尔科夫随机场(TMD模型非常适合处理非平稳、非高斯图像的分割问题。同时为了降低模型和算法的复杂性,满足对实测SAR图像处理的实时、稳健、高效的需求,本文提出

2、了一种快速TMF的无监督SAR图像多类分割算法。该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成贝叶斯最大后验模型(MPM)分割。本文对测试图和实测SAR图像进行了仿真,仿真结果和分析表明,与已有TMF算法相比,本文算法优于或至少保持了已有TMF算法的分割结果,但其运算效率却大大提高了,该算法是一种有效的快速TMF

3、分割算法。关键词:SAIl图像pixon描述四叉树分解新势畿函数三重马尔科夫随机场(TMF)多类分割Abstract_一一—————_—————_—————————————————————_—————————-_-—_—————_-,-—-——一SyntheticApertureRadar(sAg)isofsignificantsenseinnationalde鼢eandenvironment.Soasahotspotinradarsignalprocessing,theinterpretationofSAP,imageisaveryhportanttaSk

4、iIlwhichSARimagessegmentationisallimportantstage.SincetheSARimagecontainsalargeamountofspecklenoise,theclassicalsegrnentationtechniquesthatworksuccessfullyonnaturalimagesdonotperformwellonSARimages.Inthisdissertation,basedonhiddenMarkovfieldandpairwiseMarkovfield,wedoresearchontrip

5、leMarkovrandomfield.TripletMarkovrandomfields(TMF)modelissuitablefordealingwithmulti—classsegmentationofnon-stationary,non-GaussianSAgimages.Inordertoreducethecomplexityofthemodelandalgorithmtosatisfytherequiremeritofreal-time,robustandefficientprocessingofSARimages,afastalgorithmb

6、asedonTMFforunsupervisedmulti—classsegmentationofSAP,imagesisproposedinthispaper.ForthespeckleinSAgimages,numericalcharacteristic,t11reSholdselectionandtheruleofquadtreedecompositionareresearchedfirstly.Withthellewmethod,aSARimagecanquicklybemappedintoanedge-basedpixon.reprenation,

7、whichresultsinaCOarSedecompositioninsmoothregions,andafinedecompositioninedges.ThencombiningTMFmodelwiththepixon·reprenation,anewpotentialenergyfunctionofTMFbasedonpixon-reprenationisdeduced.Finally,thesegmentationisfinishedbyBayesianmaximumposteriorimode(MPM).Inthispaper,thealgori

8、thmisusedtosegmentsimulate

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。