论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)图像海岸线检测在海域管理、自动导航、船舰目标识别和沿海地图更新等方面发挥着重要作用。受海水区域反射信息变化无常、海岸地貌复杂和强噪声干扰等影响,SAR图像检测海岸线具有一定挑战性。针对不同类型SAR图像,本文给出三种不同的改进主动轮廓模型检测海岸线,主要研究内容如下：(1)给出一种改进正则项的Chan-Vese模型海岸线检测算法。针对传统CV模型对含有大量噪声的Radarsat图像检测海岸线会出现许多孤立的小区域现象,通过分析CV模型基本原理及CV模型中长度正则项的作用,给出基于ROEWA算子改进正则项的CV能量泛函模型,并给出对应水平集演化方程的理论推导和数值求解,通过Radarsat图像验证该算法在一定程度上能减少水平集演化过程中因强噪声影响出现的孤立小区域,同时该算法在处理含噪声较小的Radarsat图像时运行速度快。(2)给出一种基于逆高斯分布的区域主动轮廓模型海岸线检测算法。针对海洋区域像素分布均匀,陆地区域像素分布不均匀,整体像素偏向于低像素值的Envisat图像。假设噪声服从单位均值的逆高斯分布,雷达后向散射系数为常数,通过最大似然方法构建区域能量泛函。然后引入水平集函数、长度规则项和水平集函数惩罚项,进一步理论推导该模型对应的水平集演化方程并给出数值求解。通过实验验证该算法可以处理满足条件的Envisat图像。(3)给出一种基于对数正态分布的改进局部区域主动轮廓模型海岸线检测算法。针对海洋区域受海浪或大量噪声影响,海洋某一区域像素与陆地区域像素相似的Radarsat和Envisat图像,基于可变区域拟合模型中核函数的思想和目前基于对数分布的SAR图像概率密度模型,通过最大后验概率构造局部区域能量泛函,进一步引入水平集函数、长度规则项和水平集惩罚项,并给出水平集演化方程及其数值求解。通过实验验证该算法可以处理满足条件的Radarsat和Envisat图像。