论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)具有全天候、全天时对地球表面进探测和侦查以及穿透叶簇的能力,从而在军事侦察和民用上得到了广泛的应用。图像分割是低层次计算机视觉领域中的一个基础性问题,也是实现SAR图像自动解译的关键技术之一,是当前SAR图像研究的一个世界性难题。将传统应用于光学图像的分割算法应用在SAR图像上会导致许多难以解决的问题,比如分割精度不高、分割边界不平滑以及难以融合高层理解机制提供先验信息等,因而难以满足实际的SAR图像分割要求,从而迫切需要一种快速并且能够将图像本身的低层次视觉属性和待分割切片的先验知识结合起来的分割框架。顺应这种需求马尔可夫随机场(Markov Random Field, MRF)图像分割模型应运而生,并在实际SAR图像的分割中取得了巨大成功。但是,该模型本身也存在着诸多难以克服的问题,比如因为引入了图像的局部相关性,导致数据量膨胀严重影响运算效率,相应的优化算法亦难以同时兼顾计算效率和优化精度;简单的边缘模型和SAR图像本身难以避免的相干斑噪声,使得分割算法在边缘保护和噪声抑制间难以取得平衡。针对以上问题,本文致力于马尔可夫随机场图像分割模型算法的研究,以提高分割精度、算法运行效率和算法的鲁棒性为目标,提出了一系列在SAR图像下对MRF模型的改进措施,并且取得了令人满意的实验结果,具体的创新性研究成果主要包括:(1)对由马尔可夫随机场图像分割模型得到的目标函数,采用图割(Graph Cuts, GC)优化技术求解最优分割结果。图割中的扩展移动算法(alpha-expansion algorithm)在噪声较少的情况下具有较快的收敛速度,但是在SAR图像中该算法的运算效率难以满足实际需求。因为扩展移动算法在构造网络时,需要在具有不同标号的相邻像素之间添加辅助顶点,而顶点数目的增加会导致算法效率的下降。SAR由于其相干成像的机制会导致图像出现许多相干斑噪声,从而导致图像的局部相关性减弱,需要添加的辅助顶点数目非常多,从而严重影响运算效率。针对此,提出了一种基于GC的新优化算法,可以避免添加辅助顶点,在保证分割精度的情况下有效地提高了算法的运算效率。(2)在MRF图像分割模型中,如何确定平滑能量项和数据能量项之间的竞争因子一直是影响分割精度的关键性问题。本文提出了一种逐步增加平滑能量项的策略,在SAR图像分割中取得了较好的效果。(3)为提高分割算法的运算速度以及分割精度,提出了一种新的分割框架:首先对原始SAR图像进行中值滤波预处理,然后将利用分水岭算法得到的过分割结果作为新的处理单元,在新的处理单元上建立马尔可夫随机场并利用改进的图割优化技术得到最终的分割结果。实验结果显示,该算法在运算效率和分割结果的边缘保护和分割精度方面都有了质的提高。