论文部分内容阅读
与光学图像相比，合成孔径雷达(Synthetic Aperture Radar,简称SAR)具有不受太阳照射和晴朗天气限制的特点，能够获取地表粗糙度和介电常数等信息，成为遥感应用的重要数据源。随着国内外SAR系统的发展，获取了大量SAR图像数据。虽然SAR数据源快速增长，对SAR图像处理与分析的研究相对滞后。图像分割技术有助于对SAR图像进行分析与解译。由于SAR图像中存在相干斑，一般光学图像的分割方法应用到SAR图像中有困难。由于人工神经网络固有自学习、鲁棒性、泛化能力、并行处理能力，被越来越多应用于图像处理领域。局部激活全局抑制振荡神经网络(locally excitatory globally inhibitory oscillatornetworks，简称LEGION)是一种新型的人工神经网络，为图像分割问题提出了一个全新的算法框架。为了克服相干斑对SAR图像分割的影响，尝试研究实现一种基于LEGION模型的SAR图像分割方法。主要工作如下: 首先，分析LEGION的理论基础。包括介绍LEGION的神经元的数学模型、网络连接方式，并在此基础上分析LEGION的振荡特性，说明其能应用于图像分割的原理。说明在相邻振荡子的耦合的作用下，相邻振荡子的振荡会逐渐趋向同步，在全局抑制子的作用下，振荡子的振荡会趋向于异步，在相邻振荡子和全局抑制子的共同作用下，同一目标内的振荡子的振动相位趋向相同，不同目标的振荡子振动相位趋向于不同，从而完成图像分割。 其次，分析了SAR图像含有相干斑的特性。介绍了分割实验使用的SAR图像的数据源和预处理过程，数据源采用欧空局ENVISAT卫星上先进合成孔径雷达(ASAR)获取的Image模式下的Precision Image数据，预处理过程包括辐射校正和Frost滤波。 再次，根据SAR图像含有相干斑提出了基于LEGION的SAR图像分割算法。详细描述了算法的读图像数据模块、初始化模块、领导子选择模块、振荡网络分割图像模块、写图像数据模块。 最后，对算法分割的结果进行分析。分割结果表明LEGION能够很好地避免相干斑的影响，将大的目标分割出来，避免了阈值分割方法中在大的目标内部存在着由噪声引起的点状区域的现象，小的目标内由于不存在领导子，即振荡发起者，在分割过程中没有振荡现象，从而被归为背景，目标边缘的振荡子由于与目标内部的振荡子的连接权值较小，在分割过程中也没有振荡现象，也被归为背景，这是LEGION算法的不足之处。讨论了不同参数设置对分割效果的影响，实验证明SAR图像的分割结果对参数Wz的设置较为敏感，而对参数θ p的设置不敏感， Wz越大，分出的区域越小越多。最后讨论了算法的分割效率。创新点如下: 1)为了克服SAR图像中相干斑的影响，将LEGION应用于SAR图像分割。 2)在算法中LEGION的连接方式采用更大邻域的连接即24邻域连接，连接权值由振荡子之间的灰度差异和空间距离共同决定，以避免相干斑的影响。