学位论文 > 优秀研究生学位论文题录展示
基于活动轮廓模型的SAR图像分割算法研究
作 者: 贺志国
导 师: 匡纲要
学 校: 国防科学技术大学
专 业: 信息与通信工程
关键词: 合成孔径雷达 图像分割 活动轮廓模型 水平集方法 短程活动轮廓模型 统计活动轮廓模型 全局活动轮廓模型
分类号: TN957.52
类 型: 博士论文
年 份: 2008年
下 载: 572次
引 用: 7次
阅 读: 论文下载
内容摘要
图像分割是SAR图像处理的一个基础问题,也是影响SAR图像自动解译性能的关键技术之一。传统分割算法所存在的分割精度不高、分割边界不完整以及难以融合高层理解机制提供的先验知识等缺点,使其无法满足实际的SAR图像分割需求,因而迫切需要一种能将图像本身的低层次视觉属性与待分割区域的先验知识有机结合起来的灵活分割框架,以获得分割区域的完整表达。顺应这种需求,基于活动轮廓模型的分割算法应运而生,并获得了较大的成功。然而,现有的活动轮廓模型一般基于非相干图像提出,因而不能对相干SAR图像的边缘和区域信息正确建模,直接限制了该模型在SAR图像分割领域的应用。而且,活动轮廓模型本身尚存在一些亟待改进之处,如计算效率低下、对初始条件敏感、易陷入局部极小值解等。针对上述问题,本文以提高分割精度、加快分割速度和提高算法的鲁棒性为目标,对基于活动轮廓模型的SAR图像分割算法开展了系统全面的研究,提出了三类适用于SAR图像分割的活动轮廓模型及与之关联的图像分割算法,且都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)基于SAR图像边缘检测算子,提出了两种改进的短程活动轮廓模型——ROEWA-GAC模型和高效ROEWA-GAC模型,并给出相应的SAR图像分割算法。两种模型的新颖之处主要在于:(a)采用基于ROEWA算子的边缘指示函数,提高了模型对于SAR图像的边缘检测能力和边缘定位精度,更加适合于SAR图像分割;(b)在两种模型的能量泛函中增加“气球力”项,不但加快了曲线演化的速度,而且也在一定程度上降低了模型对初始轮廓的敏感性;(c)两种模型采用不同的方案提高了分割算法的收敛速度。其中,ROEWA-GAC模型的做法是,采用无条件稳定的AOS差分格式并辅以快速的水平集函数重新初始化算法;高效ROEWA-GAC模型的做法是,在能量泛函中加入水平集函数惩罚项,彻底消除水平集函数重新初始化的需求,同时采用简单的显式差分格式并辅以窄带快速算法。(2)基于最大后验概率准则和变分水平集方法,提出了一种基于区域统计信息的统计活动轮廓模型——MAP-SAC模型,并给出了与之对应的SAR图像分割算法。MAP-SAC模型模型的创新之处在于:(a)直接定义关于水平集函数的能量泛函,并以此为基础推导水平集函数的演化方程。该模型的推导不用假设统计分布的具体形式,具有较强的通用性;对于不同类型的分割问题,只需采用合适的统计分布进行求解。具体到SAR图像分割,采用G~0分布拟合图像数据,增强了模型的分割能力;(b)使用区域统计信息定位分割边界,具有良好的弱边缘检测能力,更适合于SAR图像的分割;(c)引入水平集函数惩罚项,不仅消除了耗时的重新初始化步骤,而且还降低了模型对于初始轮廓设置的敏感性;(d)采用一种半隐式差分格式进行数值近似,保证了模型的无条件稳定性。(3)基于短程活动轮廓模型和统计活动轮廓模型,提出了一种适用于SAR图像分割的混合活动轮廓模型——HAC模型及其全局优化模型——GHAC模型,并给出了GHAC模型的快速求解算法以及对应的SAR图像分割算法。该模型的新颖之处在于:(a) HAC模型同时结合边缘信息和区域信息定位目标边界,更有利于实现图像的精确分割;(b)在HAC模型中添加基于SAR图像边缘检测算子的边缘信息项,有利于将活动轮廓线吸引到真实的SAR图像边缘;(c)在HAC模型的区域统计信息项中,采用G 0分布拟合SAR图像数据,提高了模型的对图像数据的拟合能力;(d)采用GHAC模型实现HAC模型,克服了HAC模型易陷入局部极小值点的缺点,从而提高了模型的鲁棒性;(e)给出了GHAC模型的快速求解算法,显著地提高了模型的求解效率,进而增强了模型的实用性。
|
全文目录
摘要 11-13 Abstract 13-15 术语缩写 15-16 数学符号 16-17 第一章 绪论 17-34 1.1 研究背景 17-20 1.2 研究现状 20-30 1.2.1 经典SAR 图像分割算法回顾 20-21 1.2.2 基于活动轮廓模型的分割算法 21-30 1.3 论文的主要工作及结构安排 30-34 1.3.1 论文的主要工作 30-32 1.3.2 全文结构安排 32-34 第二章 基于短程活动轮廓模型的分割算法 34-64 2.1 引言 34-35 2.2 背景回顾 35-40 2.2.1 水平集方法 35-36 2.2.2 GAC 模型 36-38 2.2.3 GAC 模型对SAR 图像失效的原因 38-40 2.3 ROEWA-GAC 模型及对应的SAR 图像分割算法 40-51 2.3.1 ROEWA 算子 40-41 2.3.2 模型的能量泛函 41-42 2.3.3 模型的演化方程 42-45 2.3.4 演化方程的数值近似方案 45-48 2.3.5 基于ROEWA-GAC 模型的分割算法 48-49 2.3.6 实验分析 49-51 2.4 高效ROEWA-GAC 模型及对应的SAR 图像分割算法 51-58 2.4.1 模型的能量泛函 51-52 2.4.2 模型的演化方程 52-54 2.4.3 演化方程的数值近似方案 54-55 2.4.4 基于高效ROEWA-GAC 模型的分割算法 55-56 2.4.5 实验分析 56-58 2.5 分割算法性能评估 58-62 2.5.1 分割质量评估 58-60 2.5.2 分割速度评估 60 2.5.3 与基于边缘检测算法的比较 60-62 2.5.4 算法缺陷 62 2.6 本章小结 62-64 第三章 基于统计活动轮廓模型的分割算法 64-100 3.1 引言 64-65 3.2 背景回顾 65-68 3.2.1 CV 模型及其不适用于SAR 图像分割的原因 65-67 3.2.2 RC 模型及其不适用于SAR 图像分割的原因 67-68 3.3 MAP-SAC 模型的能量泛函 68-74 3.3.1 MAP-SAC 模型 68-72 3.3.2 与CV 模型的关系 72-73 3.3.3 与RC 模型的关系 73 3.3.4 与Ayed 模型的关系 73-74 3.4 MAP-SAC 模型的求解 74-85 3.4.1 水平集函数的演化方程 74-78 3.4.2 分布参数的估计 78-82 3.4.3 数值计算方案 82-85 3.5 基于MAP-SAC 模型的分割算法 85-88 3.5.1 两区域模型 85-87 3.5.2 多区域模型 87-88 3.6 实验分析 88-95 3.6.1 实验方案 88 3.6.2 仿真SAR 图像分析 88-90 3.6.3 实测SAR 图像分析 90-93 3.6.4 初始轮廓的选取分析 93-95 3.7 分割算法性能评估 95-99 3.7.1 分割质量评估 95 3.7.2 分割速度评估 95-96 3.7.3 与其他算法的比较 96-99 3.8 本章小结 99-100 第四章 基于全局活动轮廓模型的分割算法 100-134 4.1 引言 100-101 4.2 背景回顾 101-104 4.2.1 GAR 模型及其不适用于SAR 图像分割的原因 101-102 4.2.2 全局CV 模型及其不适用于SAR 图像分割的原因 102-104 4.3 两区域HAC 模型 104-107 4.3.1 模型的能量泛函 104-105 4.3.2 与ROEWA-GAC 模型的关系 105 4.3.3 与两区域MAP-SAC 模型的关系 105 4.3.4 模型的演化方程 105-107 4.4 两区域GHAC 模型及快速求解算法 107-113 4.4.1 两区域GHAC 模型 107-109 4.4.2 两区域GHAC 模型快速求解算法 109-112 4.4.3 分布参数的更新 112-113 4.5 基于两区域GHAC 模型的分割算法 113-115 4.5.1 算法描述 113-114 4.5.2 时间复杂度分析 114-115 4.6 基于多区域GHAC 模型的分割算法 115-119 4.6.1 多区域GHAC 模型 115-118 4.6.2 基于多区域GHAC 模型的分割算法 118-119 4.7 实验分析 119-127 4.7.1 实验方案 119 4.7.2 仿真SAR 图像分析 119-121 4.7.3 实测SAR 图像分析 121-126 4.7.4 对初始条件的鲁棒性分析 126-127 4.8 分割算法性能评估 127-133 4.8.1 分割质量评估 127-128 4.8.2 分割速度评估 128-129 4.8.3 与其他算法的比较 129-133 4.9 本章小结 133-134 第五章 总结与展望 134-138 5.1 工作总结 134-136 5.1.1 各分割算法的性能比较 134-135 5.1.2 本文的主要贡献 135-136 5.2 研究展望 136-138 致谢 138-140 参考文献 140-148 作者在攻博期间取得的成果 148-149
|
相似论文
- 极化SAR图像超分辨算法的研究,TN957.52
- 海杂波背景下的舰船目标雷达成像算法研究,TN958
- 海杂波建模及其对ISAR成像的影响,TN957.54
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 森林防火系统中图像识别算法的研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 分数阶傅里叶变换在ISAR机动目标成像中的应用,TN957.52
- 基于知识的脊柱MRI影像分割算法研究,TP391.41
- 基于OpenCV的人脸检测方法研究,TP391.41
- 曲面几何噪声去除的非局部变分模型研究,TP391.41
- 计算机辅助髋关节置换手术系统研究与开发,TP391.41
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 基于单目夜视图像的深度估计,TP391.41
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 基于主动轮廓模型的图像分割方法研究,TP391.41
- 基于谱聚类的无监督图像分割,TP391.41
中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达设备、雷达站 > 雷达接收设备 > 数据、图像处理及录取
© 2012 www.xueweilunwen.com
|