学位论文 > 优秀研究生学位论文题录展示

多尺度Markov模型与SAR图像上下文信息融合无监督分割

作 者: 熊毅
导 师: 田铮
学 校: 西北工业大学
专 业: 应用数学
关键词: 多尺度Markov模型 合成孔径雷达(synthetic aperture radar,SAR)图像 最小描述长度 上下文模型 EM算法 ICE算法 无监督分割 多尺度自回归(MAR)模型
分类号: TP391.41
类 型: 硕士论文
年 份: 2006年
下 载: 244次
引 用: 1次
阅 读: 论文下载
 

内容摘要


本文研究了基于多尺度Markov模型的SAR图像无监督分割方法。由于SAR图像含有大量的斑点噪声,传统的光学图像分割方法已不再适用于SAR图像的分割,而SAR图像分割又是SAR图像后期分析和进一步处理的基础,因此,对SAR图像分割方法的研究一直都是研究的热点问题。 本文在前人的基础上,以多尺度Markov模型为基础,针对SAR图像的统计性质,给出了确定SAR图像分类数目的MMDL(Multiscale minimum description length)准则和三种SAR图像分割的上下文融合方法,创新性如下: (1) 给出了确定SAR图像分类数目的MMDL标准。在多尺度Markov模型的框架内通过引入MDL(minimum description length)准则,提出了一种确定SAR图像分类数目的新方法,并从理论上和模拟计算两方面说明了该方法的有效性。 (2) 在多尺度Markov模型的基础上,提出了一种融合上下文信息的分割算法。该算法是以上下文向量的形式提出了四种不同的上下文模型,并把这四种上下文模型分别用于融合多尺度结构上的图像信息,得到了一种基于上下文模型的多尺度融合分割方法。 (3) 将上述上下文信息融合算法引入到SAR图像的分割问题,分别提出了基于MGMM(Multiscale Gaussian Markov Model)和基于MRMM(Multiscale Rayleigh Markov Model)的上下文信息融合的SAR图像分割方法。前一种方法通过融合图像的上下文信息,有效的抑制了SAR图像的斑点噪声,解决了现有的MGMM模型不适用于SAR图像分割的问题;后一种方法以多尺度Markov模型为基础,根据SAR图像的统计性质,用Rayleigh分布比较很好地描述了斑点噪声的拖尾性,并采用了上下文信息融合算法来进一步改善分割结果,实验表明,这种方法适合于SAR幅值数据的分割。 (4) 考虑SAR图像数据的非Gauss分布统计特性,针对EM算法难以给出非Gauss分布参数估计的缺陷,给出以MAR模型作为特征提取器产生SAR图

全文目录


摘要  4-6
ABSTRACT  6-9
第一章 引言  9-19
  1.1 SAR图像信号及其分割一般方法  9-14
    1.1.1 SAR图像成像原理  9-11
    1.1.2 SAR图像的统计性质  11-13
    1.1.3 SAR图像分割方法综述  13-14
  1.2 多尺度 Markov模型及其在 SAR图像分割中的研究现状  14-17
    1.2.1 多尺度 Markov模型  14-16
    1.2.2 多尺度 Markov模型的应用现状  16-17
  1.3 本文的研究内容与安排  17-19
第二章 多尺度 Markov模型的定阶  19-35
  2.1 时间序列中定阶的一般方法  19-20
  2.2 多尺度 Markov模型的定阶  20-32
  2.3 实验结果  32-34
  2.4 小结  34-35
第三章 上下文信息融合的图像分割  35-43
  3.1 多尺度 Markov模型的图像分割基本算法  35-37
  3.2 上下文信息融合的图像分割方法  37-41
    3.2.1 上下文信息融合基本思想和分割算法  37-40
    3.2.2 实验结果与分析  40-41
  3.3 小结  41-43
第四章 融合上下文信息的 SAR图像多尺度分割  43-60
  4.1 基于 MGMM的上下文信息融合图像分割  43-50
    4.1.1 树上 EM算法及其公式推导  43-48
    4.1.2 实验结果与分析  48-50
  4.2 基于 MRMM的上下文信息融合图像分割  50-54
    4.2.1 ICE算法  50-51
    4.2.2 实验结果与分析  51-54
  4.3 两类多尺度随机模型的上下文信息融合图像分割  54-59
    4.3.1 多尺度自回归模型及其特征提取  55-57
    4.3.2 实验结果与分析  57-59
  4.4 小结  59-60
结束语  60-62
参考文献  62-66
附录 A 攻读硕士学位期间的研究成果  66
附录 B 攻读硕士学位期间参加的科研项目  66-67
致谢  67-68
西北工业大学学位论文知识产权声明书  68
西北工业大学学位论文原创性声明  68

相似论文

  1. 一类计数型数量性状的区间定位,O212.7
  2. 联合聚类算法研究及应用,TP311.13
  3. 医学超声图像斑点噪声去除的研究,TP391.41
  4. 分布式声源定位与跟踪算法研究,TN912.3
  5. 基于导频的MIMO-OFDM系统信道估计技术研究,TN919.3
  6. 两类重要多元统计模型的扩展及局部影响分析,O212.4
  7. 传感器网络接口及多传感器融合技术研究,TP212.9
  8. 基于滑窗小波二叉树的网络异常检测与分析,TP393.08
  9. 林木F1代QTL功能作图方法,S722
  10. 高斯混合模型及在探测网络社区结构中的应用,TP393.094
  11. 盲复原算法在自适应光电图像处理中的应用研究,TP391.41
  12. 改进的遗传算法在非线性方程组中的应用,O241.7
  13. 广义Gamma混合模型的参数估计研究,O212.1
  14. 主基因—多基因性状与微效多基因性状的综合选择指数研究,Q75
  15. 多传感器系统的网络化实现及信息融合算法研究,TP212.9
  16. 基于小波域隐马尔科夫树的影像地图版权保护方法的研究,TP309.7
  17. Fisher得分法与EM算法在随机效应模型中的应用,O212.1
  18. 基于混合模型聚类的方法,O212.4
  19. 缺失数据的概率主成分分析,O212.1
  20. 混合高斯模型的混合EM算法研究及聚类应用,TN911.7
  21. 数码相机图像来源取证方法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com