基于最小错误率的SAR图象分割方法研究

合集下载

基于最小均方误差NUFFT的SAR成像算法

插值器来降低近似误差。通过这些改进算法，得使
ＮＦＵＦＴ性能更好。
向散射信息，获得的频率域的散射数据是非均匀网格的。因此，ＡＳＲ距离徙动算法（ＭＡ）用了在波数域Ｒ采
本文分析ＪｕＦ，ＮＦ丫主要原理，用文献［ｒ的利３— ４将ＮＦ丫应用剑Ｒ］ｕＦｒＭＡ成像算法中，ＮＦ丫来替用ＵＦｒ
【关键词】合成孑径霄达；离徙动算法；均匀快速傅１变换；Ｌ距１ｆ．成像
中图分类号￣Ｎ５．２Ｔ９７５文献标识码：Ａ
ＳＡＲｍａｉｇＡｌｏｉｈｓｄｏＬｅｓ —ｑｕｒｓＥｒｏＩｇｎｇｒｔｍＢａｅｎａｔｓａｅｒｒＮＵＦＦＴＳ
维普资讯
第２９卷
第１期１
脱代前达
ＭｏｅｌＲａａｒｄｒｌｄ
Ｖｏ．年１１月
Ｎｏｅｅ０７ｖｍｂｒ２０
２９
基于最小均方误差ＮＦＴ的ＳＲ成像算法ＵＦＡ
【ｓａｔＩＡａｉｇａｇｇａｏｌｒｈ（ＭＡｂｔｃ】ｎＳＲｉｇｎ，ＲｎｅＭｉｔｎＡｇｉｍＲＡ）ｃｎｂｍｌｅｔｄｅｅｔｅｙｕｄｒｔｅｃｎｉｏｆｒｍｒｉｏｔａｅｉｐｅｎｅｆｃｖｌｎｅｏｄｔｎｏｍｆｉｈｉ
ＺＨＡＮＧｉｙＲＯＮＧｕＺｈ．ｕ．Ｚｈ
（ｎｔｕｅｏｕｏｔｎ＆ＩｆｍｔｎＥｇｅｒｇＸｎＵｉｒｔｏｅｈｏｇ，Ｘｎ７０４ＣｉａＩｓｔｔｆｔｉｉＡｍａｏｎｏａｉｎｉｅｉ，ｉｎｖｓｙｆＦｅｎｌｙｒｏｎｎａｅｉｏｉ０８，ｈｎ）ａ１

基于参数化最小割方法的SAR图像区域分割

２参数化最小割方法
２１参数化最小割准则．将一幅图像视为一个赋权无向图Ｇ＝（Ｅ，）Ｗ，像素集看作为顶点集，边缘集看作为边集Ｅ，像素之间的连接权为Ｗ则将图像二值划分为两个区域和Ｂ（ｕＢ＝ＡｎＢ：）的代价函数为
３中国空空导弹研究院，洛阳４１０；４中国电子科技集团第五十四研究所，石家庄００８）一７０９一５０１
摘要：由于ＳＲ图像中存在大量的相干斑噪声，最小割准则（ｎｍｕＣｔＣｒｅｉｎ倾向于分割出ＡＭｉｉｍｕｉｒ）ｔｏ
分类号：ＡＭＳ２０）２２（００６Ｆ１
中图分类号：３１ＴＰ９
文献标识码：Ａ
１引言
合成孔径雷达（ｙｔｅｉＡｅｔｒａａ，Ａ）ＳｎｈｔｐｒｅＲｄｒＳＲ具有高分辨率成像及全天候和全天时对地ｃｕ观测的优势，在军事和民用方面发挥巨大的作用。ＳＡＲ图像存在固有的乘性相干斑点噪声，
第２卷第期７５
２１年１月ＯＯ０
工
程
数
学
学
报
Ｖ１２ｏ５ｏ７．．ＮHale Waihona Puke Ｏｃ．００ｔ２１
ＣＨＩＮＥＳＪＥＯＵＲＮＡＬＯＦＥＮＧＩＮＥＥＲＩＮＧＡＴＨＥＭＡＴＩＭＣＳ
文章编￣：０—０５２１）５００－８－０５３８（０００—８１０１
程中抑制斑点噪声是一种有效的分割途经【５４Ｊ，。
目前，基于图论的图像分割方法是研究的一个热点，提出了很多模型准￣［１，但是其，６１Ｕ－】中大多数准则都是ＮＰ难问题［８０Ｉ，无法得到理论最优解，而Ｗ＿Ｌａｙ６提出的最小割７，，］，１Ｉｕ和ｅｈ［】准则ｆｎｍｕＣｔｒｅｉｎ是一个全局最优准则，利用Ｇｏｒ算法可以得到理论最优Ｍｉｉｍｕｉｒ）ＣｔｏｍｏｙＨｕ解。但是最小割准则倾向于分割出小的孤立点集［，而且没有考虑到噪声的影响，因此难以直７】

基于模糊聚类的SAR图像分割算法研究

基于模糊聚类的SAR图像分割算法研究摘要：本文针对合成孔径雷达（SAR）图像分割问题，提出了一种新的基于模糊聚类的图像分割算法。

首先，通过对SAR图像进行预处理，提取出SAR图像的特征向量；其次，利用模糊聚类算法对特征向量进行聚类，得到不同的图像区域；最后，根据聚类结果，对原始SAR图像进行分割。

在仿真实验中，本算法在分割准确率和分割速度方面均比传统算法有较大的提升，具有良好的应用前景。

关键词：SAR图像；图像分割；模糊聚类；特征向量；分割准确率；分割速度1. 引言SAR图像具有极高的分辨率和时空特性，因此在军事、遥感等领域得到了广泛应用。

其中，SAR图像分割是SAR图像处理中的重要问题，其目的是将SAR图像划分为不同的区域，进而对图像进行进一步分析和处理。

传统的SAR图像分割算法主要基于阈值、边缘和区域生长等方法，但这些方法往往受到图像噪声、复杂背景和弱边缘等问题的影响，导致分割结果不够准确。

因此，提出一种高效、精确的SAR图像分割算法具有重要的理论与实际意义。

2. 模糊聚类算法模糊聚类算法是一种常用的图像分割方法，其基本思想是将图像像素划分为不同的类别。

与传统的聚类算法不同，模糊聚类算法允许像素属于多个类别，从而能够更灵活地适应图像的复杂性。

本文采用了基于模糊C均值（FCM）算法的图像分割方法，其主要流程如下：1）初始化隶属度矩阵U和聚类中心矩阵C；2）通过更新隶属度矩阵U和聚类中心矩阵C，得到新的聚类结果；3）根据聚类结果计算目标函数值，若满足停止条件，则输出最终聚类结果；否则返回第二步。

3. 基于模糊聚类的SAR图像分割算法本文提出的基于模糊聚类的SAR图像分割算法主要包括以下步骤：1） SAR图像预处理。

在本算法中，采用小波变换对SAR图像进行去噪处理和图像增强，得到具有更好特征的SAR图像。

2）特征向量提取。

将预处理后的SAR图像划分为若干个大小相同的区域，然后提取每个区域的特征向量作为聚类的输入。

基于最小错误率贝叶斯决策的苹果图像分割_包晓敏

第22卷第5期2006年5月农业工程学报T r ansactions of the CSA E V ol.22　N o.5M ay 2006基于最小错误率贝叶斯决策的苹果图像分割包晓敏,汪亚明(浙江理工大学信息电子学院计算机视觉与模式识别中心,杭州310018)摘　要:为了实现苹果分级完全自动化,对苹果图像的分割进行了研究。

依据最小错误率贝叶斯决策理论,提出了一种基于最小错误率贝叶斯决策的图像分割方法。

从图像的直方图中估计出服从正态分布的不同类别参数,对图像中每一像素点进行不同类别判断。

通过对多幅图像试验,取得良好的分割结果。

试验结果表明,该方法无须滤波而具有良好的抑制噪声的能力,在图像分割中是一种可行的方法。

关键词:图像分割;贝叶斯决策;苹果;自动分级中图分类号:T P 391.41;T P 242.62 文献标识码:A 文章编号:1002-6819(2006)05-0122-03包晓敏,汪亚明.基于最小错误率贝叶斯决策的苹果图像分割[J].农业工程学报,2006,22(5):122-124.Bao Xiaomin ,Wang Yam ing .Apple image seg mentation based on the m inimum er ro r Bay es decision [J ].T r ansactions of the CSAE ,2006,22(5):122-124.(in Chinese w it h Eng lish abstr act )收稿日期:2004-12-13　修订日期:2005-06-10作者简介:包晓敏(1965-),女,浙江东阳人,副教授,主要从事计算机图像处理及电子技术应用研究。

杭州市　浙江理工大学信息电子学院,310018。

Email :xiaominbao @163.n et0　引　言苹果分级是根据苹果大小、形状、色泽和表面缺陷等几个方面进行的。

SAR图像相干斑抑制和分割方法研究

SAR图像相干斑抑止和分割方法探究一、引言合成孔径雷达（synthetic aperture radar，简称SAR）是利用微波作用在地面、大气、海洋等目标上，通过接收返回的电磁回波进行成像的一种主要的遥感技术。

然而，由于SAR 成像过程中的系统误差和复杂环境影响，SAR图像在成像中普遍存在相干斑现象，限制了图像的质量和应用。

相干斑是由于地物散射体在图像像素单元内的相位都是不同的，当SAR像元尺寸大于散射体的尺寸时，就会产生相位平均的效应，导致图像上出现亮暗混杂的斑状或斑块状的现象，给图像解译和目标识别带来很大的困难。

因此，抑止和分割相干斑是改善SAR图像质量、提高图像分析与解译效果的关键问题。

二、相干斑抑止方法探究1. 经典滤波方法常用的滤波方法有均值滤波、中值滤波、自适应滤波等。

均值滤波方法通过计算滑动窗口内像素的均值来平滑图像，有效地抑止了相干斑。

中值滤波方法利用图像像素的中值代替原始像素值，对于斑点噪声的抑止效果显著。

自适应滤波方法结合了均值和中值滤波的优点，依据局部像素灰度值和空间位置干系来对像素进行加权处理，从而更好地消除相干斑。

2. 多标准变换方法多标准变换方法通过对图像进行多标准分解，分别对不同标准的细节进行处理，从而抑止相干斑。

小波变换是一种常用的多标准变换方法，可以将图像分解为低频和高频重量，并对高频重量进行处理来抑止相干斑。

小波变换不仅能够抑止相干斑，还能够提取图像细节信息，提高图像的辨识度。

3. 基于局部统计特性的方法基于局部统计特性的方法包括Lee滤波、Frost滤波等。

Lee滤波方法通过预估图像的局部统计特性，对图像进行去相关处理，从而抑止相干斑。

Frost滤波方法则是利用地物散射体的空间相干性特征，在图像的空域和频域上同时对相位噪声进行预估和滤波，从而实现相干斑的抑止。

三、相干斑分割方法探究1. 基于阈值分割方法基于阈值分割方法是将SAR图像的灰度值与预设的阈值进行比较来实现分割的方法。

SAR图像的自动分割方法研究

法。首先在特征提取阶段，通过计算小波能量提取纹理信息，用邻域统计量提取灰度信息，用保边缘平均灰度提取边缘信息，以确保边缘准确。然后提出一种改进的完会无督的聚类算法进行图像分割，该算法可以自动确定分割的类型数目。由于该方法充分考虑了ＳＡＲ图像的纹理、灰度和边缘信息，因而极大地提高了其最终分割性能。
ＫｅｒｓＳｙｗｏｄＡＲｇ，ｅｔｒｘｒｃｉｎＵｎｕｅｖｓｄｃｕｔｒｎ，ｅｍｅｔｔｎｉｍａｅＦａｕｅｅｔａｔ，ｐｒｉｅｌｓｅｉｇＳｇｎａｉｏｏ
１引言
合成孔径雷达（ｙｔｅｉＡｐｒｒａａ，ＡＲ具有高分ＳｎｈｔｅｔｅＲｄｒＳ）ｃｕ辨率、令天候、强透射等优点，其图像的应用研究已成为该领域的研究热点，对ＳＡＲ图像的分割则是该应用领域的一个重要方面。但由于ＳＲ是一种相干成像系统，因此ＳＡＡＲ
实验结果证明了该方法的有效性。关键词ＳＡＲ图像，特征提取，无监督聚类，分割文献标识码：Ａ文章编号：ｌ０．８６２０）５０３．４０９５９（０６０．９２０中国分类号：Ｔ５．Ｎ９７５２
ＡｕｏａｉｅｍｅｔｔｏｏｙｔｅｉｔｍｔｃＳｇｎａｉｎｆｒＳｎｈｔｃＡｐｅｔｒａｒＩａｅｒｕｅＲｄａｍｇｓ
ＬｉｇｉｎＹＳｉｎ－ｎｈｇｆｇＱｉ－ｅＺａｇＹｎｎｎｈｎａ・ｉｇＺａｏｇｃｕｈｏＲｎ－ｈｎ－

一种基于graph cuts的sar图像分割方法

一种基于graph cuts的sar图像分割方法随着现代社会发展，遥感技术及其在各个领域的应用都在不断发展，在科学研究、自然资源观测等领域都取得了重要成果，而对于传感器获取的数据进行分析处理变得越来越重要，特别是SAR(Synthetic Aperture Radar)图像的分割，这是一种基于极限图切割（graph cuts）的一种边缘检测与分割算法，可以实现精确的图像分割。

一般而言，传统的像素分类方法无法克服模糊的边缘，或者不能检测出光滑的图像，而采用极限图切割技术可以解决这些问题。

极限图切割（Graph Cuts）是一种基于最小边界理论（Minimum Cut Theory）的图像分割方法，主要作用是把图像中的目标物体和背景分离开来，从而实现图像的识别和分割。

极限图切割的基本原理是建立一个二部图，将图像中的像素点作为图中的顶点，用像素点之间存在的空间距离作为边权值，和空间点之间存在的空间相似性作为边权值，构成一个有向图，然后把每条边标记为背景和前景，从而实现分割。

在极限图切割方法中，有许多重要参数，这些参数需要手动调节，有利于改善分割精度。

对于灰度、色彩、亮度等特性进行分类，可以改变极限图的边的权值，从而改变分割结果；另外，改变极限图的节点权值也会影响分割结果，节点权值可以通过图像分割中各种方法（比如最小二乘法和局部熵）计算得出。

极限图切割在SAR图像分割方面具有突出的表现，特别是对于SAR图像中的边界检测，其可以有效的检测出模糊的边缘，这使得其能够更加准确的检测出SAR图像中的物体。

总之，极限图切割在SAR图像分割方面具有很强的优势。

它可以有效的检测出模糊的边缘，从而实现较高的分割准确率，而且参数调节灵活性更好，在不同的图像分割环境下都可以取得较好的分割结果。

此外，借助极限图切割技术可以进一步检测出SAR图像中不同物体的空间关系，从而实现精准的目标识别。

因此，基于极限图切割的SAR 图像分割方法将在遥感领域发挥重要作用。

最小模糊偏移度准则下的SAR图像对比度增强

最小模糊偏移度准则下的SAR图像对比度增强张晗;李禹【摘要】针对SAR图像灰度特性,提出最小模糊偏移自动对比度增强算法(MFO).该算法基于模糊理论,利用高斯型隶属度函数将图像灰度信息模糊化,以模糊偏移度最小准则确定模糊对比度增强操作数(INT),得到该准则下最优的S形灰度映射函数,增强SAR图像对比度.利用TEN、EME两种评估参数评价增强结果,验证了算法的有效性.%In consideration of gray level characteristics of SAR images, a new contrast enhancement method based on the Minimum Fuzzy Offset (MFO) principle is proposed. The Gaussian membership function is adopted, and the Fuzzy Contrast Intensification (INT) operator is settled based on the MFO principle. Then it obtains the adaptive S-shape transformation function for image enhancement, which is capable of expanding the value of the medium gray-level range in the image, suppressing speckle noise, and increasing target brightness. The Tenengrad(TEN) principle and Measure of Enhancement (EME) are used to evaluate the quality of the algorithm.【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)025【总页数】6页(P174-179)【关键词】SAR图像;对比度增强;隶属度函数;模糊偏移度【作者】张晗;李禹【作者单位】国防科学技术大学电子科学与工程学院,长沙410073;国防科学技术大学电子科学与工程学院,长沙410073【正文语种】中文【中图分类】TP75ZHANG Han,LI Yu.SAR image contrast enhancement based on minimum fuzzy offset puter Engineering andApplications,2012,48（25）：174-179.对比度增强技术广泛应用于图像处理领域。

一种基于最小模糊熵遗传算法的SAR图像分割方法

200 9年第 1期航空兵器 2009 No. 1 2 0 0 9年 2月 AERO W EAPONRY Feb. 2009
一种基于最小模糊熵遗传算法的 SAR图像分割方法
温佳 , 张兴敢
(南京大学电子科学与工程系 , 南京 210093 )
和背景的像素灰度值具有一致性 , 并且各自的大部类 , 按照上面的思路构造如下的隶属度函数 : 0 0 ≤ g < | 2m 0 ( t) - t |
u0 ( g ) =
1 1 +| xm n - m 0 ( t) | / | t - m 0 ( t) |
| 2m 0 ( t) - t | ≤ g < t t ≤ g < | 2m 1 ( t) - t | | 2m 1 ( t) - t | ≤ g < L
温佳等 : 一种基于最小模糊熵遗传算法的 SAR 图像分割方法
・31・
个灰度“ 亮” , 在分割之初 , 像素灰度级多大为 “ 暗” , 多大为“ 亮” 具有模糊性。因此本文将模糊理论引入到 SAR 图像分割中。近年来 , 传统的最大模糊熵图像分割法不断地被应用与改进。本文提出了一种相对最大模糊熵更符合图像特点的隶属度函数 , 减小噪声对分割过程的影响 , 利用二维灰度直方图对算法改进 , 实现了在二维灰度空间的最小模糊熵分割 , 并将最小模糊熵作为遗传算法中的适应度函数 , 用于最优阈值的快速选取。
Key words: synthetic aperture radar; fuzzy entropy; im age segmentation; genetic algorithm

SAR图像基于Rayleigh分布假设的最小误差阀值化分割

SAR图像基于Rayleigh分布假设的最小误差阀值化分割薛景浩;章毓晋;林行刚
【期刊名称】《电子科学学刊》
【年(卷),期】1999(21)2
【摘要】针对合成孔径雷达(SAR)图像的特点,本文提出基于灰度直方图的混合偏移Rayleigh分布假设下的最小误差阈值化分割算法,并与现有的基于Gauss和Poisson分布假设下的最小误差分割算法以及经典的Otsu算法作了比较。

实验和Kolmogorov-Smirnov检验结果表明对SAR图像而言,基于Rayleigh假设的算法可以取得更好的分割效果。

【总页数】7页(P219-225)
【关键词】SAR图像;Ravleigh分布;图像分割;K-S检验
【作者】薛景浩;章毓晋;林行刚
【作者单位】清华大学电子工程系
【正文语种】中文
【中图分类】TP391.41;TN957.52
【相关文献】
1.基于参数化最小割方法的SAR图像区域分割 [J], 周强锋;田铮;刘丙涛
2.一种基于最小模糊熵遗传算法的SAR图像分割方法 [J], 温佳;张兴敢
3.基于能量最小化的星载SAR图像建筑物分割方法 [J], 周则明;孟勇;黄思训;胡宝鹏
4.基于边缘保持的区域能量最小化SAR海冰图像分割 [J], 常灿灿;磨玲;朱启兵
5.SAR图像基于Rayleigh分布假设的最小误差阈值化分割 [J], 薛景浩;章毓晋因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波变换的SAR图像分割

基于小波变换的SAR图像分割
薛笑荣;张艳宁;赵荣椿;段锋
【期刊名称】《计算机工程》
【年(卷),期】2004(30)7
【摘要】SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR 图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法.首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割.实验结果表明,该方法是一种有效的SAR图像分割方法.
【总页数】2页(P11-12)
【作者】薛笑荣;张艳宁;赵荣椿;段锋
【作者单位】西北工业大学计算机科学与工程系,西安,710072;西北工业大学计算机科学与工程系,西安,710072;西北工业大学计算机科学与工程系,西安,710072;西北工业大学计算机科学与工程系,西安,710072
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于小波变换与改进维纳滤波的SAR图像分割 [J], 温金玉;宣士斌;肖石林;黄亚武
2.基于小波变换和粒子群改进的FCM图像分割方法 [J], 陆振宇;邱雨楠;傅佑;陆冰鉴
3.基于小波变换的权重自适应图像分割模型 [J], 谷昱良;羿旭明
4.基于小波变换的权重自适应图像分割模型 [J], 谷昱良;羿旭明
5.基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割 [J], 石雪松;李宪华;孙青;宋韬
因版权原因，仅展示原文概要，查看原文内容请购买。

一种有效的SAR图像分割与目标识别方法

2004年6月第26卷　第6期系统工程与电子技术Systems Engineering and E lectronicsJun 12004V ol 126　N o 16收稿日期:2003-04-12;修回日期:2003-11-11。

基金项目:国家自然科学基金(60272049;60372034);国家杰出青年科学基金(60325102)资助课题作者简介:韩萍(1966-),女,副教授,博士研究生,主要研究方向为数字信号处理及模式识别。

　文章编号:10012506X (2004)0620734204一种有效的SAR 图像分割与目标识别方法韩　萍,吴仁彪,蒋立辉(中国民航学院通信与信息处理研究所,天津300300)摘　要:在基于模板匹配的合成孔径雷达(synthetic aperture radar ,S AR )目标识别中,一个关键问题就是如何从带有杂波的S AR 图像中将目标正确分割出来,以便形成高质量的模板。

针对这一问题提出了一种基于对数变换的自适应S AR 图像分割方法并将其用于由美国国防高级研究计划署(Defense Advanced Research Project Agency ,DARPA )和空军研究室(Air F orce Research Laboratory ,AFR L )提供的实测S AR 目标图像识别中。

实验结果证明,经有效的目标分割后,不但提高了目标的正确识别率,还有效地提高了对假目标的拒识率,具有良好的鲁棒特性。

关键词:目标分割;模板匹配;合成孔径雷达;目标识别中图分类号:TP391.4;T N911.7 文献标识码:AE fficient SAR image segmentation and automatictarget recognition approachH AN Ping ,W U Ren 2biao ,J I ANGLi 2hui(Institute o f Communications and Information Processing ,Civil Aviation Univer sity o f China ,Tianjin 300300,China )Abstract :In the tem plate 2based S AR (synthetic aperture radar )target recognition ,a key problem is how to segment a target image from a noisy S AR image to form a high quality target tem plate.A sim ple and efficient target segmentation method is proposed and applied to the S AR target recognition.Experimental results with MST AR (m oving and stationary target acquisition and recognition )S AR data sets provided by the US DARPA/AFR L (Defense Advanced Research Projects Agency/Air F orce Research Laboratory )are presented to illustrate the perfor 2mance of the proposed approach.K ey w ords :target segmentation ;tem plate matching ;synthetic aperture radar ;target recognition1　引　言合成孔径雷达在军事领域的主要应用之一就是军事侦察,即发现和识别目标(如机场停机坪,导弹发射架,各种车辆、舰船、飞机等)以及伪装目标的检测与识别,这已成为目前国内外研究的热点课题[1]。