基于MRF模型的NSCT域SAR图像分割

合集下载

基于区域分割的NSCT域SAR与全色图像融合算法

ｌｖｌｈｅｈｌｅｍｅｔｔｎａｄｔｅｎｎｓｓｍｐｅｎｏｒｅｒｎｆｒ（ＣＴ）ｉｒｐｓｄＦｉｓｌ，ｍｕｔｅｅｒｓｏｄｓｇｎａｉｎｈｏｕｂａｌｄＣｏｔｕｌｔｔａｓｏｍＮＳｔｏｓｐｏｏｅ．ｒｔｙｌｉ —
ｄｓｅｋｅＳｅｐｃｌＡＲｍａｅａｄｔｅｐｎｈｏａｉｍａｅａｉｆｒｎｃｌｓａｄｄｒｃｉｎ．Ｔｈｏｆｅｕｎｙｃｅｆｉｇｎｈａｃｒｍｔｃｉｇｔｄｆｅｅｔｓａｅｎｉｅｔｏｓｅｌｗ—ｒｑｅｃｏｆｉ — ｃｅｔｒｕｅｔｈｅｉｎｂｓｄｆｓｏｃｅｃｏｄｎｏｔｅＲＲＭ，ａｄｔｅｈｇ — ｒｑｅｃｏｆｉｉｎｓｉｎｓａｅｆｓｄｗｉｔｅｒｇｏ－ａｅｕｉｎｓｈｍｅａｃｒｉｇｔｈｈｎｈｉｈｆｅｕｎｙｃｅｆｃｅｔａｅｆｓｄｗｉｈｔｅｗｉｄｗｓｂｓｄｒｌｓａｄｒｇｏ — ａｅｕｅ．Ｆｎｌｙｔｅｆｓｄｃｅｆｃｅｔｒｅｏｓｒｃｅｒｕｅｔｈｎｏ — ａｅｕｅｎｅｉｎｂｓｄｒｌｓｉａｌｈｕｅｏｆｉｉｎｓａｅｒｃｎｔｕｔｄｔｂａｎｔｅｆｓｄｉａｅｏｏｔｉｈｕｅｍｇ．Ｅｘｅｉｅｔｌｒｓｌｓｓｏｔａｈｕｅｍａｅｃｎｎｔｏｌｒｓｒｅｈｐｔａｅ — ｐｒｍｎａｅｕｔｈｗｈｔｔｅｆｓｄｉｇａｏｎｙｐｅｅｖｓｔｅｓａｉｌｓｒ

一种基于马尔可夫随机场的SAR图像分割新方法

ｏａｋｖＲａｏｅｄｎＭｒｏｎｄｍＦｉｌ
Ｈｏ．ｉｕＹｉｎｍＧＵｉＯＬｅ
（ｐｒｍｅｔｆｔｍａｉｎＮｏｈｅｔｒｏｙｅｈｉａｎｖｒｉ， ’ １０２ＣｉＤｅａｔｎｏｔ，ｒｗｓｅｎＰｌｃｎｃｌｉｅｓｔａ７０７，ｈｎｏＡｕｏｔｔＵｙｎ
（Ｍ）ｓｍｐｏｅｎｕｅｏｕｉＰｐｏｌＩｅｘｅｍｎｓｔｅｔｏｍａｅｉｅＩＣｉｅｌｄｔｆｏｔｈｌｏｏＭＡｒｂｅｎｔｐｒｅｔ，ｈｈｄｉｃｐｒｗｔｔｙｏｄｉｔｓｔｎｆｍ．ｈｅｉｍｅｓｏｄｈｈ
ＡｓａｔＡｎｖｌｒｏａｄｍｉｄＭＲ）ａｅｅｍｎａｉｔｏｒＡｇｓｓｒｐｓｄＴｅｂｔｃ：ｏｅＭａｋｗＲｎｏＦｅ（Ｆ一ｓｄｓｅｔｔｎｍｅｈｄｆＲｉｅｏｏｅ．ｈｒｌｂｇｏｏＳｍａｉｐ
一
种基于马尔可夫随机场的ＳＲ图像分割新方法Ａ
侯一民郭雷
（西北工业大学自动化学院西安７０７）１０２
摘要：该文提出了一种基于马尔可夫随机场（Ｆ的合成孔径雷达（Ａ）ＭＲ）ＳＲ图像分割新方法。在传统ＭＲＦ的邻域
基团势函数基础上，引入了图像邻域中各个像素的强度差值以及像素之间的距离因子，使ＳＡＲ图像中空间上下文
ｉｔａｓｒｄｔｅｘｍｕＡＰｓｅｉｒ（ＰｙＢｅｅｈｏｅＦｎｌ，ｈｅａｉｅＣｎｉｏａｄｌｓｒｎｆｍｅｏｔｉｍｏｔｒｏｉＭＡ）ｂｙｓｔｅｒｍ．ｉａｌｔｅＩｒｔｏｄｔｎｌｏｈＭａｙｔｖｉＭｏｅ

基于MRF与模糊聚类的图像分割算法研究

基于MRF与模糊聚类的图像分割算法研究随着人工智能的飞速发展,对图像采集与处理的要求不断提高,其中作为图像预处理阶段的图像分割工作显得尤为重要。

图像分割就是将图像根据不同的特点划分成不同的区域,目的就是将目标与背景分离,从而为后续的分析做准备。

由于受到设备和自然条件的影响,采集到的数字图像会产生不同类型的噪声,噪声问题成为图像分割算法的难点之一。

在诸多图像分割算法中,模糊聚类算法是应用最广泛的算法之一,该算法拥有易实现、算法复杂度低等优点。

然而由于没有充分考虑像素点空间邻域信息,使得算法易受噪声干扰,抗噪性较差。

因此,本文通过提高模糊聚类算法的空间信息利用率,通过邻域信息屏蔽噪声的干扰,从而提高算法的抗噪性。

本文的主要工作如下。

(1)利用核函数非线性映射像素点,通过核函数,将图像像素点由低维空间映射到高维空间,将原先线性不可分的像素点转化为线性可分的像素点,优化算法分割性能。

(2)利用马氏距离替换原有的欧式距离作为高维空间距离量度。

马氏距离能有效地描述两个样本点之间的全局性关系,可提升算法空间信息利用率,提高图像分割算法的抗噪性。

(3)利用马尔科夫随机场提高模糊聚类算法抗噪性。

利用马尔科夫随机场模型的空间相关性和对状态的准确预测等优点,对模糊聚类算法的目标函数进行修正,将马尔科夫随机场的先验概率作为目标函数的修正项,从而提高模糊聚类算法的抗噪性。

最后在MATLAB环境下进行了仿真实验,利用NLFCM算法、LDMREFCM算法、FLILP算法、GKWFLICM算法、CRF-FC算法与本文提出的算法进行对比实验,对Berkeley图像分割数据库图像和模拟噪声图像进行分割。

实验采用Bezdek划分系数、Xie-Beni系数、迭代次数和运行时间四个指标进行客观分析,结果表明,本文提出算法能充分利用图像像素点的空间邻域信息,提升模糊聚类算法的效率,有效地提高算法抗噪性。

基于区域MRF的SAR图像快速分割算法

基于区域MRF的SAR图像快速分割算法
杨学志;沈晶
【期刊名称】《图学学报》
【年(卷),期】2009(030)006
【摘要】针对受相干斑噪声影响较严重的合成孔径雷达(SAR)图像,提出了一种基于边缘保持(EPR)的区域MRF快速分割算法.基于EPR的SAR图像表示方法包括各向异性扩散的相干斑降噪算法和分水岭变换两部分,该方法在存在相干斑噪声的情况下,能够有效地抑制过分割和在区域边界进行目标边缘的准确定位.将基于EPR 的表示方法和区域MRF相结合,能够大幅减少优化过程的搜索空间,获得准确的分类结果和统计特性,同时减少了计算量和分割错误.将提出的算法用于一幅添加了各种不同噪声水平的合成图像和SAR海冰影像的分割中,实验结果证明了该算法的有效性.该算法与现有的区域MRF相比,实验结果证明新算法能够节约计算时间50%,同时提高了分割准确性,尤其是在相干斑噪声较强的区域.
【总页数】9页(P98-106)
【作者】杨学志;沈晶
【作者单位】合肥工业大学计算机与信息学院,安徽,合肥,230009;合肥工业大学计算机与信息学院,安徽,合肥,230009
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于区域型MRF的SAR图像分割算法 [J], 徐康;杨学志;李长凯;范良欢
2.一种新的基于网格编码和区域合并的SAR图像快速分割算法 [J], 张泽均;水鹏朗
3.强噪声背景下基于非网格MRF的SAR图像快速分割方法 [J], 陈华杰;吴香伟
4.双窗口特征的SAR图像丛林区域MRF分割算法 [J], 覃骋;陈华杰
5.基于改进Ratio和区域MRF的SAR图像分割方法 [J], 李长凯
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于马尔可夫随机场的SAR图像分割新方法

场。如图 1 为二阶邻域系统中单像素和双像素基团图，根据
此图可以构造邻域基团的势函数。
图 1 二阶邻域系统中的单像素及双像素基团
一种传统的基团势函数定义为
Vc(xi,x j ) = ⎧⎪⎪⎨⎪⎪⎩β0,,
xi = xj xi ≠ xj
(1)
这种定义方法虽使计算简单化，但并没有考虑像素间强度关
系，影响了分类效果。针对此情况，本文引入新的基团势函数定义公式(2)。式中， σi 为 xi 处的标准差； β 为基团中的分类参数； yi ， yj 分别为观测场 xi 和 x j 处的强度， dij 为观测场中 xi 和 xj 间距离。可以看出，当 xi 和 xj 处强度值相差越大，或者两像素间距离越大，它们之间的能量越大，被分
1 引言
合成孔径雷达(SAR)系统几乎不受气候条件影响，可以全天候、全天时进行工作。它被广泛运用于民用及军事领域。但合成孔径雷达图像含有固有斑点，这是由于雷达接收信号中包含众多噪声的原因[1]。这种情况严重影响了对图像的分析。到目前，还没有哪一种方法能够有效地分析、检测SAR 图像中所有的结构特征[2,3]。图像分割是图像分析的重点部分，同时也是难点。它的目的是将图像中的目标从复杂的背景中提取出来，以便进行进一步的分析和处理。对于SAR图像而言，图像分割同样是进行目标识别或者测量的重要条件。而SAR图像中的斑点噪声成为图像分割的重要障碍。各类文献中曾提出了多种去除斑点噪声的方法。如Kuan滤波， Frost滤波，Gamma最大后验滤波等[4,5]。
∏ P(Y | X ) = P(ys | xs )
(7)
S
故有
∏ ∑ ∏ P(Y | X) =
S
⎜⎜⎝⎛⎜⎜
ys μR2

基于区域分割的NSCT域SAR与全色图像融合算法

基于区域分割的NSCT域SAR与全色图像融合算法叶传奇;王宝树;苗启广【期刊名称】《系统工程与电子技术》【年(卷),期】2010(032)003【摘要】提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法.首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像.实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法.【总页数】5页(P609-613)【作者】叶传奇;王宝树;苗启广【作者单位】西安电子科技大学计算机学院,陕西,西安,710071;河南科技大学电子信息工程学院,河南,洛阳,471003;西安电子科技大学计算机学院,陕西,西安,710071;西安电子科技大学计算机学院,陕西,西安,710071【正文语种】中文【中图分类】TP391【相关文献】1.基于NSCT的SAR与可见光图像融合算法 [J], 冯颖;贺兴时;薛菁菁;杨新社2.基于区域特征的高光谱与全色图像NSCT域融合方法 [J], 杨桄;张筱晗;张俭峰;黄俊华3.基于PCA和NSCT的多光谱与全色图像融合算法 [J], 李旭寒4.基于PCA和NSCT的多光谱与全色图像融合算法 [J], 李旭寒;5.基于双特征量和NSCT的多波段SAR图像融合算法 [J], 宋元强; 周良将因版权原因，仅展示原文概要，查看原文内容请购买。

基于层次视觉计算和统计模型的SAR图像分割与理解

基于层次视觉计算和统计模型的SAR图像分割与理解基于层次视觉计算和统计模型的SAR图像分割与理解摘要：合成孔径雷达（Synthetic Aperture Radar，SAR）图像具有成像快速、天气条件影响小等一系列优势，因此被广泛应用于军事、航空、海洋、环境等领域。

然而，由于SAR图像的复杂性和噪声特性，准确地进行图像分割和理解是一项具有挑战性的任务。

本文综述了基于层次视觉计算和统计模型的SAR图像分割与理解方法，并对其研究进展进行了分析和讨论。

1. 引言合成孔径雷达（SAR）是一种主动型雷达技术，能够通过发射和接收微波信号，获得地面的高分辨率和宽覆盖的图像。

相对于可见光图像，在夜晚和恶劣天气条件下，SAR图像能够提供较好的图像质量和更强的目标探测能力。

因此，SAR技术在军事侦察、海洋监测和环境监测等领域有着广泛的应用。

2. SAR图像分割方法2.1 基于传统特征的分割方法传统的SAR图像分割方法主要依靠手工提取的特征，如纹理、灰度等特征，通过阈值分割或区域生长等方式进行目标提取。

这些方法简单有效，但对于复杂的SAR图像，特征提取和阈值选择往往存在主观性和局限性。

2.2 基于层次视觉计算的分割方法基于层次视觉计算的分割方法利用图像中的层次结构和上下文信息进行分割。

这些方法通常采用分层聚类或分层标记树等技术，将图像分割为多个层次的区域，并对区域进行合并和处理，以得到最终的目标提取结果。

这些方法在复杂的SAR图像中具有较好的适应性和自适应性。

3. SAR图像理解方法3.1 统计模型SAR图像中的目标通常表现出特定的统计特性，如幅度分布、相位分布等。

基于统计模型的SAR图像理解方法通过建立合适的概率模型，对图像进行建模和分析，从而实现目标的分类和识别。

这些方法在处理海洋城市、林区等复杂环境中的SAR图像时表现出较好的性能。

3.2 深度学习方法近年来，深度学习方法在图像处理领域取得了重要的突破。

对于SAR图像的理解，深度学习方法能够学习到图像的高级特征表示，并实现目标的自动分类和识别。

基于NSCT和FCM聚类的SAR图像分割

基于NSCT和FCM聚类的SAR图像分割
孙季丰;邓晓晖
【期刊名称】《华南理工大学学报（自然科学版）》
【年(卷),期】2011(039)002
【摘要】为了实现对SAR(合成孔径雷达)图像的无监督自动分割,提高分割精度和计算效率,提出了一种基于非下采样Contourlet变换(NSCT)和模糊c均值(FCM)聚类的SAR图像分割方法.该方法首先采用一种基于NSCT的去噪算法对SAR图像进行去噪预处理,以保护细节纹理信息;然后采用保边缘灰度特征提取方法和灰度共生矩阵来提取SAR图像的灰度特征和纹理特征;最后将改进的快速确定聚类类别数的方法与FCM聚类算法相结合,对SAR图像进行自动分割.实验结果表明,文中所提方法是一种精度和效率较高的SAR图像无监督自动分割方法.
【总页数】6页(P60-64,70)
【作者】孙季丰;邓晓晖
【作者单位】华南理工大学,电子与信息学院,广东,广州,510640;华南理工大学,电子与信息学院,广东,广州,510640
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于NSCT-Gabor特征和脉冲耦合神经网络的 SAR图像分割 [J], 吴俊政;严卫东;倪维平;边辉;张晗
2.基于区域一致性和NSCT的SAR图像分割 [J], 宋晓峰;刘芳;李志远
3.基于MRF模型的NSCT域SAR图像分割 [J], 鲁昌华;盛柳青;岳公和
4.基于快速FCM聚类的自动随机游走算法在红外图像分割的应用 [J], 张莲; 杨森淋; 李梦天; 余松林; 刘晓丽
5.基于NSCT和FCM聚类的SAR图像无监督变化检测 [J], 李青松;覃锡忠;贾振红;杨杰;胡英杰
因版权原因，仅展示原文概要，查看原文内容请购买。

基于区域型MRF的SAR图像分割算法

基于区域型MRF的SAR图像分割算法徐康;杨学志;李长凯;范良欢【摘要】An improved segmentation algorithm for the synthetic aperture radar(SAR) image is proposed in view of two disadvantages of the iterative region growing using semantics(IRGS) in solving speckle noise of SAR image, including inaccurate positioning of the edge and excess segmentation at initial stage. The speckle reduction anisotropic diffusion (SRAD) is used to reduce the impact of speckle noise and enhance the edge information of SAR image. Then the watershed transform and the region adjacency graph(RAG) are used to construct the regional expression of SAR image. Finally by using IRGS algorithm, fast and efficient SAR image segmentation is achieved. The new algorithm is tested on several artificial images and SAR images with different noise levels and the result proves its accuracy in segmentation and efficiency in time consumption.%针对迭代区域生长算法(IRGS)在处理含相干斑噪声严重的合成孔径雷达(SAR)图像时具有的边缘定位不准确和初始过度分割的两大不足,文章提出了一种新型的改进分割算法.通过各向异性扩散滤波(SRAD)抑制SAR图像的斑点噪声并增强图像的边缘信息,采用分水岭分割与区域邻接图(RAG)构建SAR图像的区域化表达.在此基础上,与IRGS算法相结合,实现SAR图像的快速、精确分割.将新算法用于一组添加了不同噪声水平的合成图像和真实SAR图像,实验结果表明新算法在分割准确度和时间效率上均有较大提高.【期刊名称】《合肥工业大学学报（自然科学版）》【年(卷),期】2011(034)001【总页数】5页(P71-75)【关键词】合成孔径雷达;图像分割;迭代区域生长(IRGS);各向异性扩散的相干斑降噪(SRAD)【作者】徐康;杨学志;李长凯;范良欢【作者单位】合肥工业大学,计算机与信息学院,安徽,合肥,230009;合肥工业大学,计算机与信息学院,安徽,合肥,230009;合肥工业大学,计算机与信息学院,安徽,合肥,230009;合肥工业大学,计算机与信息学院,安徽,合肥,230009【正文语种】中文【中图分类】TP751.1近年来,微波遥感技术的典型代表合成孔径雷达(SAR)[1]以全天候、全天时、多波段、多极化、可变侧视角以及穿透能力强等诸多优点被广泛应用于军事和国民经济领域。

基于 NSCT分解系数的SAR图像目标检测算法

基于 NSCT分解系数的SAR图像目标检测算法黄世奇;黄文准;张婷【期刊名称】《计算机应用研究》【年(卷),期】2016(33)12【摘要】恒虚警率（constant false alarm ratio，CFAR）目标检测法用于合成孔径雷达（synthetic aperture radar，SAR）图像时，通常要求图像有强的对比度，而实际上此条件很难满足。

为提高SAR图像目标的检测率，特别是低信噪比图像，从SAR成像机理入手，结合非下采样Contourlet变换（nonsubsampled Contourlet transform，NSCT）理论的多尺度、多方向和平移不变性等特点，提出了一种新的SAR图像目标提取算法，即TD-NSCT（target detection based on NSCT）算法。

该方法融合了CFAR检测器和NSCT的优点，通过对分解系数特征的选取和组合，达到改善SAR图像信噪比、提高SAR目标检测率的目的。

用不同实际SAR图像数据和不同方法进行了比较实验，实验结果表明TD-NSCT算法能有效提高SAR目标的检测率，特别是对于那些隐藏地物目标的低信噪比SAR 图像，证明TD-NSCT算法是一种可行和有效的SAR图像目标检测算法。

%When the CFAR target detection method is used to SAR images,the CFAR method usually requires the SAR images have strong contrast.In fact,this condition is very difficult to be satisfied in practical applications.In order to improve the de-tection rate of SAR image target,especially thelow SNR SAR images,this paper proposed a new SAR image target detection al-gorithm from the SAR imaging mechanism and combining the characteristics of the NSCT theory such as multi-scale,multi-di-rection andshift invariance.The new method was called the TD-NSCT method.This method integrated the advantages of CFAR detector and NSCT,and achieved the purpose of improving the SNR of SAR images and increasing the detection rate of SAR targets by selecting and fusing the decomposition coefficients.Some different SAR image data and different methods performed the comparative test.The experimental results show that the TD-NSCT algorithm can effectively improve the detection rate of SAR targets,especially those hidden targets in the low SNR SAR images.So the TD-NSCT algorithm is a feasible and effective method for SAR image target detection.【总页数】5页(P3884-3888)【作者】黄世奇;黄文准;张婷【作者单位】西京学院信息工程学院，西安710123;西京学院信息工程学院，西安710123;西京学院信息工程学院，西安710123【正文语种】中文【中图分类】TP391.41【相关文献】1.基于NSCT域特征和PCNN的SAR图像目标分割 [J], 吴俊政;严卫东;边辉;倪维平;芦颖2.基于CNN的SAR图像舰船目标检测算法 [J], 曲长文;刘晨;周强;李智;李健伟3.一种基于视觉显著性的SAR图像弱目标检测算法 [J], 张衡;卢明明;来东辉4.结合NSCT和TPCA的SAR图像目标识别 [J], 张伟昌;王文政;代作松5.NSCT域系数统计分析在SAR图像抑噪上的应用 [J], 武鹤龙;邱政因版权原因，仅展示原文概要，查看原文内容请购买。

基于空域mrf模型的sar图像分割方法研究

摘要摘要针对合成孔径雷达（Synthetic Aperture Radar，SAR）图像的解译工作，已经成为近年来关于SAR方面最重要的研究方向。

其中，作为解译的先头步骤，SAR 图像分割算法也已经成为近年来的研究热点。

基于马尔可夫随机场（Markov Random Field, MRF）模型的SAR图像分割，由于其充分利用了图像的统计特性和局部特征，对SAR图像分割效果较好，受到了广大研究人员的重视。

不过，由于MRF的优化问题较为复杂，对于取得较好质量的分割结果的速度较慢，因此对传统的基于MRF模型的SAR图像分割算法进行改进，提高图像分割速度很有必要。

本文将以减少处理数据点为主要思想，立足于空域MRF模型，对SAR图像分割速度进行提升。

在传统的基于MRF模型的SAR图像分割算法的基础上，结合超像素算法，研究了改进算法。

总体研究内容安排如下：1.研究适用于SAR图像的基于MRF模型的图像分割算法。

研究MRF在图像分割中运用的原理，采用FGMM+Potts模型，建立适用于SAR图像的MRF模型。

结合ICM分割方法，将上述模型应用到SAR图像分割中去。

2.结合SAR图像和基于MRF模型的图像分割的原理，分析超像素算法对图像进行预处理的异同，考虑预处理结果的邻域描述、像素块描述的准确性等方面，选取合适的超像素算法，并分析研究了超像素-马尔可夫（Superpixel-MRF，SMRF）算法。

通过设计实验仿真，论证了SMRF的速度和分割质量的充分保证。

3.针对上述研究中的SMRF算法有可能出现的质量下降问题，对算法邻域系统生成方面进行研究。

从基于网格化和基于阈值两个角度，研究了伪网格化和基于加权等邻域系统生成算法。

改进方法在具有更高质量的图像分割结果的同时，保留了上述算法的优点。

通过设计实验仿真，新的邻域系统生成算法给SMRF算法带来了满意的分割精度和分割速度。

关键词：合成孔径雷达，图像分割，马尔可夫场，超像素，邻域系统ABSTRACTThe interpretation of Synthetic Aperture Radar (SAR) image has become the most important part of the research of SAR. As the initial step of interpretation, SAR image segmentation has also become a hot research topic. The algorithm of SAR image segmentation based on Markov Random Field (MRF) model, according to its taking full advantage of images’statitical properties and local features, which is good to SAR image segmentation, has been taken seriously by researchers. However, due to the complexity of optimizition, the speed of acquiring good segmentation is pretty slow. It is necessary to speed up the traditional SAR image segmentation algorithm based on MRF model.The speed of SAR image segmentation shall be improved based on the main idea of reducing to-be-processed objectives in spatial domain MRF model. Then a revised algorithm is proposed based on superpixel algorithm and MRF-model-based SAR image segmentation algorithm. The contents include:1. Image segmentation algorithm suitable for SAR image based on MRF model is researched. And FGMM and Potts model is adopted to build MRF model for SAR image based on the principle of MRF in image segmentation. The above model will be used into SAR image segmentation combined with ICM segmentation method.2. Suitable superpixel algorithm is selected based on SAR image’s traits and the principle of MRF model in image segmentation. After analysising the differences and similarities of superpixel algorithm’s preprocessing on image, considering the result of preprocessing’s situation of neighborhood and pixel pack’s accuracy, SMRF (Superpixel-MRF) algorithm will be researched. And the analog experiment analog demonstrates the promotion of speed and quality assurance of SMRF algorithm.3. The neighborhood system generation aim to the question of quality decrease of SMRF is researched. Pseudo-meshing and weighting-based neighborhood algorithm will be put forword from meshing-based and weighting-based angles. Improved method has higher quality of image segmentation while keep above algorithm’s advantage. By designing experiment analog, the thesis will demonstrate the new neighborhood systemcan bring SMRF satisfied speed and quality of SAR image segmentation. Keywords: SAR, image segmentation, MRF, superpixel, neighborhood system目录第一章绪论 (1)1.1 研究工作的背景与意义 (1)1.2 国内外研究历史与现状 (1)1.2.1 SAR图像分割的研究历史与现状 (1)1.2.2 基于MRF模型的SAR图像分割的研究历史与现状 (3)1.3 本文的主要贡献与创新 (4)1.4 本论文的结构安排 (5)第二章基于MRF模型的图像分割方法基础 (6)2.1 引言 (6)2.2 马尔可夫随机场基础 (6)2.2.1 MRF模型的历史与特点 (6)2.2.2 MRF模型的基本理论 (7)2.2.3 分割问题目标函数导出 (9)2.3 用MRF描述图像模型 (11)2.3.1 特征场 (11)2.3.2 标号场 (12)2.4 基于MRF模型的图像分割方法基础 (13)2.4.1 参数估计 (14)2.4.2 分割方法 (15)2.5 图像分割的评估标准 (16)2.6 本章小结 (18)第三章SMRF快速SAR图像分割算法 (19)3.1 引言 (19)3.2 超像素分割算法 (19)3.2.1 可控性评价标准 (20)3.2.2 分水岭算法 (21)3.2.3 Turbopixels算法 (22)3.2.4 SLIC算法 (22)3.2.5 超像素算法实验 (23)3.3 基于MRF模型的SAR图像分割算法 (26)3.3.1 特征场和标号场的选择 (27)3.3.2 分割方法的选择 (27)3.3.3 算法流程 (27)3.4 基于超像素和MRF模型的SMRF算法 (28)3.4.1 算法流程 (28)3.4.2 邻域系统生成 (29)3.5 实验结果分析 (30)3.6 本章小结 (36)第四章基于邻域系统的改进SMRF算法研究 (37)4.1 引言 (37)4.2 MRF模型的邻域系统 (37)4.2.1 MRF模型常见的邻域系统 (37)4.2.2 SMRF算法的邻域系统 (38)4.3 基于网格化的改进算法 (41)4.3.1 伪网格化-SMRF算法 (42)4.3.2 下采样-SMRF算法 (45)4.4 基于阈值的改进算法 (47)4.4.1 距离加权-SMRF算法 (49)4.4.2 综合加权-SMRF算法 (49)4.5 实验结果分析 (50)4.6本章小结 (60)第五章全文总结与展望 (61)5.1 全文总结 (61)5.2 后续工作展望 (61)致谢 (63)参考文献 (64)第一章绪论第一章绪论1.1 研究工作的背景与意义SAR图像分割是利用相应的算法，结合计算机技术，把SAR图像分成具有统一属性但又互相分离的区域，从而为图像分析和图像处理的顺利展开打下基础。

基于MRF模型和形态学运算的SAR图像分割

基于MRF模型和形态学运算的SAR图像分割
倪维平;严卫东;边辉;吴俊政;芦颖;王培忠
【期刊名称】《电光与控制》
【年(卷),期】2011(018)001
【摘要】针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法.首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果.实验结果显示,该方法可以较好地实现SAR图像目标区域的分割,且处理效率较高,利于实现SAR图像的快速有效分割.
【总页数】5页(P32-36)
【作者】倪维平;严卫东;边辉;吴俊政;芦颖;王培忠
【作者单位】西北核技术研究所,西安,710024;西北核技术研究所,西安,710024;西北核技术研究所,西安,710024;西北核技术研究所,西安,710024;西北核技术研究所,西安,710024;西北核技术研究所,西安,710024
【正文语种】中文
【中图分类】V271.4
【相关文献】
1.基于混合Gamma建模与MRF的SAR图像分割方法 [J], 李恒恒;郁文贤
2.基于区域的MRF模型用于SAR图像分割 [J], 何楚;夏桂松;曹永峰;杨文;孙洪
3.基于MRF模型的NSCT域SAR图像分割 [J], 鲁昌华;盛柳青;岳公和
4.基于小波域MRF模型的SAR图像分割 [J], 曹兰英;夏良正;张昆辉
5.基于改进FCM与MRF的SAR图像分割 [J], 韩子硕;王春平
因版权原因，仅展示原文概要，查看原文内容请购买。

基于MRF模型的NSCT域SAR图像分割

基于MRF模型的NSCT域SAR图像分割鲁昌华;盛柳青;岳公和【期刊名称】《计算机工程与应用》【年(卷),期】2013(000)016【摘要】针对复杂背景下的合成孔径雷达（SAR）图像的分割问题，提出一种基于非降采样Contourlet变换（NSCT）域马尔可夫（MRF）模型的算法。

该算法综合利用了MRF模型在影像分割中的优势和图像的多分辨率描述的信息，采用高斯混合模型建模各个尺度的特征场，Potts模型建模各个尺度的标记场，大尺度的分割结果直接投影到小尺度上，作为分割的初始结果。

实验部分与经典的阈值分割算法和马尔可夫分割算法进行比较、分析，结果表明该算法可准确地分割目标，同时保留目标的细节信息。

%An algorithm of Markov Field(MRF)model based on Non-drop Sampling Contourlet Transform(NSCT)domain is proposed for the Synthetic Aperture Radar(SAR)image under complex background. Utilization of the advantages of both the MRF model and multi-resolution description of the information, Gaussian Model can be used in the characteristics field of each scale and Potts Model also used in the mark field of each scale. Then as the initial value, large-scale segmentation results can be directly projected to the small scale. In the experimental part, comparing with the classic threshold segmentation algorithm and Markov segmentation algorithm, the result shows that target can be accurately segmented while preserving more details.【总页数】4页(P172-174,264)【作者】鲁昌华;盛柳青;岳公和【作者单位】合肥工业大学，合肥 230009;合肥工业大学，合肥 230009;合肥工业大学，合肥 230009【正文语种】中文【中图分类】TP391【相关文献】1.基于MRF模型和形态学运算的SAR图像分割 [J], 倪维平;严卫东;边辉;吴俊政;芦颖;王培忠2.基于小波域TS-MRF模型的监督图像分割方法 [J], 刘国英;王爱民;陈荣元;秦前清3.基于区域的MRF模型用于SAR图像分割 [J], 何楚;夏桂松;曹永峰;杨文;孙洪4.基于小波域MRF模型的SAR图像分割 [J], 曹兰英;夏良正;张昆辉5.基于复小波域树结构化MRF模型的声纳图像分割 [J], 夏平;刘小妹;雷帮军;吴涛因版权原因，仅展示原文概要，查看原文内容请购买。

基于MRF场的SAR图像分割方法

基于MRF场的SAR图像分割方法
张翠;郦苏丹;王正志
【期刊名称】《遥感技术与应用》
【年(卷),期】2001(16)1
【摘要】提出了一种基于 MRF(Markov Random field)模型的 SAR(Synthetic Aperture Radar)图像分割算法。

本算法利用 ICM(Iterative Conditional Mode)局部优化方法 ,获得 MAP(maximum aposteriori)准则下的图像分割结果 ,并引入了剔除外层数据的机制。

用 MSTAR(Moving and Sta-tionary Target Acquisition and Recognition)数据进行实验 ,结果表明 ,算法能有效减少斑点噪声的影响 ,将图像分割为目标、阴影、背景三部分 ,实验结果是令人满意的。

【总页数】3页(P66-68)
【关键词】SAR;图像分割;MRF模型;ICM算法;外层数据;合成孔径雷达
【作者】张翠;郦苏丹;王正志
【作者单位】国防科技大学自动控制系302教研室遥感组
【正文语种】中文
【中图分类】TN958
【相关文献】
1.基于快速退火MRF的改进SAR图像分割方法 [J], 刘向华;周荫清;孙慕涵
2.基于MAR-MRF的SAR图像分割方法 [J], 刘爱平;付琨;尤红建;刘忠
3.基于混合Gamma建模与MRF的SAR图像分割方法 [J], 李恒恒;郁文贤
4.基于改进Ratio和区域MRF的SAR图像分割方法 [J], 李长凯
5.基于MRF场的侧扫声呐图像分割方法 [J], 阳凡林;独知行;李家彪;吴自银;初凤友因版权原因，仅展示原文概要，查看原文内容请购买。

基于MRF的图像分割方法实现与探究

基于MRF的图像分割方法实现与探究【摘要】本文从研究马尔可夫随机场的理论背景出发，详细阐述了马尔可夫随机场建立图像模型的方法，并且介绍了两种基于马尔可夫随机场进行图像分割的算法：ICM和SA。

在本文的最后给出这两种算法的实验结果，达到了预期的要求。

【关键词】马尔可夫随机场；图像分割；ICM；模拟退火一、马尔可夫随机场的理论概述基于高斯马尔可夫随机场（GMRF）模型的威力图像分割方法是基于统计的方法，通过分析图像的灰度空间的分布情况来提取图像的纹理特征，然后利用聚类的方法如K-means聚类法等在纹理特征空间中聚类来完成图像的分割。

空域非因果马尔可夫随机场模型N-MRF是贝叶斯图像分割中的常用方法。

特征场的表示通常采用高斯MRF或自回归NRF来建模，为了更好的拟合观测数据，也有人提出使用通用混合分布来表示特征场的方法。

常用的模型参数估计方法有最小二乘法、极大似然法、伪极大似然法、EM算法和遗传算法等。

随着小波理论应用的成熟，发展了一种建立在小波域上的Markov层次模型，这种模型能较好的刻画图像的非平稳性。

在纹理图像分割上表现出良好的应用前景。

二、MRF的基本原理1.邻域系统与基团三、MRF描述图像模型在MRF中，常用两个随机场来描述待分割的图像，一个是标号场，常称为隐随机场，用先验分布描述标号场的局部相关性。

另一个是灰度场或特征场，常以标号场为条件，用分布函数描述观测数据或特征向量的分布。

1.建立标号场的先验模型设一幅M×N图像的像点集为S0={v=（d1，d2）}，1≤d1≤M，1≤d2≤N。

定义随机场η={ηv，v∈S}是s的邻域系统，其中ηv是v的邻点集，图像的区域数K={1，2，…，k}，η∈K。

在图像分割中，大多数基于MRF模型使用MLL（multilevel logistic）模型来表示标号的先验分布，并将成对的原子团作为二阶邻域系统MLL 模型的基团，其余的基团设定为零。

改进马尔可夫模型的SAR图像分割

改进马尔可夫模型的SAR图像分割李长春;都伟冰;马潇潇;齐修东【期刊名称】《遥感信息》【年(卷),期】2017(032)006【摘要】针对基于固定权重MRF模型的SAR图像分割算法出现参数估计结果不能反映图像的真实特征数据、忽略图像空间关系或参数估计是局部最优而不是全局最优的问题,将MRF模型的权重参数设置为变化的,不但可以得到特征模型的全局参数,而且可以增加类标分布的空间均质性限制.利用模拟数据和真实SAR图像数据进行分割实验.结果显示,固定权重MRF模型SAR图像分割算法和变权重的SAR图像分割算法的误分割率分别为8.4％、10.1％和2.5％、3.7％,证明该算法能够得到更好的分割效果.%The SAR image segmentation algorithms based on fixed weight MRF model can cause three kinds of situations:the parameter estimation results cannot reflect the real image feature data,the spatial relationship of images will be ignored,and the parameter estimation is just a local optimum rather than the global optimum.To solve the above problems,in this paper,the weight parameters of MRF model are variable,which can not only get the global parameters of the feature model,but also enlarge the restriction of the spatial heterogeneity of the class label distribution.The segmentation experiment is based on simulated data and real SAR image data.The results show that the erroneous segmentation rate is 8.4％,10.1％ and 2.5％,3.7 ％,respectively which shows the proposed algorithm can achieve better segmentation results.【总页数】5页(P85-89)【作者】李长春;都伟冰;马潇潇;齐修东【作者单位】河南理工大学,河南焦作454001;中国科学院新疆生态与地理研究所,乌鲁木齐830011;河南理工大学,河南焦作454001;郑州信息科技职业学院,郑州450008;河南理工大学,河南焦作454001【正文语种】中文【中图分类】TP75【相关文献】1.改进模糊马尔可夫随机场的SAR图像分割 [J], 卢晓东;周凤岐2.利用倒数灰度熵和改进 Chan-Vese 模型进行 SAR 河流图像分割 [J], 吴诗婳;吴一全;周建江;孟天亮3.基于改进C-V模型的高分辨SAR图像分割 [J], 王翠杰;杨永红;林明4.基于改进小波域隐马尔可夫模型的遥感图像分割 [J], 郭松涛;孙强;焦李成5.基于改进C-V水平集模型的SAR图像分割 [J], 付金明;羿旭明;檀伟伟;王星;徐宇帆;陈璇因版权原因，仅展示原文概要，查看原文内容请购买。

一种新的SAR图像无监督分割方法

一种新的SAR图像无监督分割方法刘丽丽【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)031【摘要】Markov Random Field (MRF) has lots of applications in SAR image segmentation.Because of the multiplication nature of speckle noise in SAR image,it is hard to get accurate segmentation,in this paper,a new fusion algorithm for unsu-pervised SAR image segmentation based on Markov Random Field (MRF) with Gaussian-Hermite Moments (GHM) is pro-posed.It gets initial segmentation with different orders of Gaussian-Hermite moments as SAR image features.Then,the first result can be as initial MRF model,by introducing an energy function-based weighting parameter between the two components, the accurate result is achieved by Maximum A Poteriori(MAP).The proposed method applied in synthetic image and SAR image segmentation, and experimental results show that it performs well in miss-classification ratio, restraining the speckle noise,and performation in vision.%马尔可夫随机场(MRF)在SAR图像分割中有着广泛的应用.由于合成孔径雷达(SAR)图像本身所固有的相干斑噪声的影响,传统方法很难获得准确的分割,因此提出了一种新的基于MRF(Markov Random Field)融合Gaussian-Hermite矩(GHM)的SAR图像无监督分割算法.利用Gaussian-Hermite矩的不同阶矩作为SAR图像特征得到初始分割;将得到的初始分割结果作为MRF随机场的先验模型,通过引入一个基于两成分权重参数的能量函数,利用最大后验概率(MAP)得到最终的分割结果.通过对合成图像及SAR图像分割实验结果的比较,表明了该方法在误分率、抗噪性以及视觉效果上具有更好的效果.【总页数】5页(P185-188,205)【作者】刘丽丽【作者单位】陕西师范大学物理学与信息技术学院,西安710062【正文语种】中文【中图分类】TP391【相关文献】1.一种新的基于Graph cuts方法的SAR图像分割模型 [J], 刘光明;孟祥伟;杨祥红;程焕2.基于广义多分辨似然比的SAR图像无监督分割方法 [J], 句彦伟;田铮;纪建3.一种新的基于水平集方法的SAR图像分割算法 [J], 刘光明;孟祥伟;陈振林4.SAR图像无监督分割的空间变化混合MAR模型方法 [J], 句彦伟;田铮;纪建5.一种新的基于Graph cuts方法的SAR图像分割模型 [J], 刘光明;孟祥伟;杨祥红;程焕因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＭＲＦｍｏｄｅｌａｎｄｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎｄｅｓｃｒｉｐｔｉｏｎｏｆｈｅｔｉｎｆｏｒｍａｔｉｏｎ，ＧａｕｓｓｉａｎＭｏｄｅｌｃａｎｂｅｕｓｅｄｉｎｈｅｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｅｆｌｄｏｆｅａｃｈｓｃａｌｅａｎｄＰｏｔｔｓＭｏｄｅｌａｌｓｏｕｓｅｄｉｎｔｈｅｍａｒｋｉｅｆｌｄｏｆｅａｃｈｓｃａｌｅ．Ｔｈｅｎａｓｔｈｅｉｎｉｔｉａｌｖａｌｕｅ，ｌａｒｇｅ－ｓｃａｌｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｃａｎｂｅ
１７２
２０１３，４９（１６）
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
基于ＭＲＦ模型的ＮＳＣＴ域ＳＡＲ图像分割
鲁昌华，盛柳青，岳公和
ＬＵＣｈａｎｇｈｕａ，ＳＨＥＮＧＬｉｕｑｉｎｇ，ＹＵＥＧｏｎｇｈｅ
合肥工业大学，合肥２３０００９
ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９，Ｃｈｉｎａ
ｐａｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１３，４９（１６）：１７２ — １７４．
Ａｂｓｔｒａｃｔ：ＡｎａｌｇｏｉｒｔｈｍｏｆＭａｒｋｏｖＦｉｅｌｄ（ＭＲＦ）ｍｏｄｅｌｂａｓｅｄｏｎＮｏｎ — ｄｒｏｐＳａｍｐｌｉｎｇＣｏｎｔｏｕｒｌｅｔＴｒａｎｓｆｏｒｍ（ＮＳＣＴ）ｄｏｍａｉｎｉｓ
ＣｏｎｔｏｕｒｌｅｔＴｒａｎｓｏｒｆｉｌｌ（ＮＳＣＴ）
摘
要：针对复杂背景下的合成孔径雷达（ＳＡＲ）图像的分割问题，提出一种基于非降采样Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ）域马尔
ＬＵＣｈａｎｇｈｕａ，ＳＨＥＮＧＬｉｕｑｉｎｇ，ＹＵＥＧｏｎｇｈｅ．ＳＡＲｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｂａｓｅｄｏｎＭＲＦｍｏｄｅｌｉｎＮＳＣＴｄｏｍａｉｎ．Ｃｏｍ—
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ（ＳＡＲ）ｉｍａｇｅ；ＭａｒｋｏｖＦｉｅｌｄ（ＭＲＦ）ｍｏｄｅｌ；Ｎｏｎ — ｄｒｏｐＳａｍｐｌｉｎｇ
Ｍａｒｋｏｖｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍ，ｈｅｔｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔａｒｇｅｔｃａｎｂｅａｃｃｕｒａｔｅｌｙｓｅｇｍｅｎｔｅｄｗｈｉｌｅｐｒｅｓｅｒｖｉｎｇｍｏｒｅｄｅｔａｉｌｓ．
ｐｒｏｐｏｓｅｄｆｏｒｔｈｅＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ（ＳＡＲ）ｉｍａｇｅｕｎｄｅｒｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄ．Ｕｔｉｌｉｚａｔｉｏｎｏｆｔｈｅａｄｖａｎｔａｇｅｓｏｆｂｏｔｈｈｅｔ
可夫（ＭＲＦ）模型的算法。该算法综合利用了ＭＲＦ模型在影像分割中的优势和图像的多分辨率描述的信息，采用高斯混合模型建模各个尺度的特征场，Ｐｏｔｔｓ模型建模各个尺度的标记场，大尺度的分割结果直接投影到小尺度上，作为分割的初始结果。实验部分与经典的阈值分割算法和马尔可夫分割算法进行比较、分析，结果表明该算法可准ｙｐｒｏｊｅｃｔｅｄｔｏｔｈｅｓｍａｌｌｓｃａｌｅ．Ｉｎｈｅｔｅｘｐｅｉｒｍｅｎｔａｌｐａｒｔ，ｃｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｃｌａｓｓｉｃｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄ