基于統(tǒng)計模型的SAR圖像分割.pdf

1、圖像分割是數(shù)字圖像處理技術中的一項關鍵技術，其目的是將圖像中有意義的特征部分提取出來，諸如圖像的邊緣、紋理等，這是進一步進行圖像識別、分析和理解的基礎。圖像分割算法一般是基于亮度值的兩個基本特性之一：不連續(xù)性和相似性。早期的圖像研究主要將分割方法分為兩大類，一種是基于邊界的分割方法，另一種是基于區(qū)域的分割方法，而后來興起的基于統(tǒng)計模型的圖像分割方法則得到了更多的關注。
　　 本文主要研究基于變換域統(tǒng)計模型的SAR圖像分割方法和基

2、于空域統(tǒng)計模型的SAR圖像分割方法，主要包括以下三個方面的內容：
　　 1)提出了一種基于第二代Bandelet高斯混合模型的SAR圖像分割方法(BGMMseg)。該方法在分割邊緣的準確性和區(qū)域一致性上較傳統(tǒng)基于變換域隱馬爾可夫樹(Hidden Markov Tree，HMT)模型圖像分割方法的結果有明顯改善，特別是對邊緣較簡單、紋理信息不太豐富的SAR圖像得到了非常滿意的結果。
　　 2)提出了一種基于第二代Bande

3、let域HMT-3S模型的SAR圖像分割方法(BHMT-3Sseg)，通過HMT-3S模型參數(shù)的訓練、各尺度似然值的計算得到初始分割結果；然后采用一種結合了父節(jié)點及其鄰域、子節(jié)點及其鄰域信息的上下文模型對初始分割結果進行多尺度融合，得到最終分割結果。由于BHMT-3Sseg方法結合了Bandelet變換表示圖像邊緣特征的優(yōu)勢和HMT-3S模型描述具有相同紋理區(qū)域特征的合理性優(yōu)點，使得分割結果不僅具有準確、清晰的邊緣，而且具有很強的區(qū)域一