區(qū)域Gamma混合模型的SAR圖像分割-論文.pdf

《區(qū)域Gamma混合模型的SAR圖像分割-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、1007-4619(2014)05—1024—10JournalofRemoteSensing遙感學(xué)報區(qū)域Gamma混合模型的SAR圖像分割李琴潔，楊學(xué)志，吳克偉，薛麗霞，郎文輝合肥工業(yè)大學(xué)計算機與信息學(xué)院，安徽合肥230009摘要：針對傳統(tǒng)Gamma混合模型用于SAR圖像分割時忽略像素間空間相關(guān)性，導(dǎo)致分割結(jié)果不連續(xù)并產(chǎn)生大量誤分割的現(xiàn)象，提出了區(qū)域Gamma混合模型的SAR圖像分割算法。首先對圖像進行分水嶺分割，得到過分割區(qū)域塊，然后將其作為輸入樣本進行基于Gamma混合模型的聚類，在模型的參數(shù)估計過程中進一步考慮區(qū)域間的空間相關(guān)性，設(shè)計鄰域因子融入到迭代

2、過程，得到鄰域加權(quán)類分布概率。該算法充分利用像素間的空間相關(guān)性，能夠降低噪聲對分割結(jié)果的影響。通過合成圖像和真實SAR圖像的實驗表明，本文算法能夠?qū)崿F(xiàn)SAR圖像的準確分割。關(guān)鍵詞：合成孔徑雷達，分水嶺，Gamma混合模型，鄰域因子，EM算法中圖分類號：TP751文獻標志碼：A引用格式：李琴潔，楊學(xué)志．吳克偉。薛麗霞，郎文輝．2014．區(qū)域Gamma混合模型的SAR圖像分割．遙感學(xué)報。18(5)：1024-1033LiQJ，YangXZ，WuKW。XueLXandLangWH．2014．Syntheticapertureradarimagesegmenta-ti

3、onusingaregionalgammamixturemode1．JournalofRemoteSensing，18(5)：1024—1033【DOI：10．11834／jItS．20143230]1引言過參數(shù)估計以及最大后驗概率準則從而實現(xiàn)圖像的分割。高斯混合模型(GMM)憑借其形式簡單、計合成孔徑雷達(SAR)圖像分割是SAR圖像自動算方便等特點，已成為比較普遍應(yīng)用的有限混合模解譯的關(guān)鍵技術(shù)之一，其結(jié)果對SAR圖像的解譯具型，如Tang等(2009)在高斯混合模型基礎(chǔ)上，利用有重要意義。研究人員通過對SAR圖像分割的研鄰域加權(quán)方法對矢量圖像進行了分割，Z

4、hu等(2011)究，提出了多種經(jīng)典的分割算法，主要包括閾值法考慮像素間相互關(guān)系，利用自適應(yīng)空間信息高斯混(Haverkamp等，1993)、聚類算法(Dabboor等，2013；合模型對光學(xué)圖像進行了分割，Lu等(2011)采用分Doulgeris等，2011；Gou等，2013)、結(jié)合邊緣檢測與水嶺算法與高斯混合模型相結(jié)合對SAR圖像進行區(qū)域合并的算法(Soh等，2004)以及基于MRF的分分割。但是，由于SAR獨特的成像機理，SAR圖像割算法(Deng和Clausi，2005；Ochilov和Clausi，通常受到相干斑噪聲的較大干擾，在SAR圖像的研2

5、012；Yang和Clausi，2012)。其中，聚類算法因簡單究中，實際得到的數(shù)據(jù)大多具有非線性、非高斯特有效而被廣泛應(yīng)用于圖像分割中(Celik和Lee，性，且局限于高斯分布的擬合能力，導(dǎo)致高斯混合2013；Xiang和Wang，2003)。模型不能完全、準確、有效地應(yīng)用于SAR圖像的分有限混合模型聚類是一種基于模型的統(tǒng)計聚割研究中。Goodman(1975)根據(jù)SAR圖像中相干斑類方法，不局限于特定的概率密度函數(shù)形式，模型噪聲模型，證明了在區(qū)域均勻的假設(shè)下，SAR強度的復(fù)雜度僅與所求解的問題有關(guān)。有限混合模型圖像滿足Gamma分布。研究人員根據(jù)SAR圖像

6、的聚類將提取的圖像灰度信息作為對象進行聚類，將統(tǒng)計模型，提出了較多的分割算法。例如，Ben等圖像分割問題轉(zhuǎn)化為混合模型的參數(shù)估計問題，通(2005)對SAR圖像進行Gamma分布建模，并通過收稿日期：2013-08—26；修訂日期：2014—03—20；優(yōu)先數(shù)字出版日期：2014—03—27基金項目：國家自然科學(xué)基金(編號：61371154，41076120，61271381，61102154)；光電控制技術(shù)重點實驗室和航空科學(xué)基金聯(lián)合資助項目(編號201301P4007)；中央高?；究蒲袠I(yè)務(wù)費專項基金資助(編號：2012HGCX0001)第一作者簡介：李5

7、~(1990-)，女，碩士研究生，研究方向為SAR圖像處理。E-mail：liqinj0626@163．tom通信作者簡介：楊學(xué)志(197O一)，男，教授，研究方向為計算機視覺。E-mail：hfut．cv@gmail．com李琴潔等：區(qū)域Gamma混合模型的SAR圖像分割水平集方法實現(xiàn)了SAR圖像的分割。Xia等(20071利用Gamma分布修改MRF中的特征模型，在聚類川=南N)(4)空間中融人了MRF隨機場。Li等(2010)利用式中，像素屬于第k類的概率P(；O。)由貝Gamma統(tǒng)計模型，并通過貝葉斯推理及可逆跳躍的葉斯公式計算如下：MCMC算法實現(xiàn)了

8、SAR圖像的分割。將Gamma混合模型