区域GMM聚类的SAR图像分割

高斯混合模型(GMM)聚类算法近年来广泛应用于图像分割领域。但在SAR图像分割中,由于忽略了图像像素间的空间相关性,使其对相干斑噪声十分敏感。提出一种基于区域的GMM聚类算法,它将空间相关性引入聚类分类中,利用分水岭分割得到基本同质区域,计算区域的灰度均值作为GMM聚类算法的输入样本,将聚类特征从像素水平提升到区域水平,减少了噪声对分割结果的影响;并将自身反馈机制引入期望最大化(EM)算法中,进一步提高了GMM模型参数估计的精度。还对合成图像和真实SAR图像进行了分割实验,结果表明新算法可有效地提高分割的     

结合区域分割和双边滤波的图像去噪新算法

提出一种结合区域分割和双边滤波的图像高斯噪声抑制新算法。基于像素的双边滤波器在滤波时,由于平滑系数的选择受到噪声的干扰,在图像边缘区域的滤波存在一定的盲目性,导致滤波结果中结构信息不能有效保持。本文在图像分割的基础上利用区域图来指导双边滤波过程,根据区域内的噪声属性和区域间的相似程度来分别计算相应像素间的滤波平滑系数。通过对区域内与区域间进行不同模式的滤波,增强了滤波算法对图像结构的自适应性。实验结果表明,该算法在获得良好去噪效果的同时,能有效保持图像的结构信息。     

基于冰情图的极地SAR海冰图像分割

冰情图在极区安全航行、气候研究等方面具有重要价值,但其存在不能提供像素级的定位信息、对密集度的估计较粗略等缺陷。基于此,提出一种基于冰情图的边缘保持区域型MRF分割方法。依据冰情图从SAR图像中提取子图像,进行SRAD滤波、分水岭初始分割、区域型MRF分割,合并各子图像得到最终分割结果,实现人工解译和计算机解译的结合,得到像素级的结果,具有物体边缘定位准确、分割效率高、可并行化处理等优点。实验结果表明,该方法对极区SAR海冰图像均具有良好的分割效果。