基于正则割（Ncut）的多阈值图像分割方法

在图像处理与目标识别中广为应用的阈值法是图像分割的一种重要方法,因此如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,把图像的一维灰度直方图的灰度级L和对应灰度级L的概率P视为二维平面上的点（L,P）,采用新的相似度函数来定义这些点之间的相似度,从而构建基于灰度级的相似度矩阵,然后使用正则割（Ncut）进行分类,根据分类结果确定图像的分割阈值。算法用基于灰度级的权值矩阵代替基于像素级的权值矩阵来描述图像像素的关系,因而需要的存储空间及实现的复杂性大大减少;与现有的阈值分割方法相比,该算法能够单阈值和多阈值分割图像,因此具有更为优越的性能。     

基于灰色Tsallis熵的SAR图像快速分割*

针对SAR图像斑点噪声及分割速度慢的问题,提出一种基于灰色理论和Tsallis熵的SAR图像快速分割方法。该方法首先对待分割图像进行小波变换,将表征图像概貌信息的低频部分重构为概貌图像,表征图像细节和边缘的高频部分重构为细节图像,并建立了相应的概貌—细节共生矩阵模型;然后利用灰色理论和Tsallis熵设计了基于该共生矩阵的灰色Tsallis熵模型,用于求解最优分割阈值;同时,为加快阈值搜索速度,引入群体智能中的粒子群优化算法。实验结果显示,新方法在抗噪性、分割速度和灵活性三个方面均有明显提高。     

一种改进的Otsu多阈值SAR图像分割方法

针对传统Otsu多阈值分割方法对SAR图像分割存在对噪声敏感且计算量大的问题,提出了一种结合降斑各向异性扩散(speckle reducing anisotropic diffusion,SRAD)和自适应量子遗传算法的Otsu多阈值SAR图像分割方法。首先,利用SRAD对SAR图像进行滤波,滤除其相干斑噪声,并通过获取滤波迭代过程中图像间的平均结构相似度,有效地控制迭代过程;通过图像的直方图和阈值的组合来定义图像的类间方差。然后,将阈值的组合编码为量子染色体;设置若干量子染色体构成初始阈值组合种群,并对每个组合个体以定义的类间方差作为评价标准进行适应度评价。利用量子旋转门作用于量子染色体叠加态的基态实现其进化,并根据相邻两代量子染色体的差异,逐代地调整量子旋转角的大小;以最终演化的阈值组合种群中适应度最大的阈值组合个体作为最优阈值组合,实现SAR图像最优多阈值分割。为验证所提出的分割方法,对模拟和真实SAR图像进行了实验。定性和定量评价结果表明了该方法的可行性和有效性。     

基于免疫K-means聚类的无监督SAR图像分割

利用图像纹理的信息熵特征,并结合空间矩阵的概念,提出一种基于免疫K-means聚类的无监督SAR图像分割算法.免疫规划的K-means聚类克服收敛结果易陷于局部极值的缺点,且保持K-means算法快速收敛的特点.信息熵的应用可有效抑制相干斑噪声的影响,空间矩阵的引入实现聚类过程中类别的自动合并.该算法执行复杂度不高,对噪声的影响有较强的鲁棒性,分割结果较好,是一种实用的SAR图像分割算法.     

基于谱聚类的多闭值图像分割方法

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。     

一种基于插值的图像分割方法

提出了一种新的基于插值的图像分割方法,采用自适应阈值方法,用局部最大类间方差法确定各个子图像的阈值,用一种新的插值法对阈值矩阵进行插值处理,使之成为与原图像像素数目相同的新矩阵,利用新的阈值矩阵对原图像进行二值化处理。结果表明,利用该方法具有很好的分割效果。     

一种基于新差异算子和纹理的SAR图像水体变化检测算法

针对多时相合成孔径雷达(SAR)变化检测中的孤立噪声点、需人工选择部分参数、信息利用不全等问题,提出一种基于新差异算子和纹理的SAR图像水体变化检测算法。一是根据SAR图像的特征,结合比率检测算子(LR)和最大似然比检测算子(LLR),提出一种新的差异算子,放大非变化和变化区域的特点,然后根据新差异图像的相邻直方图比值图确定差异图像初始分割阈值。二是提出一种新的基于局部信息的模糊C均值聚类(FLICM)方法,该方法利用初始分割阈值得到初始聚类中心,然后提出基于纹理的FLICM(FLICM_texture)方法进一步将差异图像分为3类。三是根据差异图像分割的阈值将过渡区域再次分类。本文利用加拿大渥太华和瑞士伯尔尼市、印度金奈上空的SAR图像,展示了本文方法的优越性。渥太华地区的正确率(PCC)达到了98.00%,kappa系数达到了92.03%;伯尔尼地区PCC达到了99.66%,kappa系数达到了85.77%;金奈地区PCC达到了98.83%,kappa系数达到了84.96%。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法。在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想。根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确。最后,根据相邻层相连背景像素相似的原则,逐层分割图像。实验结果表明该方法具有较好的分割效果。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。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图像分形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。实验结果分析表明,该方法是一种有效的SAR图像分割方法。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法.在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想.根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确.最后,根据相邻层相连背景像素相似的原则,逐层分割图像.实验结果表明该方法具有较好的分割效果.     

基于灰度共生矩阵纹理特征的SAR图像分割

同时考虑SAR图像局部灰度均值和方差及像素空间分布特征等统计量,在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,建立多分辨双Markov-GAR模型,采用多分辨MPM的参数估计方法及相应的无监督分割算法,对SAR图像进行纹理分割。该方法用于一些高分辨SAR图像,其分割精度及分割边缘的平滑度均优于基于灰度图像上的多分辨双Markov-GAR模型纹理分割。     

高分辨率极化SAR图像水平集分割

目的 传统的极化SAR图像分割方法中,由于采用的统计分布模型不能较好地描述高分辨率的图像纹理特征,导致高分辨率极化SAR图像分割效果较差。针对这个问题,本文将具有广泛适用性的KummerU分布嵌入到水平集极化SAR图像分割方法中,提出了一种新的极化SAR图像分割算法。方法 将KummerU分布作为高分辨率极化SAR图像的统计模型,定义一种适用于极化SAR图像分割的能量泛函;利用最大似然法对各个区域的KummerU分布进行参数估计,并通过数值偏微分方程的方法求解水平集函数,实现极化SAR图像的区域分割。结果 分别对仿真全极化数据,真实全极化数据进行分割实验,结果表明本文提出的方法其分割精度高于传统方法,分割精度高于95%,从而验证了新方法的有效性。结论 本文算法能够对各向同质区和各向异质区的极化SAR图像都能取得良好的分割效果,并适应于多种场景,有效地分割出背景和目标。     

利用高分辨率SAR立体像对提取数字地形模型研究

高分辨率的SAR卫星都具有多角度的扫描能力,使其同样具有立体观测的能力,为我们提供了另一种产生DEM的手段。利用SAR立体像对提取DEM的影响因子包括:数据类型斜距和地距、控制点和连接点、分辨率和相关器以及噪声和数据深度等。本文利用在两个地区的五景SAR像对就生成DEM和这些因子对DEM的影响进行了研究。通过研究发现TerraSAR-X和CosmoSkymed同样具有很好的立体成像能力,可以用来提取数字地形模型。适合利用其他手段生成DEM困难的地区使用。     

Unsupervised multi-class segmentation of SAR images using fuzzy triplet Markov fields model

Triplet Markov fields (TMF) model proposed recently is suitable for nonstationary image segmentation. For synthetic aperture radar (SAR) image segmentation, TMF model can adopt diverse statistical models for SAR data related to diverse radar backscattering sources. However, TMF model does not take into account the inherent imprecision associated with SAR images. In this paper, we propose a statistical fuzzy TMF (FTMF) model, which is a fuzzy clustering type treatment of TMF model, for unsupervised multi-class segmentation of SAR images. This paper contributes to SAR image segmentation in four aspects: (1) Nonstationarity of the statistical distribution of SAR intensity/amplitude data is taken into account to improve the spatial modeling capability of fuzzy TMF model. (2) Mean field theory is generalized to deal with planar variables to derive prior probability in fuzzy TMF model, which resolves the problem in Gibbs sampler in terms of computation cost. (3) A fuzzy objective function with regularization by Kullback–Leibler information of fuzzy TMF model is constructed for SAR image segmentation. The introduction of fuzziness for the belongingness of SAR image pixel makes fuzzy TMF model be able to retain more information from SAR image. (4) Fuzzy iterative conditional estimation (ICE) method, as an extension of the general ICE method is proposed to perform the model parameters estimation. The effectiveness of the proposed algorithm is demonstrated by application to simulated data and real SAR images.     

一种新的SAR目标及其阴影图像分割方法

针对相干斑对SAR图像分割质量的影响,给出一种新的SAR目标及其阴影图像分割方法。首先应用空域Wiener滤波器抑制棚干斑,然后根据滤波后图像统计特性确定分割阈值,对阈值分割结果进行形念学处理得到分割图像。利用MSTAR数据所作实验结果表明,采用有效的相干斑抑制方法可以更好地保持滤波图像中的目标,分割结果更为精细,并且算法速度快,有助提高ATR系统。     

A segmentation algorithm for SAR images based on the anisotropic heat diffusion equation

A method toward unsupervised segmentation of synthetic aperture radar (SAR) images is proposed. In this method, the distribution of SAR intensity image and the maximum a posteriori (MAP) algorithm is used to obtain an initial segmentation. Then according to the equivalence between the solid heat diffusion model and image scale-space, multiscale anisotropic smoothing of the posterior probability matrixes is introduced to remove the influence of speckle and to preserve important structure information. The effectiveness of this algorithm is demonstrated by application to simulated and real SAR images.     

空间约束层次加权Gamma混合模型的SAR图像分割

目的 合成孔径雷达（SAR）图像中像素强度统计分布呈现出复杂的特性,而传统混合模型难以建模非对称、重尾或多峰等特性的分布。为了准确建模SAR图像统计分布并得到高精度分割结果,本文提出一种利用空间约束层次加权Gamma混合模型（HWGaMM）的SAR图像分割算法。方法 采用Gamma分布的加权和定义混合组份;考虑到同质区域内像素强度的差异性和异质区域间像素强度的相似性,采用混合组份加权和定义HWGaMM结构。采用马尔可夫随机场（MRF）建模像素空间位置关系,利用中心像素及其邻域像素的后验概率定义混合权重以将像素邻域关系引入HWGaMM,构建空间约束HWGaMM,以降低SAR图像内固有斑点噪声的影响。提出算法结合M-H（Metropolis-Hastings）和期望最大化算法（EM）求解模型参数,以实现快速SAR图像分割。该求解方法避免了M-H算法效率低的缺陷,同时克服了EM算法难以求解Gamma分布中形状参数的问题。结果 采用3种传统混合模型分割算法作为对比算法进行分割实验。拟合直方图结果表明本文算法具有准确建模复杂统计分布的能力。在分割精度上,本文算法比基于高斯混合模型（GMM）、Gamma分布和Gamma混合模型（GaMM）分割算法分别提高33%,29%和9%。在分割时间上,本文算法虽然比GMM算法多64 s,但与基于Gamma分布和GaMM算法相比较分别快600 s和420 s。因此,本文算法比传统M-H算法的分割效率有很大的提高。结论 提出一种空间约束HWGaMM的SAR图像分割算法,实验结果表明提出的HWGaMM算法具有准确建模复杂统计分布的能力,且具有较高的精度和效率。     

于灰色模糊熵的SAR图像快速分割方法*

针对SAR图像特殊的噪声特性,提出一种基于灰色模糊熵的快速图像分割方法。该方法不仅考虑了图像像素的灰度信息,还考虑了像素与其邻域像素的空间相关信息。为弥补传统模糊方法对噪声敏感的缺陷,引入灰色关联分析理论,设计图像当前像素灰度值与其八邻域像素灰度值组成的比较序列,通过计算其与目标点参考序列的灰色关联度修正传统隶属函数,以更精确地描述该灰度值属于目标或背景的模糊隶属度,并进一步给出了灰色模糊熵模型作为选取最佳阈值的准则。此外,为尽快确定最佳隶属度阈值,采用了具有群体智能的粒子群优化算法。实验表明该方法可以在     

一种基于纹理特征融合的SAR图像分割方法

在由若干灰度共生矩阵纹理统计量进行特征融合后所生成的图像上,定义多分辨双Markov-GAR模型,采用多分辨MPM参数估计方法及相应的无监督分割算法,对SAR图像进行纹理分割。该方法既利用了像素的灰度信息,也利用了像素的空间位置信息,削弱了斑点噪声对分割的影响。实验表明对于一些高分辨SAR图像,该方法与单纯基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,分割精度得以提高。