基于统计模型的变分水平集SAR图像分割方法

针对SAR图像感兴趣区域分割问题,提出了一种基于统计模型的变分水平集分割方法。该方法在分析SAR图像特征的基础上,利用相干斑噪声的统计模型直接定义了关于水平集函数的能量泛函,不同于一般水平集方法中关于参数化曲线的能量泛函。通过极小化能量泛函,建立了水平集函数演化的偏微分方程。对水平集演化方程的数值求解,实现了对SAR图像感兴趣区域的分割。分别采用模拟和真实SAR图像对提出的方法进行了验证,试验结果表明该方法充分利用了SAR图像的特征信息,不需要相干斑噪声预处理,能够准确实现对SAR图像感兴趣区域的分割。     

基于广义Gamma分布的高分辨率SAR图像海岸线检测

本文针对高分辨率SAR图像,采用广义Gamma分布（GΓD）对杂波进行建模,在此基础上提出一种基于水平集分割的海岸线检测方法.GΓD是一种高度灵活的经验分布模型,能够对SAR图像不同类型的地物进行有效建模,其参数可由对数累量法估计得到.基于该分布建立能量泛函,并通过水平集方法最小化能量泛函进行海陆分割,得到海岸线检测结果.利用两幅TerraSAR-X实测SAR图像实验证明,该方法可以实现更精确的海岸线检测.     

一种基于G0分布的水平集SAR图像分割方法

G0分布是一种性能优良的概率统计模型,能够精确描述SAR图像中均匀区域、不均匀区域以及极不均匀区域的统计特性.文中基于G0分布提出了一种基于概率统计模型的变分水平集SAR图像分割方法.该方法通过引入G0分布统计模型,定义了一种更加适用于SAR图像分割的能量泛函.利用基于Mellin变换的G0分布的参数估计方法估计各个区域内最优的分布参数,并且通过水平集方法进行偏微分方程的数值求解,实现了SAR图像的区域和目标分割.由于G0分布的采用,使得该方法能够适用于多种SAR图像的分割.利用模拟和真实SAR图像上的分割实验验证了该方法的有效性.     

基于统计特征的GAC模型SAR图像分割

提出了一种基于统计特征定义边缘检测算子的测地活动轮廓（GAC）模型，并用于SAR图像分割中。首先，根据图像上每个点四个不同方向邻域统计特征的异同，计算边缘检测算子，得到GAC模型的能量泛函。其次，最小化能量泛函，得到曲线演化偏微分方程，水平集方法数值求解，最终完成SAR图像的分割。实验表明，与传统依赖图像梯度定义检测算子的GAC方法相比，文中的方法完全适用于SAR图像分割，不需要噪声的预处理过程，拓展了GAC模型的应用范围，提高了目标的正确识别率。     

SAR图像分割的G_A~0统计模型-水平集方法

由于合成孔径雷达(Synthetic Aperture Radar,SAR)图像易受相干斑噪声的影响,光学图像的分割方法并不适用于SAR图像,更不能获得精确的分割结果,首先基于G0A统计模型定义能量映射函数以代替像素值进行后续的处理,该方法可以减小相干斑的影响;其次,使用水平集算法对处理后的图像进行分割处理,选用了一种形式更为简单的水平集函数,并可以较容易地推广到多区域SAR图像分割情况.实验结果表明该方法可以减少相干斑噪声对SAR图像分割过程的不良影响,具有较好的准确性.     

基于模糊能量聚类的变分水平集遥感图像分割算法

提出一种基于模糊能量聚类的变分水平集遥感图像分割算法,该算法保留了变分水平集能够综合利用区域和边界信息的特点,改善了变分水平集方法对带噪声遥感图像进行分割时存在去噪效果不明显、分割精度不高的问题。在通过变分法得到能量泛函取极小值的水平集函数演化方程的基础上,采用了连续的最优隶属度函数,得到模糊能量聚类的变分水平集。实验仿真及对比结果表明,该算法分割后的图像区域具有明显灰度差和边界区分,去噪效果良好,而且分割精度优于对比算法。     

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.     

一种鲁棒的非均匀灰度图像分割算法

针对非均匀灰度图像分割困难及分割效率低下的问题,该文提出了一种基于活动轮廓模型的高效图像分割算法。不同于传统水平集方法中仅用单一信息定义的能量泛函,该算法结合图像的边缘信息和区域统计信息定义了一个新的能量泛函。边缘信息的利用便于演化轮廓线快速精确地定位至物体边缘;区域统计信息由局部统计信息和全局统计信息构成,一方面,局部统计信息的利用能够有效处理图像的灰度分布不均匀现象,另一方面,全局统计信息的利用避免了轮廓线陷入局部极小值。最后,在轮廓线演化过程中,通过高斯卷积核实现快速规则化,避免了传统模型计算代价高昂的重新初始化或规则化。合成图像和真实图像的实验结果表明,该文算法不仅能够快速有效分割灰度分布不均匀的弱边缘物体,而且对于多灰阶复杂结构物体也能够精确分割;同时,该算法对噪声和初始轮廓线具有较好的鲁棒性。     

采用全局相似性测量的彩色图像分割

本文提出一种新的采用全局相似性测量的彩色图像分割算法。该算法将图像分割问题表述为求解能量泛函最小化的问题。利用Bhattacharyya距离测量前景和背景之间的概率分布函数的全局相似性,并将Bhattacharyya系数作为最终的能量泛函。由于高阶能量项的引入,该能量的最小化通常是一个NP难题,为了能够有效的优化该能量泛函,本文提出一个辅助上界函数并且利用graph cuts对该函数进行优化求解。该辅助函数在优化的过程中能够保证能量递减。该算法能够应用于多种分割问题,包括交互式分割、显著性分割等。实验结果表明,算法具有全局分割的特点,能够对彩色图像进行较准确的分割。      

一种新的基于水平集方法的SAR图像分割算法

本文基于Aubert-Aujol（AA）模型和变分水平集方法提出一个新的SAR图像分割模型;在反应-扩散框架下,将各项同性扩散算子加入到该模型的水平集演化方程中,并提出一个两步分裂水平集演化算法,该算法不需要周期性地更新水平集函数。通过对合成图像和Envisat SAR图像的分割实验,表明本文提出的算法具有较准确的边缘定位能力和噪声抑制能力。     

一种基于非参数密度估计和马尔可夫上下文的SAR图像分割算法

在研究传统的基于参数的合成孔径雷达(SAR)图像统计模型基础上,为了精确估计高分辨率SAR图像的统计分布,该文提出了一种结合基于核函数的非参数估计和马尔可夫上下文的SAR图像分割算法。该算法首先采用基于核函数的非参数方法估计SAR图像的统计分布,然后将此统计量作为图像分割的似然函数,利用马尔可夫上下文约束进行SAR图像分割。该文通过软件仿真对新算法和基于参数的统计模型的算法的效果进行了比较。研究发现,基于核函数的非参数估计方法仅仅依赖实际数据,在无法准确获取分布函数解析式的情况下往往具有更好的效果。实验证明,基于核函数的非参数估计方法对高分辨率SAR图像中较为复杂的场景如城区的提取取得了更为满意的结果。     

一种新的极化SAR图像目标CFAR检测方法

该文提出了一种新的极化SAR图像目标CFAR检测算法。首先,在乘积模型框架下,引入具有均匀度变化下广泛杂波区域建模能力的逆Gamma分布,推导出了极化匹配滤波(PMF)检测量的分布模型P-G0分布。进而,利用基于Mellin变换的对数累积量导出了P-G0分布的参数估计器,保证了PMF检测量的精确建模。最后,推导出P-G0分布的CFAR检测阈值求解公式,以此设计了新的CFAR检测算法。利用RADARSAT-2极化SAR数据的实验结果表明了P-G0分布对不同均匀度的地物都具有良好的拟合性能,所提检测算法能够实现均匀度变化较大环境下目标的准确、自动检测。     

基于监督对比学习正则化的高分辨率SAR图像建筑物提取方法

近年来,高分辨合成孔径雷达(SAR)图像的智能解译技术在城市规划、变化监测等方面得到了广泛应用.不同于光学图像,SAR图像的获取方式、图像中目标的几何结构等因素制约了现有深度学习方法对SAR图像地物目标的解译效果.该文针对高分辨SAR图像城市区域建筑物提取,提出了基于监督对比学习的正则化方法,其主要思想是增强同一类别像...     

Multi-region segmentation of SAR image by a multiphase level set approach

In this letter,a multiphase level set approach unifying region and boundary-based information for multi-region segmentation of Synthetic Aperture Radar（SAR）image is presented.An energy functional that is applicable for SAR image segmentation is defined.It consists of two terms describing the local statistic characteristics and the gradient characteristics of SAR image respectively.A multiphase level set model that explicitly describes the different regions in one image is proposed.The purpose of such a multiphase model is not only to simplify the way of denoting multi-region by level set but also to guarantee the accuracy of segmentation.According to the presented multiphase model,the curve evolution equations with respect to edge curves are deduced.The multi-region segmentation is implemented by the numeric solution of the partial differential equations.The performance of the approach is verified by both simulation and real SAR images.The experiments show that the proposed algorithm reduces the speckle effect on segmentation and increases the boundary alignment accuracy,thus correctly divides the multi-region SAR image into different homogenous regions.     

一种基于二维拉格朗日连续水平集的图像分割方法

在图像分割领域中,基于离散水平集的图像分割方法不但对低信噪比图像难以实现正确地分割,而且分割速度较慢。针对这一问题,该文提出了一个基于连续水平集的图像分割方法。利用2维拉格朗日基函数的线性组合把水平集函数表示成连续函数。最小化实现图像分割的能量函数,建立基函数系数演化的微分方程。因此能量函数的最小值可直接根据拉格朗日的系数值获得。利用简单有限差分法对系数演化微分方程求解,实现了低信噪比图像的快速分割。实验结果表明该方法具有理想的分割结果。     

An Adaptive and Fast CFAR Algorithm Based on Automatic Censoring for Target Detection in High-Resolution SAR Images

An adaptive and fast constant false alarm rate (CFAR) algorithm based on automatic censoring (AC) is proposed for target detection in high-resolution synthetic aperture radar (SAR) images. First, an adaptive global threshold is selected to obtain an index matrix which labels whether each pixel of the image is a potential target pixel or not. Second, by using the index matrix, the clutter environment can be determined adaptively to prescreen the clutter pixels in the sliding window used for detecting. The $G^{0}$ distribution, which can model multilook SAR images within an extensive range of degree of homogeneity, is adopted as the statistical model of clutter in this paper. With the introduction of AC, the proposed algorithm gains good CFAR detection performance for homogeneous regions, clutter edge, and multitarget situations. Meanwhile, the corresponding fast algorithm greatly reduces the computational load. Finally, target clustering is implemented to obtain more accurate target regions. According to the theoretical performance analysis and the experiment results of typical real SAR images, the proposed algorithm is shown to be of good performance and strong practicability.