改进马尔科夫随机场的SAR图像建筑物分割

作为城区主要目标之一，建筑物的检测和提取至关重要，而利用图像分割将建筑物从背景中分离出来是后续处理的基础。传统马尔科夫随机场（Markov Random Field, MRF）模型对合成孔径雷达（Synthetic Aperture Radar, SAR）图像进行建筑物分割时只利用了灰度信息，因此对灰度不均匀目标分割完整性较差，且利用最小能量准则分割时未考虑两部分随机场能量的相互关系，从而导致分割结果不能同时兼顾区域一致性与边缘细节性。为此，研究提出一种改进MRF的SAR图像建筑物分割方法。首先，通过在观测场引入由巴氏距离加权的纹理特征，实现对灰度不均匀建筑物的完整提取；其次，在两部分随机场能量中引入随迭代次数变化的权重，实现在建筑物密集区域保持边缘平滑的同时更好地抑制噪声。为了验证算法的有效性和实用性，对不同场景的SAR图像进行处理，结果表明：所提算法在不同场景中均能得到更好的分类正确率和Dice系数。