综合边界和纹理信息的合成孔径雷达图像目标分割

目的 针对传统Grab Cut算法需要人工交互操作，无法实现合成孔径雷达（SAR）图像的自动分割，且方式单一（仅利用边界或纹理信息中的一种）的问题，提出一种综合利用边界和纹理信息的改进Grab Cut算法，实现对SAR图像目标的自动分割。方法 首先将其他格式的彩色或灰度SAR图像转化为24 bit的位图，采用图形理论对整幅SAR图像建模，根据最大流算法找到描述图的能量函数最小的割集，从而分割出目标区域；然后采用中值滤波抑制相干噪声；最后通过邻域生长算法滤除图像斑点和小目标的干扰，从而达到目标边界的连接，实现自动对SAR图像中的目标进行分割。结果 在64位Window 7环境下采用MATLAB R2014处理平台，对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验，特征目标被自动分割出来，耗时分别为1.69 s、1.58 s、1.84 s和3.09 s，相比Mean-shift和Otsu算法，平均计算效率分别提升150%和3%，并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论 综合利用边界和纹理信息能够有效抑制相干噪声，去除图像斑点和小目标的干扰，从而达到目标边界的连接，实现对SAR图像目标的自动分割。实验结果表明，本文算法可以满足工程化应用要求，自适应性强，分割精度高，且具有较好的鲁棒性。

Synthetic aperture radar image target segmentation methodbased on boundary and texture information