SAR图像目标分割活动轮廓模型及其算法的研究

摘要

合成孔径雷达（Synthetic Aperture Radar，SAR）由于具有不受光照、时间及气候等客观条件影响的优点，使得它广泛应用于很多领域。然而因为 SAR系统成像机理的特殊性和不同物体表面后向散射的多样性，使得 SAR图像的处理工作变得极其困难。而SAR图像中固有的斑点噪声更加剧了图像中目标边缘的模糊程度。SAR图像的目标边缘检测是 SAR图像处理领域中的重要研究内容，其轮廓提取精度的高低直接影响着图像解译的质量。因此，设计一种高效、高精度的 SAR图像轮廓提取算法是非常有必要的。而现存的 SAR图像分割方法往往含有算法复杂度高、噪声抑制能力差、提取精度低等缺点。为了解决以上问题对实际应用造成的困扰，本文开展了以下研究工作：
　　1）首先使用Gamma分布来描述SAR图像的统计特性，其次，针对Ayed模型算法复杂度低而抑制噪声能力差、局部高斯分布拟合能量（local Gaussian distribution fitting energy, LGDF）模型算法复杂度高而抑制噪声能力强的特点，结合两者的优点，提出了基于区域的活动轮廓分割模型，该模型抑制噪声能力强且算法复杂度低。最后通过合成和真实SAR图像的实验结果验证了提出方法的有效性。
　　2）针对现存方法处理SAR图像尖锐边缘和弱边缘能力较差的问题，在上述研究内容的基础上，提出了基于边缘-区域的活动轮廓模型。该模型包括两项：边缘-区域项和正则项。边缘-区域项由Gamma模型和梯度项模型导出，主要用于处理斑点噪声和牵引曲线朝着期望位置运动；而正则项不仅能够规范演变曲线的形状，同时也具有较强地平滑作用从而避免小的孤立区域的出现。并且利用梯度下降流方法来最小化所提出的能量泛函。实验结果表明该模型不仅对轮廓初始化位置不敏感，而且相比于其他方法，具有收敛速度快及良好的处理非均质区域能力。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究的背景和意义

1.2 国内外研究现状

1.3 本文的主要内容及章节安排

第二章 活动轮廓模型与水平集方法

2.1 基于参数的经典活动轮廓模型

2.2 基于几何的经典活动轮廓模型

2.3 本章小结

第三章 基于区域的SAR图像目标轮廓提取方法研究

3.1 基于区域的SAR图像统计建模

3.2 实验结果与分析

3.3 本章小结

第四章 基于边缘-区域的SAR图像目标轮廓提取方法研究

4.1 基于边缘-区域的SAR图像变分分割方法

4.2 实验结果与分析

4.3 本章小结

第五章 总结与展望

5.1 工作总结

5.2 展望

参考文献

发表论文和科研情况说明

致谢