基于邻域信息的模糊C均值聚类SAR图像分割算法研究

摘要

高分辨率合成孔径雷达（Synthetic Aperture Radar，SAR）自诞生以来便受到相关研究人员的关注，SAR分别使用脉冲压缩技术和合成孔径原理提高了距离分辨率及方位分辨率，进而实现了对大范围内的目标区域的高分辨率成像。此外SAR更是具有全天不间断的探测和侦察能力、防区外探测能力及不受恶劣环境影响的能力，SAR图像包含的信号的幅度、相位和极化信息也填补了一般光学图像的不足。
　　SAR图像分割是解译SAR图像过程中的一个关键环节。由于能够获取的SAR图像的先验知识非常有限，因此SAR图像分割多采用无监督的分割方法。模糊C均值聚类算法（Fuzzy C-Means，FCM）是一种被大量研究且广泛应用的无监督图像分割方法，其采用的模糊集合理论能够很好的解决图像分割中的由于信息不完整、不精确、不一致造成的不确定问题。目前基于FCM的图像分割算法已经在光学图像分割领域取得了很好的效果，但直接将这些算法应用于SAR图像分割的效果并不能让人满意。SAR成像过程中由于同一分辨率单元内无法区分的众多散射体散射目标回波的相干叠加对成像质量造成很大影响，同时增加了图像分割的难度。大量的研究已经证明通过在FCM的目标表达式中融合表示邻域信息的约束项可以增强传统FCM算法的鲁棒性；本文在已有的基于FCM的图像分割方法的基础上加入了针对相干斑点噪声而构建的约束项，并提出了两种新的基于FCM的SAR图像分割算法，算法介绍如下：
　　(1)提出了一种自适应的模糊C均值聚类SAR图像分割算法（RSFCM）。首先，通过对已有的基于FCM的图像分割算法的研究发现利用邻域信息来降低算法对噪声的敏感性虽然有一定效果，但是在利用邻域信息的过程中对噪声像素和目标像素不加区分的对待使分割结果很容易受到噪声像素影响，进而导致错分类现象的发生。为了降低这种错分类现象发生的概率，RSFCM算法中引入了一个自适应的平衡因子。该平衡因子能够根据噪声强度自动调整以降低噪声像素对聚类结果的影响，避免了手动设置参数困难的问题。然后，将此平衡因子加入算法中就可以得到RSFCM的目标表达式。最后，在合成SAR图像和真实SAR图像上的一系列实验证明了所提出的算法能够显著降低错分类发生的概率，同时提高了分割结果的准确率。
　　(2)提出了一种基于邻域关系的模糊C均值聚类SAR图像分割算法（FCMNR）。首先，为了能够估计SAR图像中斑点噪声的强度，我们根据图像的邻域相关性和概率最大化准则提取出SAR图像中目标信息，接下来以图像和提取的目标信息之间的差异程度作为估计的噪声强度，由于提取目标信息的过程是针对斑点噪声的特性而设计，因此可以增强提取的目标信息的准确性。然后，基于邻域窗口内噪声像素和目标像素之间的关系构造一个自适应的参数来平衡算法对噪声敏感性和图像细节信息保留之间的关系。最后，将构建的自适应参数加入算法中便得到FCMNR的目标表达式。通过与其它基于FCM的图像分割算法的对比实验证明了FCMNR能够有效抑制斑点噪声影响，改善分割结果的区域一致性，提高分割结果的准确率。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究背景和意义

1.2国内外研究现状

1.3 SAR图像去噪算法

1.4基于FCM的图像分割方法

1.5本文工作

1.6章节安排

第二章 自适应模糊C均值聚类SAR图像分割算法

2.1平衡因子的引入

2.2构建平衡因子

2.3自适应模糊C均值聚类SAR图像分割算法

2.4实验结果与分析

2.5本章小结

第三章 基于邻域关系的模糊C均值聚类SAR图像分割算法

3.1基于邻域关系的目标信息提取

3.2基于邻域关系的模糊C均值聚类SAR图像分割算法

3.3实验结果与分析

3.4本章小结

第四章 结束语

4.1总结

4.2展望

参考文献

致谢

作者简介