基于先验形状约束的SAR图像目标分割

摘要

随着合成孔径雷达(SAR)技术的不断发展，SAR已成为遥感领域必不可少的手段；SAR图像数据越来越丰富。目标分割是SAR图像解译的基础性工作，可提供完整的SAR目标，对SAR目标特性以及识别研究具有重要意义。但是，SAR图像的斑点噪声以及目标区域的异质性都使得SAR图像目标分割工作具有挑战性。先验形状约束用于光学图像目标分割是近年来的研究热点之一。本文将先验形状约束引入SAR图像目标分割，主要工作如下：
　　1）分析了目标在SAR图像中几何结构的畸变情况和区域特性，给出了SAR图像目标形状的概念，并且将形状引入到水平集分割模型中。
　　2）提出一种改进的先验形状约束水平集分割方法。针对传统水平集方法在求解过程中容易出现失真的问题，本文引入了一个规范化约束函数，使得零水平集附近的函数梯度模值为1，从而避免水平集的失真和重新初始化。对舰船和复杂建筑物目标的分割验证了该方法的有效性，并且该方法对背景噪声具有鲁棒性。
　　3）针对由于SAR成像传感器的角度、飞行轨迹等原因造成的非线性形变SAR目标，研究了基于KPCA空间形状约束的分割方法。首先对训练集图像进行配准，然后利用KPCA方法提取训练集图像的特征，构建形状约束项，最后使用Parzen窗构建目标-背景二值图，构建灰度约束能量函数。水平集函数在形状约束和灰度约束函数的作用下，可有效地分割非线性形变目标。对 MSTAR车辆分割实验，验证了该方法的有效性。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 图像分割方法综述

1.3 SAR图像分割存在的主要困难

1.4研究内容与论文框架

第二章 图像分割水平集方法的理论基础

2.1 曲线演化理论

2.2 水平集方法

2.3 常用的水平集分割方法

2.4 水平集演化存在的问题

2.5 本章小结

第三章 基于单先验形状的SAR目标提取

3.1 SAR图像特性分析

3.2 基于先验形状的分割模型

3.3 实验

3.4 本章小结

第四章 基于KPCA形状约束的SAR目标分割

4.1 训练集配准

4.2 基于KPCA形状约束的水平集分割模型

4.3 实验

4.4 本章小结

第五章 MATLAB目标分割平台

5.1目标分割系统介绍

5.2集成算法

5.3软件系统实验

5.4本章小结

第六章 总结与展望

6.1 总结

6.2 后续工作与展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

上海交通大学硕士学位论文答辩决议书

声明