基于随机投影和签名框架的SAR图像分割方法研究

摘要

图像分割是模式识别等领域中的重要的研究内容。我们知道纹理是SAR图像的重要信息和基本特征。作为一种广泛存在的图像的模式,纹理已经成为了 SAR图像分类和分割中的重要研究课题。近几年来,由于压缩感知理论技术的提出和快速发展,使其在很多应用领域都引起关注,成为了热门的科学研究的前沿。于是,如何将压缩感知的先进技术用到SAR图像纹理分类和像素分割的领域上来,得到了我们的重点关注和迫切的探索。本文围绕图像分类与分割和压缩感知技术理论展开了深入探索和研究,同时针对SAR图像特点,提出了以随机投影中的观测向量作为特征向量进行像素分割的方法,同时,在研究局部特征分布的图像分类与分割的算法中,成功地将签名(Signature)框架应用到压缩感知图像分类与分割的技术上,并且取得了一定的研究成果。
　　本文的主要工作与研究成果如下:
　　1.改进了一种基于观测向量的 SAR图像分割方法。该算法中,我们首先根据图像分割和压缩感知技术的特点,提出了将观测向量作为最终图像分割的特征向量的技术。其次,算法将采用“词袋”(bag of words)模型来对训练图像和测试图像分别进行建模,最后通过 NN分类器来对比训练模板和测试模板,就可以得到最终的分割效果。实验结果表明,本文算法具有较强的鲁棒性。
　　2.提出了一种基于Signature框架的压缩感知SAR图像纹理分类和SAR图像地物分割的方法。对于“词袋”模型,仅仅是对“视觉词汇表”中相应“词汇”的权重信息,最后组成用一个直方图来表示原图像。Signature局部特征分布的表示方法是将“词汇”的权值信息和“词汇”组合在一起,这样的一个组合成为一个签名,签名可以来表示特定“词汇”的详细信息,从而增加了特征的判定信息。我们用EMD距离来判定签名集合之间的相似性,EMD距离相比于欧式距离等能够捕捉更多图像感知上的相似性。实验表明,本方法较Li Liu框架能够得到更高的分类正确率。
　　3.提出了一种基于ZigZag扫描方式的Signature框架的压缩感知SAR图像分割方法。此算法中,首先,先利用ZigZag扫描方式对图像块进行处理后随机观测,再利用Signature局部特征分布的表示方法,将得到的聚类中心以及其相应的权重信息有效地结合在一个签名中;最后,再利用陆地移动距离(Earth Mover’s Distance,EMD)来度量图像间的相似性。最后实验结果表明了本算法和原有算法(上一个算法)相比,分割效果有了一定的提高,并且复杂度也得到了相应的降低。并将该算法与传统的SAR图像分割算法做对比实验,证明该算法确实能取得较为理想的分割效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 SAR图像纹理分析研究现状

1.3 SAR图像分割研究现状

1.4 本论文的主要工作及内容安排

第二章 基于随机投影的SAR图像分割算法

2.1 引言

2.2 压缩感知理论

2.4 实验结果与分析

2.5 本章小结

第三章 基于Signature框架的SAR图像纹理分类与分割算法

3.1 引言

3.2 Signature局部特征分布描述

3.3 EMD距离的计算

3.4 基于Signature框架的SAR图像地物分类算法

3.5 基于Signature框架的SAR图像分割算法

3.6基于ZigZag扫描和签名框架的SAR图像分割算法

3.7 本章小结

第四章 总结与展望

4.1 工作总结

4.2 展望

致谢

参考文献

硕士期间部分科研成果