运动、静止目标获取与识别(MSTAR)计划表明,将合成孔径雷达(SAR)图象分割成目标、阴影和背景杂波区域对于从开放环境中进行目标识别是一种有效的手段.但是由于SAR图象所固有的斑点噪声的影响,传统的分割方法很难获得准确的分割.为此提出了一种基于MRF(Markov random field)模型的SAR图象分割算法.用MRF模型描述待分割图象的先验知识,利用最大似然(ML)估计从训练数据中获得图象各区域的先验概率分布,采用Bayes方法,在观测数据基础上,根据分割图象的后验分布所对应的MRF模型的条件概率,利用Metroplis采样器获得最大后验概率(MAP)准则下的图象分割.通过对MSTAR的样本目标图象应用该算法,结果表明它可以获得稳健和准确的分割效果.
展开▼
