论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像分割是将图像中感兴趣的目标进行分离,以便于精确地对目标进行研究分析,此项技术已被广泛应用于军事侦察、自然资源探测、海洋监视、农林业监测等各个方面。至今为止,已经提出了大量的图像分割方法,其中,基于高斯混合模型的分割方法得到了广泛应用,但是,由于SAR图像数据的复杂性及其非线性、非高斯性,传统的高斯混合模型方法不能准确地对SAR图像数据进行描述。因此,本文利用具有更强灵活性与描述能力的广义Gamma混合模型对SAR图像进行建模,为准确分割图像奠定基础。本文主要研究了基于广义Gamma混合模型的SAR图像分割算法,主要内容如下所述：(1)首先利用两分量的广义Gamma混合模型与最小误差原理,推导出基于广义Gamma混合模型的最小误差分割算法,然后利用直方图微分法判断图像直方图的谷点位置及其个数,依据谷点个数,确定直方图分组数,在每组分别利用基于广义Gamma混合模型的最小误差算法,自适应的确定每组的阈值,最终实现图像的多阈值分割。通过与现有几种算法的比较,提出算法具有可行性和有效性,并得到了较好的分割效果。(2)针对全局阈值法的局限性与对直方图进行分组造成的截断效应,以及SAR图像数据的复杂性,本文利用广义Gamma混合模型对SAR图像进行建模,通过基于CQPSOEM算法对混合模型参数进行估计,并利用MDL算法自适应确定模型分量数,CQPSO方法结合了量子粒子群优化的简便性与混沌机制的遍历性,可以极大提高模型参数估计的准确性,并减小计算复杂度,最后结合贝叶斯最小误差率准则实现对SAR图像的分割。通过与前一种算法及现有算法的比较,提出算法具有更强的鲁棒性,分割精度也得到了明显提高。