论文部分内容阅读
合成孔径雷达（SyntheticAperture Radar, SAR）凭借其独特的优势在军事、国民经济领域中有着广泛的应用。然而事实上SAR系统的信息获取技术明显超前于信息处理技术，使得SAR图像数据的快速准确的解译成为目前SAR图像处理的热点与难点，SAR图像分割作为SAR图像解译的基础，也成为图像处理领域的一个研究热点。本文从视觉计算理论出发，对如何实现无监督的SAR图像分割进行了一些研究，本文的主要工作如下：首先，针对无监督SAR图像分割中的难点，分析了朱松纯等人提出的初始素描模型[40]。本文根据使用初始素描模型得到的SAR图像的Primal Sketch Map对地物信息的稀疏表示结果，分析了Primal Sketch Map中线段所蕴含的语义信息，依据线段的中点、长度和方向信息，定义线段的聚集性和分布结构特征等来表达线段在SAR图像中所蕴含的不同语义信息，实现基于语义信息的线段分类。其次，在对SAR图像的Primal Sketch Map中线段的语义信息分析的基础上，本文提出了基于线段语义信息分析的区域划分方法。该方法从Primal Sketch Map中得到了一致连通的区域，区域内的线段在方向，分布结构和聚集程度等特征方面具有明显的统计特性，故本文提出在Primal Sketch Map上进行连通区域的获取，这就避免了在SAR图像上用基于像素或超像素的无监督SAR图像分割方法无法合并像素或超像素构成连通区域的难题。理论分析和实验结果表明，本文提出的基于线段的区域划分方法是合理的，能有效分割出由地物目标聚集形成的如森林、建筑群等地物区域。最后，对Primal Sketch Map中的剩余区域所对应的SAR图像部分区域，本文使用一种基于部分区域的分水岭分割方法，实现了对这部分SAR图像的分割，最终完成了基于Primal Sketch Map和语义信息分类的SAR图像分割任务。实验表明，本文提出的SAR图像分割算法可以获得较好的分割结果，尤其对大片森林和大片建筑群等地物能获得一致连通的分割结果。