区域Gamma混合模型的SAR图像分割-论文.pdf

《区域Gamma混合模型的SAR图像分割-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、1007-4619(2014)05—1024—10JournalofRemoteSensing遥感学报区域Gamma混合模型的SAR图像分割李琴洁，杨学志，吴克伟，薛丽霞，郎文辉合肥工业大学计算机与信息学院，安徽合肥230009摘要：针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性，导致分割结果不连续并产生大量误分割的现象，提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割，得到过分割区域块，然后将其作为输入样本进行基于Gamma混合模型的聚类，在模型的参数估计过程中进一步考虑区域间的空间相关性，设计邻域因子融入到迭代

2、过程，得到邻域加权类分布概率。该算法充分利用像素间的空间相关性，能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明，本文算法能够实现SAR图像的准确分割。关键词：合成孔径雷达，分水岭，Gamma混合模型，邻域因子，EM算法中图分类号：TP751文献标志码：A引用格式：李琴洁，杨学志．吴克伟。薛丽霞，郎文辉．2014．区域Gamma混合模型的SAR图像分割．遥感学报。18(5)：1024-1033LiQJ，YangXZ，WuKW。XueLXandLangWH．2014．Syntheticapertureradarimagesegmenta-ti

3、onusingaregionalgammamixturemode1．JournalofRemoteSensing，18(5)：1024—1033【DOI：10．11834／jItS．20143230]1引言过参数估计以及最大后验概率准则从而实现图像的分割。高斯混合模型(GMM)凭借其形式简单、计合成孔径雷达(SAR)图像分割是SAR图像自动算方便等特点，已成为比较普遍应用的有限混合模解译的关键技术之一，其结果对SAR图像的解译具型，如Tang等(2009)在高斯混合模型基础上，利用有重要意义。研究人员通过对SAR图像分割的研邻域加权方法对矢量图像进行了分割，Z

4、hu等(2011)究，提出了多种经典的分割算法，主要包括阈值法考虑像素间相互关系，利用自适应空间信息高斯混(Haverkamp等，1993)、聚类算法(Dabboor等，2013；合模型对光学图像进行了分割，Lu等(2011)采用分Doulgeris等，2011；Gou等，2013)、结合边缘检测与水岭算法与高斯混合模型相结合对SAR图像进行区域合并的算法(Soh等，2004)以及基于MRF的分分割。但是，由于SAR独特的成像机理，SAR图像割算法(Deng和Clausi，2005；Ochilov和Clausi，通常受到相干斑噪声的较大干扰，在SAR图像的研2

5、012；Yang和Clausi，2012)。其中，聚类算法因简单究中，实际得到的数据大多具有非线性、非高斯特有效而被广泛应用于图像分割中(Celik和Lee，性，且局限于高斯分布的拟合能力，导致高斯混合2013；Xiang和Wang，2003)。模型不能完全、准确、有效地应用于SAR图像的分有限混合模型聚类是一种基于模型的统计聚割研究中。Goodman(1975)根据SAR图像中相干斑类方法，不局限于特定的概率密度函数形式，模型噪声模型，证明了在区域均匀的假设下，SAR强度的复杂度仅与所求解的问题有关。有限混合模型图像满足Gamma分布。研究人员根据SAR图像

6、的聚类将提取的图像灰度信息作为对象进行聚类，将统计模型，提出了较多的分割算法。例如，Ben等图像分割问题转化为混合模型的参数估计问题，通(2005)对SAR图像进行Gamma分布建模，并通过收稿日期：2013-08—26；修订日期：2014—03—20；优先数字出版日期：2014—03—27基金项目：国家自然科学基金(编号：61371154，41076120，61271381，61102154)；光电控制技术重点实验室和航空科学基金联合资助项目(编号201301P4007)；中央高校基本科研业务费专项基金资助(编号：2012HGCX0001)第一作者简介：李5

7、~(1990-)，女，硕士研究生，研究方向为SAR图像处理。E-mail：liqinj0626@163．tom通信作者简介：杨学志(197O一)，男，教授，研究方向为计算机视觉。E-mail：hfut．cv@gmail．com李琴洁等：区域Gamma混合模型的SAR图像分割水平集方法实现了SAR图像的分割。Xia等(20071利用Gamma分布修改MRF中的特征模型，在聚类川=南N)(4)空间中融人了MRF随机场。Li等(2010)利用式中，像素属于第k类的概率P(；O。)由贝Gamma统计模型，并通过贝叶斯推理及可逆跳跃的叶斯公式计算如下：MCMC算法实现了

8、SAR图像的分割。将Gamma混合模型