基于统计模型的SAR图像降斑与分割方法研究.pdf

  本文关键词：基于统计模型的SAR图像降斑和分割方法研究，由笔耕文化传播整理发布。

基于统计模型的SAR图像降斑和分割方法研究 FTMF模型的SAR图像分割方法在分割过程中能够有效地保留原始SAR图像的信 息，获取准确的边界定位和较好的区域一致性。 第三部分以研究小波域多尺度统计模型和SAR图像的非平稳统计特性为基 础，提出了小波域多尺度多方向TMF WTMF 模型。为捕获尺度内图像结构的 局部空域相关性以及尺度间的父子代依赖关系，本论文构建了WTMF模型的多尺 度因果势能函数。为充分捕捉图像的奇异性信息，本论文构建了基于小波域隐马 结构和图像特征上整合图像的全局和局部信息，并利用粗尺度上的全局结构信息 指导细尺度上的分割，实现多尺度决策融合。此外，本论文针对非平稳SAR图像 的纹理统计特性，提出了一种新的基于非平稳各向异性高斯核 NAGK 参数的辅 助场初始化方法。合成图像和实测SAR图像的实验结果和分析表明粗尺度上的全 局结构信息对细尺度上的分割具有指导作用，WTMF模型通过贝叶斯决策融合实 现这一指导作用，从而提高分割算法的抗噪性能，有效地解决误分割问题。 第四部分以研究分层统计模型和SAR图像的非平稳统计特性为基础，提出了 型构建了尺度内基团势能函数和尺度间条件基团势能函数以精确捕获非平稳SAR 图像的全局和局部特征。基于HTMF模型的分割方法借助于四叉树结构上的贝叶 斯推论，通过上行．下行概率计算过程估计HTMF模型的多尺度边缘后验概率以实 现尺度内SAR图像空域相关性的有效捕获以及尺度间上下文结构信息的有效传 递，进而完成无监督多尺度SAR图像的贝叶斯统计分割。合成图像和实测SAR图 像的实验结果和分析表明与TMF模型相比，HTMF模型能够较好地保持SAR图 像的结构信息，，有效

  本文关键词：基于统计模型的SAR图像降斑和分割方法研究，由笔耕文化传播整理发布。