SAR图像海岸线检测与地物分类

发布时间：2017-11-26 09:20

  本文关键词：SAR图像海岸线检测与地物分类

  更多相关文章： SAR图像 海岸线检测 地物分类 纹理特征

【摘要】：SAR图像处理是人们获取信息的重要途径之一,在各个领域已经得到广泛应用。如今,SAR成像技术已经日益成熟,SAR数据的获取速度与质量也已得到迅速提升,这些都将增加对SAR图像处理技术的需求。因此如何实现快速、自动化的SAR图像处理是一个重要的研究方向。本文主要对海岸线检测方法和图像分类方法做了介绍。对于海岸线检测,主要研究了两种基本的检测方法;对于图像分类,主要研究了基于纹理特征和基于马尔科夫随机场的分类方法。本文在超像素分割的基础上提取纹理特征,选用合适的分类器对图像进行分类,又结合马尔科夫随机场理论,将纹理特征与空间信息相结合,对分类结果进一步改进。论文主要内容安排如下:1.主要研究了两种基本的海岸线检测方法。第一种方法是边界追踪法,该方法由J.Lee和I.Jurkevich于1990年提出,是一种较早的适合SAR图像的海岸线检测方法,该方法中的很多检测边界的技巧至今仍在使用。该方法主要包括两部分:一部分是图像的预处理,本文介绍了Sigma滤波方法;另一部分是边界追踪,即在边缘检测结果上追踪到一条连续的海岸线。第二种方法是阈值法,这是理论上比较简单的一种分割方法,但对杂波很敏感。本文主要研究了一种利用方差的滤波方法,然后用Otsu方法获取最优的全局阈值,进行海陆分割以得到海岸线。2.主要研究了基于纹理特征的SAR图像分类方法。本文研究了用滑窗方式提取像素点的多级局部模式直方图(Multilevel Local Pattern Histogram,MLPH)特征的方法,由于滑窗提取像素点的方式速度慢,而且滑窗大小的确定需要考虑的问题也较多,而超像素恰好能解决此问题,因此提出了一种基于超像素的MLPH特征提取方法。为得到合适的超像素,研究了一种基于似然比特征的超像素分割方法,用超像素代替滑窗提取MLPH特征,选用LIBSVM分类器对测试样本进行分类。为提高分类结果的稳定性,本文还研究了用不同超像素分割结果下的分类结果进行融合的方法,得到最终分类结果。3.主要研究了如何在基于纹理特征的分类基础上进一步改善分类结果。结合马尔科夫随机场理论知识,在超像素分割基础上,定义邻域和基团。结合先验信息定义先验能量,利用LIBSVM分类结果中到分类面距离这一变量,定义似然能量。通过能量函数的定义,结合MAP-MRF框架,运用能量最小化算法完成对场景图像的分类。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN957.52

【参考文献】

中国期刊全文数据库 前7条

1 王霞;刘振华;于俊朋;邓楚强;;基于高斯混合模型的SAR图像变化检测方法[J];现代雷达;2014年09期

2 王春瑶;陈俊周;李炜;;超像素分割算法研究综述[J];计算机应用研究;2014年01期

3 王磊;段会川;;Otsu方法在多阈值图像分割中的应用[J];计算机工程与设计;2008年11期

4 胡文琳;王永良;王首勇;;基于矩方法的K分布杂波参数估计研究[J];雷达科学与技术;2007年03期

5 ;MRF model and FRAME model-based unsupervised image segmentation[J];Science in China(Series F:Information Sciences);2004年06期

6 谢瑛;Gamma概率分布模型参数的数值估计方法[J];河南气象;2001年04期

7 邓炜,赵荣椿;基于小波变换的SAR图像相干斑噪声消除方法研究[J];信号处理;2001年01期

，

本文编号：1229322