使用测地线活动轮廓模型的合成孔径雷达图像分割方法

发布时间：2020-12-16 13:42

　　为解决经典的测地线活动轮廓(geodesic active contour, GAC)模型在合成孔径雷达(synthetic aperture radar,SAR)图像上不适用的问题,在原GAC模型的基础上提出一种新的分割方法。首先在ROEWA算子进行边缘检测的同时使用Frost滤波器对图像进行负指数加权,形成边滤波边检测的模式,提高了算子的边缘检测与定位能力;然后使用经验阈值对ROEWA强度进行二值化,提高了曲线演化的速度与精确度;最终使用二值化的改进后ROEWA算子替代原GAC模型中的全局梯度项作为边缘指示函数引导图像分割。实验结果表明,针对仿真SAR图像及真实河流SAR图像,分割效果与参数指标都有明显提升。 

【文章来源】：科学技术与工程. 2020年20期 北大核心

【文章页数】：6 页

【部分图文】：

各方法在图5(b)上的分割结果比较

GAC模型在大多数光学图像上都能取得很好的分割效果,但直接应用在SAR图像上会导致分割失败。原模型中的边缘指示函数g是基于图像的梯度的,普通图像中的加性噪声可以通过高斯平滑抑制,而SAR图像夹杂的大量乘性噪声却有着严重干扰,导致梯度算子失效,最终达不到理想的分割效果。如图1所示,GAC模型在仿真SAR图像与真实SAR图像上受相干斑的干扰导致曲线演化缓慢且不能收敛至图像边缘最终分割失败。2 改进的GAC模型

式(11)中:m为中心像素;衰减因子 ψ(k)= μδ Ι (k) Ι ˉ (k) , Ι ˉ (k) 和δI(k)分别表示位置k处图像I在窗内的均值与标准差,μ为待定常数。将经过Frost负指数加权后的图像 Ι ∧ (m) 替代原始图像I送入ROEWA的计算公式,将改进后的ROEWA算子强度命名为 r ∧ max 。如图2所示,图像中的相干斑被削弱,同时边缘检测的能力得到了提升。2.2 基于GAC模型的SAR图像分割方法

【参考文献】：
期刊论文
[1]基于二维能量检测的舰船SAR图像阈值分割[J]. 邱洪彬,王雪梅,许哲,张钧,宿常鹏.  系统工程与电子技术. 2019(12)
[2]一种改进的Otsu多阈值SAR图像分割方法[J]. 杨蕴,李玉,王玉,赵泉华.  遥感信息. 2019(04)
[3]基于CV模型改进的磁共振成像图像分割方法[J]. 兰红,韩纪东.  科学技术与工程. 2018(28)
[4]基于Bregman散度和RSF模型的水平集图像分割方法[J]. 程丹松,何仕文,石大明,刘晓芳.  哈尔滨工业大学学报. 2018(05)
[5]SAR图像河流分割的加权指数区域能量模型[J]. 韩斌,吴一全.  测绘学报. 2017(09)
[6]边缘惩罚层次区域合并SAR图像分割算法[J]. 张泽均,水鹏朗.  电子与信息学报. 2015(02)
[7]一种新的SAR图像局部统计活动轮廓模型及算法[J]. 刘光明,孟祥伟.  武汉大学学报(信息科学版). 2015(05)



本文编号：2920263