（控制理论与控制工程专业论文）基于马尔可夫随机声的sar图像分割算法研究.pdf

d i s s e r t a t i o ns u b m i t t e dt oh a n g z h o ud i a n z iu n i v e r s i t y f o rt h ed e g r e eo fm a s t e r a s t u d y o ns a r i m a g es e g m e n t a t i o n a l g o r i t h mb a s e o nm a r k o vr a n d o m f i e l d c a n d i d a t e ：w u x i a n g w e i s u p e r v i s o r ：p r o f x u ea n k e a s s o p r o f c h e nh u a j i e d e c e m b e r ，2 0 10 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个 人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人 和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：景彳 日期：“l 、年口f 月i y 日 学位论文使用授权说明 本人完全了解杭卅i 电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保 证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电予科技 大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布 论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。 ( 保密论文在解密后遵守此规定) ：黼呻嘞州叫w 指导教师签名： f 聋绎鲨日期：砂1 年口- 月l 归 杭州电了科技大学硕士学位论文 摘要 合成孔径雷达( s y n t h e t i ca p e r t u r er a d a r , s a r ) 具有全天候、全天时对地球 表面进探测和侦查以及穿透叶簇的能力，从而在军事侦察和民用上得到了广泛的 应用。图像分割是低层次计算机视觉领域中的一个基础性问题，也是实现s a r 图像自动解译的关键技术之一，是当前s a r 图像研究的一个世界性难题。将传 统应用于光学图像的分割算法应用在s a r 图像上会导致许多难以解决的问题， 比如分割精度不高、分割边界不平滑以及难以融合高层理解机制提供先验信息 等，因而难以满足实际的s a r 图像分割要求，从而迫切需要一种快速并且能够 将图像本身的低层次视觉属性和待分割切片的先验知识结合起来的分割框架。顺 应这种需求马尔可夫随机场( m a r k o vr a n d o mf i e l d ，m r f ) 图像分割模型应运而 生，并在实际s a r 图像的分割中取得了巨大成功。但是，该模型本身也存在着 诸多难以克服的问题，比如因为引入了图像的局部相关性，导致数据量膨胀严重 影响运算效率，相应的优化算法亦难以同时兼顾计算效率和优化精度；简单的边 缘模型和s a r 图像本身难以避免的相干斑噪声，使得分割算法在边缘保护和噪 声抑制问难以取得平衡。 针对以上问题，本文致力于马尔可夫随机场图像分割模型算法的研究，以 提高分割精度、算法运行效率和算法的鲁棒性为目标，提出了一系列在s a r 图 像下对m r f 模型的改进措施，并且取得了令人满意的实验结果，具体的创新性 研究成果主要包括： ( 1 ) 对由马尔可夫随机场图像分割模型得到的目标函数，采用图割( g r a p h c u t s ，g c ) 优化技术求解最优分割结果。图割中的扩展移动算法( a l p h a - e x p a n s i o n a l g o r i t h m ) 在噪声较少的情况下具有较快的收敛速度，但是在s a r 图像中该算 法的运算效率难以满足实际需求。因为扩展移动算法在构造网络时，需要在具有 不同标号的相邻像素之间添加辅助顶点，而顶点数日的增加会导致算法效率的下 降。s a r 由于其相干成像的机制会导致图像出现许多相干斑噪声，从而导致图 像的局部相关性减弱，需要添加的辅助顶点数目非常多，从而严重影响运算效率。 针对此，提出了一种基于g c 的新优化算法，可以避免添加辅助顶点，在保证分 割精度的情况下有效地提高了算法的运算效率。 ( 2 ) 在m r f 图像分割模型中，如何确定平滑能量项和数据能量项之间的 竞争因子一直是影响分割精度的关键性问题。本文提出了一种逐步增加平滑能量 项的策略，在s a r 图像分割中取得了较好的效果。 杭州电了科技大学硕士学位论文 ( 3 ) 为提高分割算法的运算速度以及分割精度，提出了一种新的分割框架： 首先对原始s a r 图像进行中值滤波预处理，然后将利用分水岭算法得到的过分 割结果作为新的处理单元，在新的处理单元上建立马尔可夫随机场并利用改进的 图割优化技术得到最终的分割结果。实验结果显示，该算法在运算效率和分割结 果的边缘保护和分割精度方面都有了质的提高。 关键字：s a r 图像分割，马尔可夫随机场，图割，贝叶斯估计，分水岭算法， s a r 图像滤波 a b s t r a c t s y n t h e t i ca p e r t u r er a d a r ( s a r ) i sw i d e l y u s e di nt h ea r e ao fm i l i t a r y s u r v e i l l a n c ea n dc i v i la r e ab e c a u s eo fi t sc a p a b i l i t yo fd e t e c t i n ga n di n v e s t i g a t i n gt o e a r t hi n t e r f a c ea n dp e n e t r a t i n gt h ef o l i a g e i m a g es e g m e n t a t i o ni saf o u n d a t i o n a l p r o b l e mi nt h ea r e ao fl o wl e v e lc o m p u t e rv i s i o nw h i c hi s a l s ot h eo n eo fc o r e t e c h n o l o g i e sr e a l i z i n gt h ea u t o m a t i o ni n t e r p r e t i n go fs a ri m a g e ，a n da l s o i st h e g l o b a lp r o b l e mo fs a rr e s e a r c h t h ea p p l i c a t i o n o ft r a d i t i o no p t i c a li m a g e s e g m e n t a t i o nm e t h o do nt h es a ri m a g ew i l ll e a dt om a n y u n r e s ol v e dp r o b l e m s f o r e x a m p l e ，t h el o wa c c u r a c yo fs e g m e n t a t i o n , t h eu n s m o o t ho fs e g m e n t a t i o nf r o n t i e r a n dt h ed i f f i c u l tt of u s et h ep r i o r ii n f o r m a t i o nc o m ef r o mh i g hl e v e lu n d e r s t a n d m e c h a n i s me t c ，s oi ti sh a r dt os a t i s f yt h ed e m a n do fs a ri m a g es e g m e n t a t i o na n di s u r g e n tt oc r e a t ean e ws e g m e n t a t i o nf r a m ew h i c hc o u l dp r o c e s si naf a s ts p e e da n d c o m b i n et h ea t t r i b u t i o no fi m a g el o wl e v e lv i s i o nw i t ht h ep r i o r ii n f o r m a t i o no fu n d e r d i v i s i o ns e c t i o n t h ea p p l i c a t i o no fm a r k o vr a n d o mf i e l di m a g es e g m e n t a t i o n m o d u l et a c k l e st h ep r o b l e mm u c hb e t t e ra n dm a k e sag r e a tp r o g r e s si nt h er e a ls a r i m a g es e g m e n t a t i o n b u tt h i s m o d u l eh a sm a n yi n s u r m o u n t a b l ep r o b l e m s ，f o r e x a m p l e s ，t h e t g t r o d u c eo fi m a g el o c a lc o r r e l a t i o n sw h i c h i sa c c o m p a n y i n gw i t hd a t a v o l u m e si n f l a t i n gw h i c hl e a d st oai n f e r i o rc o m p u t i n gs p e e d ，t h er e l a t eo p t i m a l a l g o r i t h mi s i nad i l e m m ab e t w e e nt h ec o m p u t i n ge f f i c i e n c ya n dq u a i i t yo fo p t i m a l ； t h eu n e x p e c t e dc o h e r e n tn o i s ew h i c hc o m ef r o mt h es i m p l ef r o n t i e rm o d u l ea n d i m a g em a k et h es e g m e n t a t i o na l g o r i t h m b eh a r dt ob a l a n c eb e t w e e nf r o n t i e r p r o t e c t i o na n da n t i - n o i s e t h i sa r t i c l ef o c u s e so nt h e r e s e a r c ho fm a r k o vr a n d o mf i e l di m a g e s e g m e n t a t i o nm o d u l et ot a c k l et h ep r o b l e m sp r o p o s e db e f o r ew h i c hc o u l di m p r o v e t h e a c c u r a c yo fs e g m e n t a t i o n , t h ee f f i c i e n c yo fa l g o r i t h mc o m p u t i n ga n dr o b u s t t h i s a r t i c l ew o u l dp r o p o s eas e r i e so fi m p r o v e m e n tm e a s u r e st om r fm o d u l eu n d e rs a r i m a g e s ，a n dw ea l s og e tt h es a t i s f y i n ge x p e r i m e n tr e s u l t s t h e d e t a i lo fr e s e a r c h i n n o v a t i o n si n c l u d e s ( 1 ) i m p o s i n gg r a p hc u t st e c h n o l o g yo nt a r g e tf u n c t i o nc o m e sf r o mt h em a r k o v r a n d o mf i e l di m a g es e g m e n t a t i o nm o d u l et og e tt h eo p t i m i z e dc u t sr e s u r s t h e a l p h a - e x p a n s i o na l g o r i t h mi ng c c a l ls h o o tah i g h e rs p e e du n d e rt h es i t u a t i o no fl e s s i l l 杭州电予科技大学硕士学位论文 n o i s e ，b u tt h ec o m p u t i n ge f f i c i e n c yo f t h i sa l g o r i t h mc a l m ts a t i s f yt h en e e do f a c t u a l d e m a n d i n g b e c a u s ew h e nt h ea l p h a - e x p a n s i o na l g o r i t h mi sc o n f i g u r i n gt h en e t w o r k c h a r t ，m e a n w h i l e ，w en e e da d da u x i l i a r ya c m e sa m o n gt h ea d j a c e n tp i x e l so f d i f f e r e n t c l a s sw h i c hw o u l dl e a d st ot h ed e c r e a s i n go fa l g o r r h me f f i c i e n c y w ea l lk n o wt h a t t h ec o h e r e n ti m a g ew o u l db r i n gt os p e c k l en o i s ew h i c hw o u l dl o w e rt h el o c a l i t y r e l a t i o n ，5 0w en e e dt oa d dm a n ya u x i l i a r ya c m e sf o ri m a g ea n dt h i sa l s od oh a r m st o c o m p u t i n ge f f i c i e n c y s oip r o p o s ea n e wo p t i m i z e da l g o r r h mt ot a c k l et h i sp r o b l e m , t h i sn e w o p t i m i z e da l g o r i t h mc o u l di m p r o v et h ee f f i c i e n c yu n d e r ag o o dp e r f o r m a n c e o f p a r t i t i o na c c u r a c ye f f e c t i v e l y ( 2 ) i nt h em r fi m a g es e g m e n t a t i o nm o d u l e ，t h ek e yo fi m p r o v i n ge f f i c i e n c yi s d e t e r m i n et h ep r o p o r t i o n a t er e l a t i o n s h i p sb e t w e e ns m o o t he n e r g yt e r m sa n dd a t a e n e r g yt e r m s t h i sa r t i c l ep r o p o s e sas t r a t e g yo fi n c r e a s i n gs m o o t he n e r g yt e r m ss t e p b ys t e pw h i c hi m p r o v e st h ee f f i c i e n c ye f f e c t i v e l yi nt h es a ri m a g es e g m e n t a t i o n ( 3 ) t oi m p r o v et h es p e e da n de f f i c i e n c yo fs e g m e n t a t i o n , w ep r o p o s ean e w s e g m e n t a t i o nf r a m e w o r k ：f i r s t l y , w ep a r t i t i o nt h eo r i g i n a li m a g ei n t om a n ys m a l l s e g m e n t si nw h i c hh a ss i m i l a rg r a y s c a l ea n dg o o db o u n d a r y s e c o n d l y ，i no r d e rt o e n h a n c et h ea b i l i t yo fr e d u c i n gn o i s eo ft h em e t h o d , w es e te a c hi m a g ep i x e lg r a y v a l u ea st h ea v e r a g eo ft h es e g m e n tt ow h i c ht h ep i x e lb e l o n g s f i n a l l y , i ni t e r a t i v e o p t i m i z a t i o ns t a g eo f t h ea l g o r i t h m ，e a c hs e g m e n ti np l a c eo fp i x e l sw a su s e da st h e p r o c e s s i n gu n i t s ，w h i c hr e d u c et h ea m o u n to fp r o c e s s i n gu n i ta n di m p r o v et h e e f f i c i e n c yo f t h ea l g o r i t h m k e y w o r d s ：s a ri m a g es e g m e n t a t i o n ，m a r k o vr a n d o mf i e l d ( m r f ) ，g r a p hc u t s ( g c ) ，b a y e s i a ne s t i m a t i o n , w a t e r s h e da l g o r i t h m , s a ri m a g e d e s p e c k l i n g i v 杭州电子科技大学硕士学位论文 目录 摘要一i a b s t r a c t i i i 目录v 第一章绪论1 1 1 本文的研究背景与意义一l 1 2s a r 图像分割研究现状3 1 2 1 图像分割定义一3 1 2 2s a r 图像的分割难点3 1 2 3 经典s a r 图像分割算法回顾4 1 4 本文的研究内容与组织结构一6 第二章马尔可夫随机场s a r 图像分割模型9 2 i 弓i 言9 2 2 马尔可夫随机场基本概念一9 2 2 1m r f 模型的特点概述9 2 2 2m r f 的邻域系统1o 2 3 分割问题目标函数的导出一1 l 2 4 组合优化算法1 2 2 4 1 条件迭代算法13 2 4 2 模拟退火算法13 2 4 3 图割优化技术一l4 2 5 本章小结1 4 第三章基于g r a p hc u t s 的组合问题优化技术15 3 1 引言15 3 2 图论的相关知识l5 3 2 1 图论的基本概念1 5 3 2 2 网络及网络流上的割1 7 3 2 3 网络最大流最小割方法l8 3 3 两类经典的图割算法2 0 3 3 1 交换移动优化技术2 l 3 3 2 扩展移动优化技术一2 4 3 4 改进的图割优化算法2 8 3 4 1 图割优化技术应用于s a r 情形下存在的问题分析2 8 3 4 2 修改目标函数对应的网络2 9 3 5 实验结果及分析3l v 杭州电子科技大学硕士学位论文 3 5 1 基于改进图割优化技术的半监督s a r 图像分割算法3 l 3 5 2 基于改进图割优化技术的无监督s a r 图像分割算法一3 4 3 6 本章小节3 8 第四章非网格马尔可夫随机场s a r 图像分割算法一4 0 4 1 引言一4 0 4 2 非网格马尔可夫随机场4 0 4 3 获取小区域块的方法4 2 4 4 基于改进图割技术的迭代优化和参数估计4 3 4 5 算法流程一4 4 4 6 实验结果分析4 4 4 6 1 合成图像的分割4 4 4 6 2m s t a rs a r 图像的分割4 5 4 7 本章小结4 7 第五章总结与展望4 8 5 1 本文的工作总结4 8 5 2 未来发展方向4 9 致 谢一5 0 参考文献5 l 附录l ：5 6 附录2 ：7 5 v i 杭州电子科技大学硕士学位论文 第一章绪论 1 1 本文的研究背景与意义 合成孔径雷达( s y n t h e t i ca p e r t u r er a d a r ，s a r ) 是2 0 世纪7 0 年代发展起 来的一种利用微波遥感成像的高分辨率主动式传感器【1 1 - 3 1 ，因其具备全天时、全 天候以及能够穿透地表和叶簇等卓越的空间信息获取能力，而在军用和民用领域 都备受青睐。在民事应用方面，s a r 可用于地形测绘、地质研究、农林及海洋 检测、防灾减灾、海水分布检测等。在军事应用方面，s a r 可用于导航与制导、 目标探测与自动目标识别( 侦查交通枢纽如火车站、及港口；获取地面运动目标 如军用车辆、导弹发射装置的运动参数等) 、获取地形高程等【4 】。近几十年来s a r 在军事侦查领域得到发迅猛发展，并且已经被美军列为综合机载侦察中的基准成 像手段。除此之外，2 0 0 6 年1 0 月美军通过一项研制s a r 无人机的计划，以便 用于探测道路附近的临时爆炸装型5 1 。 与普通光学图像相比，合成孔径雷达图像具有以下几个特剧3 j ： ( 1 ) 高分辨合成孔径雷达具有全天时、全天候的探测与侦查能力； ( 2 ) 相干成像机制使得s a r 能够以很高的分辨率提供详细的地面测绘资 料和图像。 正是由于s a r 所具有的这些特殊优越性，世界各大国都投巨资进行s a r 传 感器的研究，从而使得s a r 的研究在短短的几十年内就得到了飞速发展。美国 在2 0 世纪8 0 年代发射的海洋卫星s e a ts a t 和应用于航天飞机上的成像雷达 s i r - a 以及s i r - b ，揭开了航天雷达遥感发展的序幕。1 9 9 4 年美国国家航空航 天局( n a s a ) 、德国空间局( d l r ) 和意大利空间局( a s i ) 共同进行了航天飞机成像 雷达飞行( s i r - c x s a r ) ，分别在1 9 9 4 年4 月9 日至2 0 日、9 月3 0 日到l o 月 1 1 日进行了两次飞行。欧洲太空局于2 0 0 2 年3 月份开始正式投入使用其研制的 e n v i s a t 1a s a r 卫星l7 】日本于2 0 0 6 年l1 月发射升空了a l o sp a l s a r 卫星： 意大利在2 0 0 7 年6 月开始使用c o s m o s k y m e d 系统。在2 0 0 6 年到2 0 0 8 年期 间德国先后发射了五颗载有s a r 。l u p e 的卫星。如图1 1 所示，2 0 0 9 年印度发 射的“月船l 号”上搭载的美国宇航局研制的微型s a r 雷达，发现了月球北极 4 0 个陨坑巾包含着至少2 米深的冰水物质。 随着各国对s a r 研究的巨资投入，s a r 获取数据信息的能力与日俱增。但 是与此同时，对s a r 图像数据处理的研究则进展缓慢i _ 7 1 。如何快速地自动或半 杭州电子科技大学硕士学位论文 自动地处理这些庞大的s a r 图像数据，从中获得精确有效的信息已经成为人们 迫切需要解决的一个问题，这也吸引了越来越多国内外研究人员的关注。图像分 割是图像处理中非常重要的一个步骤，也是对s a r 图像进行解译的基础和前提。 比如，在s a r 图像自动目标识别系统中需要采用图像分割的技术获取通过目标 检测得到的感兴趣目标的具体信息，包括目标轮廓、目标连通区域等，以便进行 后续特征的提取和识别工作l 4 j ：在人机交互的s a r 图像辅助判断系统中，技术 人员需要通过图像分割技术从大场景的图像内分离出感兴趣的目标区域，以提供 更多的可靠信息辅助判断决策【4 j 。除此之外，图像的地物分类将一幅大场景的图 像划分为若干个不同的区域，每个区域都具有一定的物理意义，比如森林、建筑 物或湖泊等【8 】。这种技术也能够视为一种高级的图像分割技术。因此，在上述这 些应用中s a r 图像的分割已经成为了决定s a r 图像解译性能的关键技术之一。 - - k 图1 1 微型s a r 雷达勘测月球北极图像陨坑圈绿色部分包含这冰冻水沉积层 本文研究得到国家自然科学基金重点项目“多源信息融合的基础理论与方 法”和总装备部国防“十一五”预研项目资助，主要研究了多波段s a r 图像融 合关键技术s a r 图像斑点滤波、图像配准、图像分割以及图像融合。项目 中首先通过目标检测算法在大场景图像中捕获感兴趣的目标点，然后从感兴趣目 标点处截取目标切片，对目标切片进行分割获取目标的详细信息，最后建立目标 数据库以实现实时识别战场环境中的感兴趣目标。 2 杭州电子科技大学硕士学位论文 1 2s a r 图像分割研究现状 1 2 1 图像分割定义 图像分割根据图像中相邻像素间的不连续性和相似性将图像划分为若干个 子区域。每个子区域内像素间的像素特征具有一定的相似性，这相似性可以是灰 度之间的相似，也可以是纹理或者统计量之问的相似性。这种相似性在一些文献 中也称之为均匀性【4 】。在s a r 图像分割中这种均匀性表现在具体目标对雷达波 的后向散射系数的恒定性上，而后向散射系数跟具体目标的物理结构相关【3 】，例 如金属的后向散射系数强在图像中就表现为灰度较亮的区域。 图像分割的详细定义可描述为3 】【9 】【l o 】：假设整个图像区域可以用集合尺表 示，对图像的分割可以看成将尺分解为若干个满足下面几个条件的非空集合 墨，r ，r ： 一 ( 1 ) u 冠= r ； i = l ( 2 ) 对所有的f 和，f ，有rn r ，= 妒； ( 3 ) 对f = 1 , 2 , 3 ， ，有p ( r ) = t r u e ； ( 4 ) 对f j ，有p l 尺。n r ，) = f a l s e ； ( 5 ) 对f = l ，2 ，r i 是连通的区域； 其中，p ( r 。) 是在区域分割过程中所选择的一致性属性准则。 图像分割的目的是指将图像分为具有某种相近性质的区域9 】 【1 们，可以分为两 类( 即分离目标和背景分) 也可以分为多类，为后续的识别和理解提供依据。由 于s a r 图像本身的特殊性和它的应用领域，我们可以更细致的对s a r 图像进行 分割的目的划分为两大类【3 】：一类是感兴趣目标的提取。s a r 的成像区域广阔， 如果对每个像素都进行标记既浪费人力物力又没有必要，根据特定应用我们只要 标记出感兴趣的目标或区域就可以了，比如提取s a r 图像中包含的舰船、桥梁、 机场或水域等一些目标所在的区域，本文主要针对s a r 图像切片的分割；另一 类是针对地物分类的图像分割，它将采集到的整幅图像划分为不同的地物类别。 1 2 2s a r 图像的分割难点 s a r 图像的相干斑噪声使得普通的分割算法难以奏效，本节中我们详细介 绍了s a r 相干斑产生的原因及其在图像中的表现。 合成孔径雷达为提高图像的分辨率采用微波相干成像引。如图1 2 所示，在 一个分辨单元内有许多理想点目标，这些点目标散射电磁波，其回波为球面波， 3 杭州电子科技大学硕士学位论文 球面上波的幅度处处相等。由于s a r 无法区别这些理想点i i 标，所以其收集到 的信号是这些球面波的矢量和。 电磁波在空间的矢量和会产生干涉现象，这是因为当由两个或者两个以上具 有相同频率、相同振动方向和相同相位或者相位相差恒定的波在空间叠加的时 候，合成波的振幅有可能会出现某些地方得到加强，某些地方得到减弱甚至完全 抵消的现象。这种现象反映在图像上就是，图像的灰度值并不完全由地物目标的 后向散射系数决定，而是由于干涉现象的存在使得灰度强度围绕后向散射系数值 附近有很大的起伏，这些起伏就是相干斑点噪声。相干斑噪声的存在使得s a r 图像的质量严重下降，有时甚至导致图像特征的消失，并且对后续图像解译产生 了非常重要的影响，众多常用的图像处理算法在s a r 图像中都很难获得令人满 意的效果。 一 一 天线 散射中心 图1 2 相干斑产生机理 1 2 3 经典s a r 图像分割算法回顾 图像分割一直以来就受到研究人员的高度关注，到目前为止已经提出了上千 种不同类型的图像分割算法【l0 1 。为了更好的理解这些分割算法，许多专家学者们 从不同角度对这些分割算法进行了归纳分类。文献【l l 】将目前为止提出的s a r 图 像分割算法分为基于数据驱动和基于模型驱动两大类；文献【1 2 】将其分为了基于 区域、基于边缘和基于其它三类。文献【3 】和文献【l3 】根据分割所采用的数据特征 将这些算法分为基于灰度特征而和基于纹理特征两类。虽然已提出的分割算法数 量繁多，但是这些算法都基于不同的应用背景提出的，还尚未有一个普适的分割 框架适用于所有的图像【4 】，f l o 】。对于s a r 图像而言，由于其“乘性”相干斑噪声 的存在，适用于它的分割算法又可根据抑制斑点噪声的先后秩序分为两大类：先 执行滤波处理后采用普通分割算法进行分割的策略和在分割过程中考虑抑制噪 声的策略【4 】( 1 4 1 。 在先采用滤波算法抑制斑点噪声后采用普通分割算法进行s a r 图像分割的 策略中，比较典型的滤波算法包括：中值滤波算法、f r o n t 滤波算法、k u a n 滤波 4 杭州电子科技大学硕士学位论文 算法和l e e 滤波算法以及增强l e e 滤波算法等。相应的对已滤波图像进行分割的 典型算法包括：基于边缘检测的分割算法一边界曲线拟合法和边界跟踪法、基 于区域的分割算法区域生长法和分裂合并1 9 1 1 1 0 1 、最小生成树1 5 1 ( m i n i m u m s p a nt r e e ，m s t ) 、分水岭【1 6 l 等。上述算法的特点是噪声的抑制和分割处理在不同 阶段执行，算法直观易理解也相对较容易实现，但是这样的分割策略存在着几个 非常明显的缺点： ( 1 ) 在“乘性”相干斑噪声较大的情形下，为更好的实现分割，传统的分割算 法都会在预处理阶段对s a r 图像进行平滑滤波，然后在滤波图像上使用分割算 法。但是，这些滤波算法往往会导致图像细节信息丢失，从而造成图像分割质量 的下降。另外，对滤波效果的评估标准也很难确定，因此先滤波后分割框架中， 滤波环节对分割性能的贡献也难以评估。 ( 2 ) 在运算效率方面，性能较好的去斑滤波算法往往需要更长的运算时间，而 性能较差的去斑算法往往对分割性能的贡献很小，因此滤波预处理的策略势必造 成整体分割算法效率的降低，难以满足s a r 图像解译的实时性要求。 由于上述这些问题难以得到有效地克服，因此近年来关于s a r 图像分割算 法的研究主要集中在第二种分割策略上。在s a r 图像上不经过去斑预处理而直 接执行分割算法的解决方案中，一般地都是通过对s a r 图像数据进行统计建模， 并在分割模型巾考虑去斑的问题。这类算法中比较典型的代表包括：基于c f a r 检测的算法【1 7 】【1 3 】、基于马尔可夫随机场【1 9 h 2 2 1 ( m a r k o vr a n d o mf i e l d ，m r f ) 的 图像分割模型以及基于边缘检测的分割算法 2 3 1 等。 基于边缘检测的s a r 图像分割算法假设图像是分段光滑的，这样f l r p j 通过 搜索不同光滑区域块之间的边界线来达到图像分割的同的。首先，利用边缘检测 算子，比如c a n n y 检测算子、s o b e l 边缘算法、比例算子等，来检测待分割图像 的边缘。然后，找到边缘图的局部极小值点，并将改点作为区域块问边界上的点， 对这些局部极值点进行标记和连通，以形成完整的区域边界达到分割图像的目 的。在斑点噪声比较大的情形中，边缘检测算子往往难以获得比较好的边缘图， 从而难以准确定位边缘的像素位置。另外，基于边缘检测分割算法容易出现过分 割的问题。 基于c f a r 检测的分割算法是种比较快速的分割算法，它首先通过图像的统 计特性估计得到一个门限闽值，然后将图像中每个像素的灰度强度与该门限值进 行比较，从而完成图像的分割。但是，c f a r 检测分割算法仅考虑图像的灰度强 度信息，而没有包含像素问的空间结构信息，从而导致分割结构中仍然存在很多 的斑点噪声，不能满足实际需求。 基于m r f 模型的图像分割算法是类充分考虑到图像局部相关性的区域分割 5 杭州电子科技大学硕士学位论文 算法。它假设每个像素的标号( 即类别号) 只跟与其相邻的像素的标号相关。基 于该假设，利用马尔可夫随机场和g i b b s 随机场间的等价性可定量计算图像局部 的先验空间结构信息，并在贝叶斯框架下可融合图像其它的信息，比如灰度、颜 色等，一起参与图像的分割，最后通过最大化由贝叶斯定理得到的后验概率来获 得最终的分割结果。由于马尔可夫随机场s a r 图像分割模型充分考虑到了图像 的空间结构信息并能够融合图像的其它条件一起参与分割，因此它能够得到较好 的分割精度。但是，由于基于m r f 模型的s a r 图像分割算法的最大化后验概率 的过程是一个迭代优化过程，并且需要考虑每个像素的空间邻域结构，要处理的 数据量大，因此算法收敛速度慢。另外，还有多个需要调节的参数，因此算法的 优化并不是很容易。 基于上述的讨论，本文的研究重点是以马尔可夫随机场s a r 图像分割模型 为基础致力于提高其优化速度，并在强噪声的情况下进一步提高分割精度。 1 4 本文的研究内容与组织结构 针对上述合成孔径雷达s a r 图像存在的相干斑噪声，以及目前大多数常用 分割算法不能直接应用于s a r 图像的问题，本文深入地研究了基于马尔可夫随 机场的图像分割模型，提出了一些解决s a r 图像分割的有效方案，取得了一定 的成果。论文的主要研究内容包括： 基于马尔可夫随机场的s a r 图像分割模型，在贝叶斯框架下能够融合图像 的多种特征参与分割决策，从而具有较高的分割精度。但是，它也存在着两个阻 碍其实用化的问题：一是由于充分考虑到了每个像素问的邻域结构，这一方面能 够有效抑制s a r 图像的斑点噪声，但是同时也使得数据处理量变得非常庞大， 严重影响了算法的运算效率。目前可应用于马尔可夫随机场图像分割模型的优化 技术，比如，条件迭代模式和模拟退火算法等，难以保证既可以找到最优解又有 非常快的收敛速度：二是马尔可夫随机场模型中数据能量项和平滑能量项之间的 竞争因子难以确定，而竞争因子对图像的分割精度影响很大，如果数据项能量偏 大了则会导致分割结果中存在很多细小的斑点，即没有充分考虑图像像素间的依 赖性；反之，如果平滑能量项偏大了，则会破坏图像的边界，同样导致误分概率 的增大。 针对马尔可夫随机场图像分割模型中存在的上述两个问题，本文提出了三种 解决方案。首先，在优化技术方面，我们选择了基于图割的移动扩展优化技术。 由于传统的优化技术，比如条件迭代模式( i t e r a t ec o n d i t i o nm o d e ，i c m ) 和模拟 退火法( s i m u l a t ea n e a l , s a ) ，要么易于陷入局部极小点难以获得精度较高的分 割结果，要么收敛速度过慢难以满足s a r 图像解译实时性的要求。图割优化算 6 杭州电子科技大学硕士学位论文 法通过将组合优化问题转换为图论的最大流最小割问题，每次迭代可以同时移动 多个像素的标号，从而能够较有效地跳出目标函数的局部极小点收敛到全局最优 点附近。但是，基于图割的移动扩展优化技术应用在s a r 图像的时候效率提高 地仍然非常有限。这是因为移动扩展优化技术在根据图像初始分割结果进行构造 网络的时候，需要在具有不同初始标号的相邻像素之间添加辅助节点，而辅助节 点的增加会影响网络最大流最小割的速度，从而严重影响算法的效率。基于此， 我们根据移动扩展优化技术提出了一种新的构造网络的方法，它可以避免额外辅 助节点的添加，从而能够有效提高算法的效率。实验结果证明，去掉辅助节点后 算法的收敛速度比原来的移动扩展技术提高了将近一倍，并且具有相近的分割精 度。 对m r fs a r 图像分割模型中难以平衡数据能量项和平滑能量项的问题，我 们提出了两种解决方案，第一种方案：首先只考虑数据能量项忽略平滑能量项， 然后在迭代优化过程中逐步增加平滑项的份量。实验证明，这种解决方案能够非 常有效地解决数据能量和平滑能量比例不合适导致的分割精度低的问题。第二种 解决方案：首先通过分水岭算法过分割原始s a r 图像，将具有相似灰度的像素 聚成一个小区域块，这样就能够在应用m r f 分割模型前先考虑了平滑能量项， 从而在模型中可以减轻平滑项的比例，这相当于提供了关于竞争因子的先验信息 减轻了竞争因子的复杂度。实验结果证明，这样做不仅可以有效提高算法的分割 精度，并且算法的运算效率也有了质的提高。 本文共分5 章。 第一章绪论。首先介绍了本文研究的背景，然后同顾并分析了s a r 图像分 割的现状以及对s a r 图像分割具有非常大影响的相十斑噪声的产生原因。在此 基础上，总结