论文部分内容阅读
高分辨合成孔径雷达(Synthetic Aperture Radar,SAR)突破了外界条件影响的局限,是一种能产生高分辨率遥感图像的相干系统,具有全天候、全天时、多波段、多极化工作方式、可变侧视角和强透射性等特点,广泛应用在军事领域和国民经济。而SAR图像分割是SAR图像自动处理的基础,也是SAR图像自动理解和解释的基本关键技术之一。压缩感知理论打破了传统采样过程中信号采样速率必须达到信号带宽两倍以上才能精确重构原始信号的乃奎斯特采样定理,它将信号的采样与压缩同时进行,利用信号在变换基上可以稀疏表示的先验知识,用比香农采样少的多的观测值重构原始信号,大大降低了信息存储、处理和传输的成本。本文将压缩感知理论应用于SAR图像分割,提出两种基于压缩感知的SAR图像分割算法,并取得比较好的分割结果,具体内容和工作如下。(1)提出了一种基于压缩感知和Curvelet变换的模糊C均值(Fuzzy C-Means,FCM)聚类分割算法。首先,利用压缩感知理论中的正交匹配追踪(OMP)重构算法对SAR图像进行去噪处理并进行重构获得重构图。其次,再利用Curvelet变换在提取图像细节方面的优点,先对重构图进行Curvelet变换,再对子带系数进行Curvelet逆变换,获得细节增强的增强图。而后,利用FCM聚类算法在图像分割上的优势,将重构图和增强图融合后,得到的融合图是去噪后并且细节已经增强的融合图像,再把融合图像用FCM聚类算法进行分割。最后通过实验结果比较,在真实SAR图像上进行验证OMP_Curvelet_FCM算法的性能。(2)提出了一种基于稀疏表示和图像特征的FCM聚类分割算法。在K-SVD冗余字典进行图像稀疏表示的基础上,引入SAR图像的统计特征,并用特征构造特征字典。本算法提出一种新的稀疏表示方法,用联合字典进行稀疏表示,联合字典是有特征字典和K-SVD冗余字典相乘构造而成。在用联合字典进行稀疏表示的过程中进行去噪,并用FCM聚类算法进行分割。最后通过实验结果比较,在真实SAR图像上进行验证基于稀疏表示和图像特征的FCM聚类分割算法的有效性。