高分辨率SAR图像自动分割的连续多标记凸松弛方法研究

Interpretation of high resolution SAR image has been widely applied in our daily life.SAR image segmentation, which is a basic part of automatic interpretation of SAR images, whose segmentation performance directly affects the works such as the target interpretation. However, there are some problems for the existing multiphase SAR image segmentation models, such as multiplicative speckle noise, the unconvex and local minimum of the energy functional, the unknown number of segmented regions and low computational efficiency. To solve these problems, we propose the continuous multi-label convex relaxation approach for the automatic segmentation of high resolution SAR images. The research includes as follows: (1) A continuous multi-label convex relaxation formulation for the high resolution SAR image segmentation is proposed. Firstly, the continuous multi-label segmentation framework based on Bayesian theory is established. Then, the continous multi-label convex relaxation method applied to solve the segmentation model is developed. Finally, the performance for the segmentation method is evaluated. (2)A continuous multi-label convex relaxation formulation with unsupervised prior for the high SAR image segmentation is proposed. By analyzing unsupervised segmentation model based on the multi-label convex relaxation formulation, the continuous multi-label segmentation framework and the continous multi-label convex relaxation method are established, and the performance for the segmentation method is evaluated.

高分辨率SAR图像解译技术在生产生活中已得到了广泛的应用。SAR图像分割是SAR图像自动解译的基础和前提，其分割质量的好坏直接影响到目标解译等工作。然而，现有的多相图像分割模型，分割高分辨率SAR图像仍存在乘性斑点噪声污染、非凸能量泛函的局部极优、预先未知的目标区域数和计算效率低等问题。本项目针对此类问题，提出高分辨率SAR图像自动分割的连续多标记凸松弛方法。研究内容如下：(1)研究连续多标记凸松弛SAR图像分割模型。建立基于贝叶斯理论的连续多标记分割框架，开发适用于计算该分割模型的连续多标记凸松弛方法，并对分割方法进行性能评估。(2)研究基于非监督先验的连续多标记凸松弛分割模型。在连续多标记凸松弛分割模型基础上，通过分析非监督分割模型，进一步建立基于非监督先验的连续多标记分割框架，开发适用于计算该分割模型的连续多标记凸松弛方法，从而更好地评价分割算法的性能。

高分辨率SAR图像解译技术在生产生活中已得到了广泛的应用，SAR图像分割是SAR图像自动解译的基础和前提，其分割质量的好坏直接影响到目标解译等工作。然而，现有的多相图像分割模型，分割高分辨率SAR图像仍存在乘性斑点噪声污染、非凸能量泛函的局部极优等问题和较低的计算效率。本项目针对此类问题，研究了提出全局凸优化的高分辨率SAR图像分割方法。研究主要内容如下：(1)为解决SAR图像分割中的灰度不均匀问题，研究了基于局部引导核拟合能量模型的水平集图像分割方法。通过将局部引导核拟合能量提取图像局部信息，并用高斯函数对水平集函数进行光滑处理，提高了灰度不均匀图像中弱边界目标的分割精度，而且完全避免了周期性的重新初始化问题，从而提高了分割的精度和分割效率；(2)研究基于全局与局部拟合能量的模糊区域型活动轮廓分割模型。通过将具有灰度不均匀特性的全局模糊拟合图像和局部模糊拟合图像引入到主动轮廓模型中，构建了全局数据项和局部拟合项的严格凸能量泛函，并采用直接计算方法通过计算全局图像的能量变化差值来更新伪水平集函数，不仅提高了分割灰度不均匀图像分割效果和计算效率，而且还使得分割结果与初始条件无关。(3)基于全局凸优化变分模型的快速多相图像分割方法。在基于区域竞争模型分割模型和多标记特征函数定义的基础上，通过构造非凸的能量泛函和能量泛函的凸化表示，并用对偶方法计算能量泛函的最小化问题，从而避免能量泛函的局部极优问题。（4）基于显著感知先验的区域型活动轮廓分割模型。通过将图像局部区域信息和显著性先验信息融合于模糊主动轮廓模型，构建了区域型模糊项和显著感知先验模糊项的凸能量泛函，并非用欧拉-拉格朗日公式而是直接计算能量的变化值来更新水平集函数，不仅提高了分割灰度不均匀图像和弱边缘图像的分割效果，而且还使得分割结果与初始条件无关。