基于多尺度信息融合的SAR图像分割新方法研究

SAR 图像不仅是有噪的也是非高斯非平稳的，处理时既要从统计理论的角度出发，用隐马尔可夫模型（HMMs）有效地描述非平稳信号整体上的非平稳性和局部的平稳性，又要建立新的图像稀疏表示模型，从中提取能充分反映目标多尺度、多分辨、多子带的方向信息，如何融合这些信息是成功实现SAR图像分割的关键。本项目以实测数据研究SAR图像分割算法。主要研究三方面内容：基于脊波(Ridgelet)线性特征和Ratio算子的边缘融合检测的SAR图像分割；基于轮廓波(Contourlet)域隐马尔可夫半树（HMHT）和马尔可夫随机场（MRF）融合模型的SAR图像分割，其中包括基于Contourlet域多方向HMT和MRF的SAR图像分割；基于Contourlet域融合上下文三重马尔可夫场(TMF )的SAR图像分割。本项目的研究目标是提高SAR图像分割性能，使SAR图像后处理研究得到更进一步发展。