基于灰色理论的SAR图像分割及其效果评价方法研究

SAR图像分割是SAR图像分析的关键步骤，也是SAR图像解译中尚未完全解决的重要问题。现有SAR图像分割方法的本质多是基于概率统计和模糊数学，其实现依赖于大样本、特定概率分布或隶属度等先验知识，这在实际应用中很难完全满足。.本项目将SAR图像看作部分信息已知、部分信息未知的灰色系统，噪声抑制、图像分割和分割性能评价都是系统中某些"灰色信息"逐步"白化"的灰色过程。利用灰色理论的"小样本数据建模"优势，通过数据生成、灰色建模等灰色处理方法，抽象"图像以象素的形式映射到不同区域"的灰色过程和数学模型，研究小样本情况下的SAR图像分割方法。在此基础上，提取分割图像的特征参数形成"小样本数据序列"，利用灰色理论的"小样本数据分析"特性，综合评价多种指标下分割效果的性能优劣，揭示分割算法总体性能与各评价指标间的相互关系，为分割方法的自动评价、SAR图像分割方法设计与修正提供依据。