摘要
针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提出了一种基于多特征的SAR图像的无监督分割方法。首先提取了SAR图像的局部矩特征与灰度共生矩阵的统计量(对比度、相关度、熵、同质性)特征;然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征;最后使用MeanShift方法对具有2维特征信息的像素进行自动聚类。由于MeanShift聚类过程中无需提供类别数,因此,这种处理是一个无监督的自动分割过程。采用了多幅SAR图像和Brodatz纹理合成图像做分割实验,结果证明:本方法与单一利用灰度共生矩阵或矩特征的方法相比,分割的准确性明显提高。
学科与关键词
关键词
SAR图像纹理分割多特征Mean Shift
- MSTAR图像的矩特征分析与多阈值分割倪维平; 严卫东; 吴俊政; 郑刚; 芦颖中国图象图形学报, 2013, (10): 1364-1373.
- 多尺度下的半自动面向对象SAR影像分类余洁; 刘振宇; 燕琴; 朱腾武汉大学学报(信息科学版), 2013, (03): 253.
- 基于MRF模型的NSCT域SAR图像分割鲁昌华; 盛柳青; 岳公和计算机工程与应用, 2012, (16): 172.
