技术详细介绍
本发明公开了一种基于Shearlet域HMT模型的SAR图像分割方法,它属于图像处理技术领域,主要解决传统多尺度几何分析应用于SAR图像分割易产生区域一致性差,边界凌乱的问题。其分割过程为:提取待分割SAR图像中的特征区域{I0,I1,...,IC};计算特征区域的Shearlet变换系数{S0,S1,...,SC};利用EM算法求出各类特征区域的Shearlet域HMT模型参数集{Θ1,Θ2,...,ΘC};对待分割的SAR图像进行Shearlet变换,得到图像系数S;利用特征系数{S0,S1,...,SC}计算SAR图像系数S各个尺度上所对应的似然值{Lhood1,Lhood2,...,LhoodJ};根据最大似然准则计算各尺度上似然值的初始分割结果{MLseg1,MLseg2,...,MLsegJ};使用最大化后验概率准则对初始分割结果进行融合,将第一层尺度的融合图像作为最终分割结果。本发明具有收敛速度快,分割结果区域一致性好保留信息完整的优点,可用于SAR图像目标识别。
本发明公开了一种基于Shearlet域HMT模型的SAR图像分割方法,它属于图像处理技术领域,主要解决传统多尺度几何分析应用于SAR图像分割易产生区域一致性差,边界凌乱的问题。其分割过程为:提取待分割SAR图像中的特征区域{I0,I1,...,IC};计算特征区域的Shearlet变换系数{S0,S1,...,SC};利用EM算法求出各类特征区域的Shearlet域HMT模型参数集{Θ1,Θ2,...,ΘC};对待分割的SAR图像进行Shearlet变换,得到图像系数S;利用特征系数{S0,S1,...,SC}计算SAR图像系数S各个尺度上所对应的似然值{Lhood1,Lhood2,...,LhoodJ};根据最大似然准则计算各尺度上似然值的初始分割结果{MLseg1,MLseg2,...,MLsegJ};使用最大化后验概率准则对初始分割结果进行融合,将第一层尺度的融合图像作为最终分割结果。本发明具有收敛速度快,分割结果区域一致性好保留信息完整的优点,可用于SAR图像目标识别。