• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于上下文分析的SAR圖像分割算法

      2019-10-24 08:49:44林婷婷
      科技創(chuàng)新與應(yīng)用 2019年26期
      關(guān)鍵詞:聚類算法圖像分割

      林婷婷

      摘? 要:合成孔徑雷達(dá)(synthetic aperture radar, SAR)是一種主動(dòng)的微波遙感成像雷達(dá),合成孔徑原理的使用可以獲得高分辨率的圖像,提供豐富的地面信息。同時(shí),特殊的成像原理也產(chǎn)生了新的圖像處理問(wèn)題。文章針對(duì)SAR圖像的特點(diǎn)設(shè)計(jì)一種自適應(yīng)滑動(dòng)窗口,并將圖像上下文信息(鄰域信息和邊緣信息)應(yīng)用進(jìn)模糊聚類算法,可以有效的抑制噪聲的干擾,分割的效果有了很大的提高。

      關(guān)鍵詞:SAR圖像;圖像分割;上下文信息;聚類算法;區(qū)域生長(zhǎng)算法

      中圖分類號(hào):TN957.52? ? ? 文獻(xiàn)標(biāo)志碼:A? ? ? ? ?文章編號(hào):2095-2945(2019)26-0123-02

      Abstract: Synthetic aperture radar (SAR) is an active microwave remote sensing imaging radar. The use of synthetic aperture principle can obtain high-resolution images and provide rich-ground information. At the same time, the special imaging principle also gives rise to new image processing problems. In this paper, an adaptive sliding window is designed according to the characteristics of SAR image, and the image context information (neighborhood information and edge information) is applied to the fuzzy clustering algorithm, which can effectively suppress the interference of noise. The effect of segmentation has been greatly improved.

      Keywords: SAR image; image segmentation; context information; clustering algorithm; region growth algorithm

      SAR是一種主動(dòng)的微波遙感成像雷達(dá)。在距離位方向,它發(fā)射大時(shí)間帶寬積的線性調(diào)頻脈沖信號(hào),采用脈沖壓縮技術(shù)處理接收到的回波信號(hào),很好的解決了測(cè)量距離與分辨率的矛盾。在方位向,利用合成孔徑的原理來(lái)形成一個(gè)大的等效天線來(lái)提高分辨率,最后利用特定的成像技術(shù)生成SAR圖像。SAR能夠全天候、全天時(shí)工作,有穿透能力,視角靈活可變,產(chǎn)生高分辨率的二維圖像等優(yōu)點(diǎn),已經(jīng)成為一種非常重要的對(duì)地、對(duì)空觀測(cè)不可或缺的技術(shù)手段,在科學(xué)領(lǐng)域還有災(zāi)害、地質(zhì)、森林、城市航空等方面都發(fā)揮著至關(guān)重要的作用。隨著SAR的不斷優(yōu)化以及SAR圖像處理技術(shù)的發(fā)展和完善,其應(yīng)用范圍也會(huì)有更大的拓展[1]。

      1 基于上下文自適應(yīng)滑動(dòng)窗的FCM算法

      分類是人類的處理事物的一種非常傳統(tǒng)而且有效的方式。當(dāng)接觸到新奇的物體或者為了理解一種新的現(xiàn)象時(shí),人們總是習(xí)慣性地按照已有的判斷標(biāo)準(zhǔn)將它歸屬于一種已知的類別中,進(jìn)而加深了解。而在今天互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的飛速發(fā)展,任何領(lǐng)域都會(huì)產(chǎn)生數(shù)量巨大的數(shù)據(jù),這些大規(guī)模的數(shù)據(jù)無(wú)論是容量還是表達(dá)的信息量都已經(jīng)遠(yuǎn)遠(yuǎn)的超過(guò)了人類的處理能力。利用計(jì)算機(jī)將這些數(shù)據(jù)進(jìn)行有效的分類或者聚類顯得尤為重要。聚類分析就是一種有效將數(shù)據(jù)實(shí)現(xiàn)良好分類的思想[2]。聚類算法可以在不需要事先了解數(shù)據(jù)的內(nèi)在特征的情況下將有限未標(biāo)記的數(shù)據(jù)集分成有限的離散“自然”數(shù)據(jù)集來(lái)發(fā)現(xiàn)數(shù)據(jù)的結(jié)構(gòu)特征[1]。

      1.1 傳統(tǒng)法的FCM算法

      傳統(tǒng)的模糊c均值聚類算法(FCM算法)由于其算法的簡(jiǎn)潔性、穩(wěn)定性成為應(yīng)用最為廣泛的模糊聚類算法。它可以很好的處理數(shù)據(jù)分析、特征分析等方面的問(wèn)題。該算法的中心思想是最小化某個(gè)價(jià)值函數(shù)的基礎(chǔ)上對(duì)無(wú)標(biāo)簽的數(shù)據(jù)進(jìn)行無(wú)監(jiān)督的分類。相比較對(duì)K-means算法的硬性聚類的性質(zhì),F(xiàn)CM算法的先進(jìn)之處為引入隸屬度因子的概念,使得一個(gè)數(shù)據(jù)點(diǎn)并不只是單純的依靠距離的尺度來(lái)說(shuō)明屬于哪一個(gè)確定的點(diǎn)群,而是以概率的角度來(lái)表示這個(gè)數(shù)據(jù)點(diǎn)屬于所有點(diǎn)群的大小,隸屬度的引入可以使得FCM算法在保留圖像的細(xì)節(jié)方面做得更好,數(shù)據(jù)分析更加靈活。

      1.2 基于自適應(yīng)滑動(dòng)窗的FCM算法

      上文中我們?cè)?jīng)提到過(guò)SAR圖像中包含著大量的相干斑噪聲,導(dǎo)致很多傳統(tǒng)的算法失效,其中FCM算法對(duì)噪聲點(diǎn)也是比較的敏感,所以直接使用FCM算法對(duì)SAR圖像進(jìn)行分割的效果并不好。上文曾經(jīng)提到過(guò),相干斑噪聲的影響使得原本相同區(qū)域的灰度值會(huì)圍繞一個(gè)均值點(diǎn)而上下波動(dòng),對(duì)待這種噪聲,最好的方法就是平均濾波。

      然而,一般的滑動(dòng)窗口對(duì)SAR圖像進(jìn)行滑動(dòng)濾波,窗口的大小會(huì)是一個(gè)難以計(jì)算的問(wèn)題,窗口過(guò)大濾波的效果固然更好,然而大的窗口會(huì)使得圖像丟掉細(xì)節(jié)信息,造成圖像處理的不準(zhǔn)確;窗口過(guò)小可以保留更多的細(xì)節(jié)信息,但是過(guò)小的窗口平均難以抑制相干斑噪聲的影響。如此說(shuō)來(lái),本文設(shè)計(jì)采用自適應(yīng)的滑動(dòng)窗口來(lái)實(shí)現(xiàn)對(duì)圖像的平均濾波。窗口的大小在圖像的邊緣信息的控制下變化[2]。

      2 基于上下文分析的區(qū)域生長(zhǎng)算法

      2.1 傳統(tǒng)的區(qū)域生長(zhǎng)算法

      區(qū)域生長(zhǎng)算法,又稱為種子算法,它的基本思想是根據(jù)設(shè)計(jì)的的生長(zhǎng)準(zhǔn)則將像素點(diǎn)或者子區(qū)域聚合成更大的區(qū)域。基本方法是以一個(gè)種子點(diǎn)或者是一組種子點(diǎn)作為初始點(diǎn),將與初始點(diǎn)性質(zhì)相近(例如灰度值或者是顏色的相似性)的像素點(diǎn)加入到分割的區(qū)域當(dāng)中。這里的提到的初始點(diǎn)是根據(jù)不同的問(wèn)題而人為選定的起點(diǎn)。生長(zhǎng)的過(guò)程總是從這些起點(diǎn)出發(fā),檢測(cè)鄰域內(nèi)的像素點(diǎn)并根據(jù)準(zhǔn)則判斷是否應(yīng)該加入到分割區(qū)域當(dāng)中,形成新的種子點(diǎn)之后不斷的重復(fù)生長(zhǎng)過(guò)程,直到遍歷圖像中所有的像素點(diǎn)。

      區(qū)域生長(zhǎng)算法流程:第一步:選定初始生長(zhǎng)點(diǎn)(圖1中A點(diǎn)),標(biāo)定四鄰域內(nèi)像素點(diǎn),同時(shí)讀取灰度值(圖中深色區(qū)域)。第二步:選取灰度值與初始點(diǎn)最為接近的像素點(diǎn)進(jìn)入到分割區(qū)域當(dāng)中(選定圖中2點(diǎn))。第三步:以新生長(zhǎng)的像素點(diǎn)作為初始點(diǎn),重復(fù)第二步操作;直到所有的像素點(diǎn)都經(jīng)歷過(guò)生長(zhǎng)條件,算法結(jié)束;圖中的灰色區(qū)域便是生長(zhǎng)的路徑圖。

      區(qū)域生長(zhǎng)算法的設(shè)計(jì)的關(guān)鍵在于三點(diǎn):生長(zhǎng)種子點(diǎn)的確定;區(qū)域生長(zhǎng)的條件設(shè)計(jì);區(qū)域生長(zhǎng)停止的條件。

      本文中生長(zhǎng)種子點(diǎn)由人為選取;當(dāng)涉及到區(qū)域生長(zhǎng)的條件,在實(shí)際中,由于噪聲的干擾,使得原本灰度值相等的像素點(diǎn)的灰度值有一定的差,所以設(shè)定兩個(gè)灰度值相等作為生長(zhǎng)條件是不合理的,在此我們引入容差的概念,理解為,兩個(gè)像素點(diǎn)的灰度值的差。在實(shí)際的應(yīng)用中,容差一般指的是相似判斷所允許的最大的灰度差。在這里需要注意的是,容差越大,填充的精度越低,進(jìn)入到分割區(qū)域中的像素點(diǎn)就越多,分割區(qū)域內(nèi)的點(diǎn)分割的誤差越小,而它的邊緣信息會(huì)越差。相反的,容差越小,填充的精度越高,圖像的邊緣信息會(huì)更加的精確,但是在存在噪聲的情況下,分割區(qū)域內(nèi)的點(diǎn)將有可能被濾除。如何設(shè)計(jì)出最好的生長(zhǎng)條件是區(qū)域生長(zhǎng)的關(guān)鍵和難點(diǎn)。

      最直觀的實(shí)現(xiàn)便是回溯算法,即從一個(gè)點(diǎn)出發(fā),按照事先設(shè)計(jì)好的區(qū)域生長(zhǎng)條件判斷它的四鄰域或者是八鄰域的像素點(diǎn)是否應(yīng)該進(jìn)入分割區(qū)域,生長(zhǎng)的過(guò)程當(dāng)中,對(duì)已經(jīng)生長(zhǎng)的像素點(diǎn)不再計(jì)算。由于該方法中用到了迭代的思想,執(zhí)行的效率較低,可以用堆棧的思想消除,這就是漫水法。

      該算法的具體步驟為:步驟一:選取種子點(diǎn),獲取灰度值,將種子點(diǎn)壓入堆棧。步驟二:彈棧,用彈出的像素點(diǎn)作為新的種子生長(zhǎng)點(diǎn),將八鄰域或者四鄰域的像素點(diǎn)進(jìn)入到判斷條件,滿足生長(zhǎng)條件的像素點(diǎn)進(jìn)入堆棧中。步驟三:重復(fù)步驟二,直到堆棧中無(wú)數(shù)據(jù),說(shuō)明無(wú)新的生長(zhǎng)點(diǎn)生成。

      算法結(jié)束。

      算法的流程圖如圖2。

      2.2 基于上下文信息的非均衡快速區(qū)域生長(zhǎng)算法

      從上文中傳統(tǒng)區(qū)域生長(zhǎng)算法的計(jì)算過(guò)程就可以看出,區(qū)域生長(zhǎng)算法在應(yīng)對(duì)SAR圖像中大量的相干斑噪聲的時(shí)候是無(wú)能無(wú)力的,像素點(diǎn)的灰度值在相干斑噪聲的影響下圍繞一個(gè)數(shù)值而上下波動(dòng),導(dǎo)致區(qū)域生長(zhǎng)條件無(wú)法確定,滿足圖像邊緣信息和內(nèi)部信息的共同生長(zhǎng)有一定的難度。生長(zhǎng)條件(閾值)設(shè)置的寬松,使得大多數(shù)像素點(diǎn)可以進(jìn)入到分割區(qū)域內(nèi),可以得到比較好的圖像內(nèi)部信息,生長(zhǎng)條件(閾值)設(shè)置的苛刻,可以濾除更多的噪聲,使得圖像的邊緣信息分割較好,但是在圖像的內(nèi)部,很多本應(yīng)該進(jìn)入分割區(qū)域的像素點(diǎn)在相干斑噪聲的影響下被生長(zhǎng)條件濾除,導(dǎo)致圖像的內(nèi)部效果不好。

      3 結(jié)束語(yǔ)

      本文針對(duì)SAR圖像的特點(diǎn),在上下文信息的指導(dǎo)下完成了對(duì)FCM算法和區(qū)域生長(zhǎng)算法的優(yōu)化,實(shí)現(xiàn)了對(duì)SAR圖像的良好的分割。

      SAR圖像中含有大量的相干斑噪聲,同時(shí)圖像的尺寸含有的信息比較多,本文采用圖像邊緣信息控制的自適應(yīng)的滑動(dòng)窗口對(duì)圖像實(shí)現(xiàn)平均濾波,同時(shí)在自適應(yīng)窗口中提取目標(biāo)像素點(diǎn)的鄰域信息構(gòu)成上下文信息對(duì)像素點(diǎn)進(jìn)行升維度的處理,使得每一個(gè)像素點(diǎn)含有的信息量以及信息的準(zhǔn)確度都有了很大的提升,不僅抑制了相干斑噪聲的影響,更能指導(dǎo)FCM算法的分割。

      參考文獻(xiàn):

      [1]黃世奇.合成孔徑雷達(dá)成像及其圖像處理(第一版)[M].北京:科學(xué)出版社,2015.

      [2]何清.模糊聚類分析理論與應(yīng)用研究進(jìn)展[J].模糊系統(tǒng)與數(shù)學(xué),1998,12(2):89-94.

      猜你喜歡
      聚類算法圖像分割
      數(shù)據(jù)挖掘算法性能優(yōu)化的研究與應(yīng)用
      K—Means聚類算法在MapReduce框架下的實(shí)現(xiàn)
      基于K?均值與AGNES聚類算法的校園網(wǎng)行為分析系統(tǒng)研究
      計(jì)算機(jī)定量金相分析系統(tǒng)的軟件開(kāi)發(fā)與圖像處理方法
      基于灰色系統(tǒng)理論的數(shù)字圖像處理算法
      一種改進(jìn)的分水嶺圖像分割算法研究
      科技視界(2016年26期)2016-12-17 16:25:03
      基于LabVIEW雛雞雌雄半自動(dòng)鑒別系統(tǒng)
      一種圖像超像素的快速生成算法
      基于魯棒性的廣義FCM圖像分割算法
      基于改進(jìn)的K_means算法在圖像分割中的應(yīng)用
      龙江县| 青岛市| 和顺县| 汽车| 崇阳县| 乐东| 喜德县| 左贡县| 柯坪县| 务川| 中西区| 台东县| 读书| 金坛市| 新竹市| 连山| 聂拉木县| 海门市| 平顺县| 汪清县| 元阳县| 乐都县| 梁平县| 灌阳县| 常宁市| 玉山县| 扶余县| 内江市| 长治县| 娱乐| 葵青区| 岫岩| 丹棱县| 阿鲁科尔沁旗| 章丘市| 平乡县| 南华县| 兴隆县| 无锡市| 尉犁县| 当阳市|