基于分层多区域CV模型的SAR图像分割.pdfVIP

第34卷 第 12期 现 代 雷 达 Vo1．34 No．12 2012年 12月 ModernRadar Dec．2012 · 信号／数据处理 · 中图分类号：TN957．51 文献标志码：A 文章编号：1004—7859(2012}12—0032—06 基于分层多区域 CV模型的SAR图像分割 朱 超，蒋忠进 (东南大学信息科学与工程学院 毫米波国家重点实验室， 南京210096) 摘要：在SAR图像分割中，尤其是车辆 目标的SAR图像分割中，一般需要得到目标和阴影两个区域的分割结果。文中为 了解决车辆 目标的SAR图像多区域分割，提出了一种分层多区域CV模型，该模型结合了一种新的惩罚项，并且同时使用 水平集函数的阶跃初始化，使模型具有了良好的水平集演化的属性。同时，模型对噪声的敏感性下降，使模型适用于未预 处理的SAR图像。最后，对比Chan—Vese多区域分割模型，将分层多区域CV模型应用于未预处理的SAR图像 ，实验结果 验证了模型的有效性。 关键词：合成孑L径雷达；图像分割；水平集方法；分层多区域 CV模型 SAR ImageSegmentationBasedonDemixingMultiregionCV Model ZHUChao，JIANGZhong-jin (SchoolofInformationScienceandEngineering，StateKeyLaboratoryofMillimeterWaves， SoutheastUniversity， Nanjing210096，China) Abstract：IntheSAR imagesegmentation，especiallyvehicletargetsinSAR images，whichgenerallyneedtogetsemg entationre— suhsabouttworegionsthatobjectiveandshadow．Inthispaper，inordertosolvemuhiregionsegmentationofvehicletargetsin SAR images，ademixingmuhiregionCV modelwaspresented，whichcombinesanewpenaltyterm．Atthesametime，levelset functionusesthestepinitialization．Asaconsequence，thismodelhassomegoodpropertiesoflevelsetevolutionandlowernoise sensitivity，andcanbeappliedtoSAR imagethatwithoutpreprocessing．Finally，contrasttothemuhiregionmodelofchan—vese， demixingmuhiregionCV modelisappliedtoSAR imagethatwithoutpreprocessing，andexperimentalresultsverifythevalidityof themode1． Keywords：SAR；imagesegmentation；levelset；demixingmuhiregionCV model 0 引 言 中，一般需要得到 目标和阴影两个区域的分割结果，所 合成孔径雷达(SAR)是一种高分辨率的遥感成像 以需要对 CV模型的多区域方法进行研究，本文对比 雷达，具有全天时、全天候、多波段、多极化、高分辨率 Chan．Vese多区域分割模型，提出了一种分层多区域 等特点，不仅可以详细地测绘地形、地貌，还可以透过 CV模型。目前