结合产生式模型和rcc方法的极化sar图像分类算法.pdfVIP

第４５卷　 第 １１期 哈　 尔　 滨　 工　 业　 大　 学　 学　 报 Ｖｏｌ４５ Ｎｏ１１ 　 　 ２０ １３年１１月 ＪＯＵＲＮＡＬ ＯＦ ＨＡＲＢＩＮ ＩＮＳＴＩＴＵＴＥ ＯＦ ＴＥＣＨＮＯＬＯＧＹ Ｎｏｖ． ２０１３ 　 　 　 　 　 　 结合产生式模型和ＲＣＣ方法的极化ＳＡＲ图像分类算法 张　 宇，何　 楚，冯　 倩，徐　 新 （武汉大学 电子信息学院，４３００７２ 武汉） 摘　 要：为了充分利用图像中的上下文信息对空间关系进行推理，提出了一种基于产生式模型和区域连接演算（Ｒｅｇｉｏｎ ＣｏｎｎｅｃｔｉｏｎＣａｌｃｕｌｕｓ，ＲＣＣ）的新模型———ＧＭ⁃ＲＣＣ模型（ＧｅｎｅｒａｔｉｖｅＭｏｄｅｌｂａｓｅｄｏｎＲＣＣ），用于合成孔径雷达（ＳＡＲ）图像的 分类研究．首先，通过建立图像金字塔将一幅ＳＡＲ 图像过分割成多尺度的超像素，然后利用层次ＲＣＣ模型对这些超像素 的空间关系进行描述，其中ＲＣＣ关系的学习和推理都是在产生式模型的框架下进行的．在模型的推理过程中采用了迭代 策略以获得更加精细的分类结果．实验选用了极化特征及其他典型特征，并在ＳＡＲ 图像集上进行了实验，实验结果证明 了该算法的有效性． 关键词： 图像处理；合成孔径雷达； 图像分类；产生式模型； 区域连接算法；极化特征 － － － 中图分类号：ＴＮ９１１１１ 文献标志码：Ａ 文章编号：０３６７ ６２３４（２０１３）１１ ０１１８ ０７ Ａｎ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍ ｏｆ ＳＡＲ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｇｅｎｅｒａｔｉｖｅ ｍｏｄｅｌ ａｎｄ ＲＣＣ ＺＨＡＮＧ Ｙｕ，ＨＥ Ｃｈｕ，ＦＥＮＧ Ｑｉａｎ，ＸＵ Ｘｉｎ （Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｔａｋｅｆｕｌｌ ｕｓｅ ｏｆ ｃｏｎｔｅｘｔ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｌｅａｒｎ ｔｈｅ ｓｐａｔｉａｌ ｒｅｌａｔｉｏｎｓｈｉｐ ｏｆ ｔｈｅ ｉｍａｇｅ，ａ ｎｏｖｅｌ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ Ｇｅｎｅｒａｔｉｖｅ Ｍｏｄｅｌ ａｎｄ Ｒｅｇｉｏｎ Ｃｏｎｎｅｃｔｉｏｎ Ｃａｌｃｕｌｕｓ （ＲＣＣ） ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ． Ｗｅ ｎａｍｅ ｉｔ ＧＭ⁃ＲＣＣ ｍｏｄｅｌ，ｗｈｉｃｈ ｉｓ ｕｓｅｄ ｆｏｒ ＳＡＲ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ． Ｆｉｒｓｔｌｙ，ａ ＳＡＲ ｉｍａｇｅ ｉｓ ｏｖｅｒ⁃ｓｅｇｍｅｎｔｅｄ ｉｎｔｏ ｍｕｌｔｉ⁃ｓｃａｌｅ ｓｕｐｅｒ ｐｉｘｅｌｓ ｖｉａ ａｄｏｐｔｉｎｇ ｔｈｅ ｉｍａｇｅ ｐｙｒａｍｉｄ． Ｔｈｅｎ ｔｈｅ ｈｉｅｒａｒｃｈｉｃａｌ ＲＣＣ ｍｏｄｅｌ ｉｓ ｕｔｉｌｉｚｅｄ ｔｏ ｄｅｓｃｒｉｂｅ ｔｈｅ ｓｐａｔｉａｌ ｒｅｌａｔｉｏｎｓｈｉｐｓａｍｏｎｇ ｔｈｅｓｅ ｓｕｐｅｒ ｐｉｘｅｌｓ． Ａｌｌ ｈｉｅｒａｒｃｈｉｃａｌ ＲＣＣｒｅｌａｔｉｏｎｓｈｉｐｓａｒｅ ｌｅａｒｎｅｄ ａｎｄ ｒｅａｓｏｎｅｄ ｕｎｄｅｒ ｔｈｅ Ｇｅｎｅｒａｔｉｖｅ Ｍｏｄｅｌ ｒｅａｓｏｎｉｎｇ ｆｒａｍｅｗｏｒｋ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ ａｒｅ ｃａｒｒｉｅｄ ｏｕｔ ｏｎ ＳＡＲ ｉｍａｇｅ ｄａｔａｓｅｔｓ ａｎｄ ｐｏｌａｒｉｍｅｔｒｉｃ ｆｅａｔｕｒｅｓ ａｒｅ ｓｅｌｅｃｔｅｄ ｗｉｔｈ ｏｔｈｅｒ ｔｙｐｉｃａｌ ｆｅａｔｕｒｅｓ．