并行MCMC算法的SAR影像分割.PDFVIP

第３２卷　第 ８期 信 号 处 理 Ｖｏｌ．３２　Ｎｏ．８ ２０１６年８月 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ａｕｇ．２０１６ 文章编号：１００３－０５３０（２０１６）０８－０９９８－０９ 并行ＭＣＭＣ算法的ＳＡＲ影像分割 刘宏波　李　玉　林文杰　赵泉华 （辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所，辽宁阜新 １２３０００） 摘　要：ＭＣＭＣ（ＭａｒｋｏｖＣｈａｉｎＭｏｎｔｅＣａｒｌｏ，ＭＣＭＣ）方法采用顺序改变表征像素类属性的标号变量值会导致算法运 算时间长、收敛速度慢等问题。为此，本文提出并行化改变像素标号值的ＭＣＭＣ方案，在贝叶斯推理框架下， 依据高斯分布及ＭＲＦ（ＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄ，ＭＲＦ）模型建立ＳＡＲ（ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ，ＳＡＲ）影像分割模型， 设计实现基于多线程的并行采样方案；为了解决ＭＲＦ标号场中邻域像素标号相关性问题，提出独立的像素并行 采样的准则；同时，限制并行线程的数量，以保证采样的随机性。运用传统的串行算法和提出的并行算法对模 拟和真实ＳＡＲ影像进行影像分割实验；定性和定量的时间和精度评价结果表明：该方案在不影响分割精度的前 提下大幅缩短影像分割时间，提高了效率。 关键词：并行化；ＳＡＲ影像；ＭＣＭＣ算法；影像分割；多线程 中图分类号：ＴＰ３９１　　　文献标识码：Ａ　　　ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１６．０８．１５ ＳＡＲＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎｗｉｔｈＰａｒａｌｌｅｌＭＣＭＣＡｌｇｏｒｉｔｈｍ ＬＩＵＨｏｎｇｂｏ　ＬＩＹｕ　ＬＩＮＷｅｎｊｉｅ　ＺＨＡＯＱｕａｎｈｕａ （ＩｎｓｔｉｔｕｔｅｆｏｒＲｅｍｏｔｅＳｅｎｓｉｎｇＳｃｉｅｎｃｅａｎｄＡｐｐｌｉｃａｔｉｏｎ，ＳｃｈｏｏｌｏｆＧｅｏｍａｔｉｃｓ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ， Ｆｕｘｉｎ，Ｌｉａｏｎｉｎｇ１２３０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｓｃｈｅｍｅｏｆｃｈａｎｇｉｎｇｔｈｅｐｉｘｅｌｓｌａｂｅｌｖａｒｉａｂｌｅｖａｌｕｅｓｗｈｉｃｈａｒｅｕｓｅｄｔｏｄｅｎｏｔｉｎｇｔｈｅｐｉｘｅｌｓｃｌａｓｓｐｒｏｐｅｒｔｉｅｓ ｓｕｃｃｅｓｓｉｖｅｌｙｉｓｕｓｕａｌｌｙｕｓｅｄｗｈｅｎｕｓｉｎｇｔｈｅＭＣＭＣ（ＭａｒｋｏｖＣｈａｉｎＭｏｎｔｅＣａｒｌｏ，ＭＣＭＣ）ａｌｇｏｒｉｔｈｍ，ｉｔｕｓｕａｌｌｙｌｅａｄｓｔｏ ｒｏｕｔｉｎｅｔｉｍｅｃｏｎｓｕｍｉｎｇ，ｓｌｏｗｓｐｅｅｄｏｆｃｏｎｖｅｒｇｅｎｃｅ．Ｔｈｅｒｅｆｏｒｅ，ａｐａｒａｌｌｅｌＭＣＭＣｓｃｈｅｍｅｕｐｄａｔｉｎｇｍｕｌｔｉｐｌｅｐｉｘｅｌｓｌａｂｅｌｓｉｓ ｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．ＩｎｔｈｅｆｒａｍｅｗｏｒｋｏｆＢａｙｅｓｉａｎｉｎｆｅｒｅｎｃｅ，ＳＡＲ（ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ，ＳＡＲ）ｉｍａｇｅｓｅｇｍｅｎｔａ ｔｉｏｎｍｏｄｅｌｉｓｓｅｔｕｐｏｎｔｈｅｂａｓｉｓｏｆＧａｕｓｓｉａｎｄｉｓｔｒｉｂｕｔｉｏｎａｎｄＭＲＦ（ＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄ，ＭＲＦ）ｍｏｄｅｌ．Ａｐａｒａｌｌｅｌｓａｍ ｐｌｉｎｇｓｃｈｅｍｅｂａｓｅｄｏｎｍｕｌｔｉｔｈｒｅａｄｉｎｇｉｓｄｅｓｉｇｎｅｄ；Ａｉｎｄｅｐｅｎｄｅｎｔｐｉｘｅｌｐａｒａｌｌｅｌｓａｍｐｌｉｎｇｃｒｉｔｅｒｉｏｎｉｓｐｒｏｐｏｓｅｄｓｏａｓｔｏｓｏｌｖｅ ｔｈｅｌａｂｅｌｃｏｒｒｅｌａｔｉｏｎｐｒｏｂｌｅｍｂｅｔｗｅｅｎｔｈｅｎｅｉｇｈｂｏｒｈｏｏｄｐｉｘｅｌｓｌａｂｅｌｓｉｎＭＲＦｌａｂｅｌｆｉｅｌｄ；Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｎｕｍｂｅｒｏｆ ｐａｒａｌｌｅｌｔｈｒｅａｄｓｉｓｌｉｍｉｔｅｄｔｏｅｎｓｕｒｅｔｈｅｓａｍｐｌｉｎｇｒａｎｄｏｍｎｅｓｓ．ＴｏｖｅｒｉｆｙｔｈｅｐｒｏｐｏｓｅｄｐａｒａｌｌｅｌＭＣＭＣｓｃｈｅｍｅ，ｔｅｓｔｉｎｇｉｓｃ