基于能量割的SAR图像分割-中国科学信息科学.PDFVIP

中国科学: 信息科学 2017 年 第47 卷 第1 期: 86–98 SCIENTIA SINICA Informationis 论文 基于能量割的 图像分割 李小斌 西安电子科技大学数学与统计学院 西安 收稿日期 接受日期 网络出版日期 摘要 本文基于万有引力定律提出了一个新的图分割模型—— 能量割模型, 设计了一个基于能量 割的SAR 图像分割算法(energy cut based SAR image segmentation, ECSIS). 能量割模型的最大特 点是优化该模型可以获得类内引力最大, 类间引力最小的图分割. 本文证明可通过求解一个特征向 量问题得到能量割的最优连续近似解. 进一步, 本文给出了利用能量割的最优连续近似解得到其离 散解的方法, 并证明由此得到的离散解是能量割的最优离散近似解. 合成及真实SAR 图像上的实 验结果表明ECSIS 是有效的. 关键词 SAR, 图像分割, 图, 能量割, 谱聚类 引言 SAR (synthetic aperture radar) 图像分割是SAR 图像自动分析和解译的前提和基础. 目前, 随着 SAR 图像数据的增加和应用面的扩大, 对 SAR 图像分割的要求也越来越高. 多年来, 在实际应用的 [1] 驱动下已经提出了许多 SAR 图像分割方法, 例如, 基于阈值的分割方法 、基于边缘提取的分割方 [2] [3] [4∼8] 法 、基于区域增长的分割方法 、基于Markov 随机场的分割方法等等 . 然而, 由于SAR 图像 的成像特点, 特别是斑点噪声的影响, SAR 图像分割一直是SAR 图像研究的难点和热点之一. 近年来, 利用谱聚类进行图像分割成为一个研究的热点[9∼13] . 该方法将图像的分割问题转化为 图的分割问题, 通过利用与图相关的一个矩阵的特征值和特征向量来实现图的分割, 进而得到图像的 分割结果. 由于该方法运行简单, 在对图像进行分割时可以结合多种图像分割特征, 效果好, 出现了很 多基于谱聚类的SAR 图像分割算法[14∼17] . 尽管这些方法在一些实际的SAR 图像上已获得较好的效 果, 但是将谱聚类应用于 SAR 图像时还存在如下两个问题: (1) 在利用谱聚类对图像进行分割时, 往 [18] [19] [20] 往需要优化一个图分割模型, 例如Normalized cut 模型 、Ratio cut 模型 、Minmax cut 模型 等. Normalized cut 模型是目前较为常用的一个图分割模型, 该模型的目标是获得类内相似度最大、类 间相似度最小的图分割. 但是, Normalized cut 模型倾向于对图进行 “平衡割” [21] —— 将图的顶点集 分成具有等类内相似度的类, 这在实际的图像分割中是不现实的. 其他的图分割模型, 如Ratio cut 模 引用格式 李小斌. 基于能量割的 SAR 图像分割. 中国科学: 信息科学, 2017, 47: 86–98, doi: 10.1360/N112016-00016 Li X B. Energy cut based SAR image segmentation (in Chinese). Sci Sin Inform, 2017, 47: 86–98, doi: 10.1360/N112016-00016 ⃝ 《中国科学》杂志社 中国科学: 信息科学 第47 卷 第 1 期 型、Minmax cut 模型等也存在类似的