基于字典学习的SAR图像分割-模式识别与智能系统专业论文.docxVIP

摘 要 摘 要 I 摘 要 由于 SAR 成像技术具有全天候，不受气候等因素影响的优势，使得它在国民 生产和建设中发挥了很大的作用。而对 SAR 图像的处理也就成为了人们研究的热 点与重点，其中 SAR 图像分割作为对图像处理的过程中的基础操作，也受到越来 越多的人们的关注。谱聚类算法是处理图像分割问题中常用的一种算法，但由于 该算法很难处理海量的数据，所以其应用受到限制。近年来，字典学习的方法成 功的应用于很多领域，比如：分类、分割、识别、超分辨、去噪等。在本文中， 我们围绕字典学习的方法来解决以上的问题做了以下几个方面的研究。 （1）通过对非局部均值的思想的研究，提出了一种基于非局部特征和采样稀 疏学习的 SAR 图像分割方法。该方法能够有效地解决传统的小波特征计算过程中 存在的不合理问题。利用搜索窗中的各个点之间的相似度来作为权重，这样属于 同一类的权重就大，在计算中起主要作用。同时结合了基于采样学习的 SAR 图像 分割方法，该算法主要解决传统的谱聚类算法对大量数据，无法有效的处理的问 题。首先对数据进行多次随机采样，利用谱聚类算法对每次采样后的结果进行聚 类，然后再将多次采样后聚类的结果中属于同一类的数据集合在一起。对每一类 数据使用训练一个字典，求解测试样本在字典下的稀疏表示，通过计算重构误差 来确定该测试样本属于哪一类。从实验的结果与数据中，可以看出该方法比传统 的方法有好。 （2）提出了一种基于分水岭和统计直方图的SAR图像分割方法。该方法可以 将传统分水岭容易过分割的缺点得到利用。首先对图像初始分割，从每一类的结 果中选取一些数据来训练得到一个字典，通过最近邻来计算每类数据在其字典上 的统计直方图。再将分水岭过分割的小块区域在每一类字典上计算一个统计直方 图，最后计算该直方图与训练数据的统计直方图之间的误差，以此误差的大小来 决定该区域的归属。 关键词：SAR图像分割 字典学习 非局部 分水岭 直方图 Abs Abstract III 基于字典学习的 基于字典学习的 SAR 图像分割 IV Abstract SAR is all-weather and unaffected by the climate, so its imaging technology plays an important role in the national production and construction. SAR image processing is a research hotspot and segmentation is the basic operation of the image processing, so SAR image segmentation has also received more and more people's attentions. Spectral Clustering algorithm is a commonly used method in image segmentation, but this algorithm can’t effectively deal with the mass data, its application is limited. In recent years, idea of dictionary learning has successfully applied to many fields, such as: classification, segmentation, recognition, super resolution and denoising. In this paper, we use dictionary learning based method to deal with the above problem and propose three different methods. （1）Through the research on non-local meaning, we propose a SAR image segmentation method using non-local feature and sparse representation based on sampling clustering. This method can effectively solve the problem exists in calculation process of wavelet feature. We treat similarity between points of the search