基于统计模型的SAR图像分割的中期报告.docxVIP

基于统计模型的SAR图像分割的中期报告 一、研究背景和目的 合成孔径雷达（synthetic aperture radar，SAR）是一种通过合成扫描平面射线进行大范围成像的雷达技术，具有不受天气、时间、光照等条件限制、能够获取地形高程和地表覆盖类型等信息的优点。SAR图像分割是指将SAR图像中不同地物或地物类别进行分割或识别，是SAR图像处理的重要研究方向之一。目前，SAR图像分割研究主要基于统计模型方法，如Bayesian、Markov随机场（MRF）等方法。 本项目的研究目的是探究基于统计模型方法的SAR图像分割技术，研究方法包括Bayesian方法、MRF方法等，并在实验中比较这些方法的分割效果和计算效率。 二、研究进展 1.文献综述 本项目研究了国内外在SAR图像分割领域的研究进展，发现Bayesian方法和MRF方法是两种主要的统计模型方法。Bayesian方法通过构建概率模型得到后验概率最大的分割结果，该方法已被广泛应用于SAR图像分割中，并取得了良好的分割效果。MRF方法则是通过建立图模型，通过图像强度和空间邻域相似性进行分割，其分割效果和计算效率都还不错。 2.实验设计 本项目采用SAR图像分割中常用的性能评估指标，如OA、Kappa系数等来评价各种方法的分割效果。OA表示正确分类的像素点占总像素点数的百分比，Kappa系数则表示分类的准确程度。同时，本项目还将采