计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2010年
10期
267-270
,共4页
SAR图像%纹理分割%多特征%Mean Shift
SAR圖像%紋理分割%多特徵%Mean Shift
SAR도상%문리분할%다특정%Mean Shift
针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提出了一种基于多特征的SAR图像的无监督分割方法.首先提取了SAR图像的局部矩特征与灰度共生矩阵的统计量(对比度、相关度、熵、同质性)特征;然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征;最后使用Mean Shift方法对具有2维特征信息的像素进行自动聚类.由于Mean Shift聚类过程中无需提供类别数,因此,这种处理是一个无监督的自动分割过程.采用了多幅SAR图像和Brodatz纹理合成图像做分割实验,结果证明:本方法与单一利用灰度共生矩阵或矩特征的方法相比,分割的准确性明显提高.
針對閤成孔徑雷達(SAR)圖像灰度變化大、紋理複雜及邊界模糊等特點提齣瞭一種基于多特徵的SAR圖像的無鑑督分割方法.首先提取瞭SAR圖像的跼部矩特徵與灰度共生矩陣的統計量(對比度、相關度、熵、同質性)特徵;然後利用主元分析(PCA)的方法對這些有用的特徵進行降維處理以得到含有足夠類彆信息的2維特徵;最後使用Mean Shift方法對具有2維特徵信息的像素進行自動聚類.由于Mean Shift聚類過程中無需提供類彆數,因此,這種處理是一箇無鑑督的自動分割過程.採用瞭多幅SAR圖像和Brodatz紋理閤成圖像做分割實驗,結果證明:本方法與單一利用灰度共生矩陣或矩特徵的方法相比,分割的準確性明顯提高.
침대합성공경뢰체(SAR)도상회도변화대、문리복잡급변계모호등특점제출료일충기우다특정적SAR도상적무감독분할방법.수선제취료SAR도상적국부구특정여회도공생구진적통계량(대비도、상관도、적、동질성)특정;연후이용주원분석(PCA)적방법대저사유용적특정진행강유처리이득도함유족구유별신식적2유특정;최후사용Mean Shift방법대구유2유특정신식적상소진행자동취류.유우Mean Shift취류과정중무수제공유별수,인차,저충처리시일개무감독적자동분할과정.채용료다폭SAR도상화Brodatz문리합성도상주분할실험,결과증명:본방법여단일이용회도공생구진혹구특정적방법상비,분할적준학성명현제고.
