CAJ | 학술논문

针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)和脉冲耦合神经网络(pulse coupled neural networks,PCNN)的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法.对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理.利用PCNN对低频图和高频子带特征图分别进行分割,获取了目标所在的区域及目标的精细结构.利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其他算法具有更强的抗噪性能.
침대SAR도상적목표자동분할문제,재분석비하채양륜곽파변환(nonsubsampled contourlet transform,NSCT)화맥충우합신경망락(pulse coupled neural networks,PCNN)적기출상,제출료일충기우비하채양륜곽파역특정도화PCNN적SAR도상목표분할산법.대SAR도상경과NSCT분해후적고、저빈도상분별운용불동방식진행처리.이용PCNN대저빈도화고빈자대특정도분별진행분할,획취료목표소재적구역급목표적정세결구.이용MSTAR수거진행료방진실험,병여기우모호C균치적분할산법、기우마이가부수궤장적분할산법진행료대비.실험결과표명,소제출산법대SAR도상목표적분할결과경위준학,동시교기타산법구유경강적항조성능.