基于局部水平集和非局部MRF的SAR图像分割方法的中期报告.docx

基于局部水平集和非局部MRF的SAR图像分割方法的中期报告
一、研究背景及意义
合成孔径雷达（SyntheticApertureRadar,SAR）是一种主动传感器，不受云、雾、雨、夜间等气象条件的限制，因此被广泛应用于军事和民用领域。SAR图像具有分辨率高、多角度获取、波长长等特点，但也具有噪声大、复杂背景等问题，因此对SAR图像的自动分割和目标识别具有重要的研究意义和应用价值。
目前，SAR图像分割是SAR图像处理中的一个重要环节，在自动目标识别、机器人导航、环境监控等领域中均有广泛应用。SAR图像分割的主要任务是将图像中的不同区域分割出来并提取目标。由于SAR图像中存在背景复杂、目标大小不一、光滑区域与纹理区域的区别不明显等问题，使得SAR图像分割变得比较困难。
为了解决SAR图像分割问题，研究者们提出了许多方法，其中基于水平集和马尔可夫随机场（MarkovRandomField,MRF）的方法是其中一种常用的方法。该方法利用水平集理论将SAR图像分为目标区域和背景区域，并通过MRF模型控制相邻像素的标记相似性，以提高分割效果。然而，该方法在处理非纹理区域、边缘区域等问题上存在困难。
为了解决上述问题，提高SAR图像分割精度，本文提出了一种基于局部水平集和非局部MRF的SAR图像分割方法。
二、研究内容及进展
（1）基于局部水平集的SAR图像分割方法
针对SAR图像中目标大小不一、光滑与纹理区域混合等问题，本文提出了一种基于局部水平集的SAR图像分割方法。该方法通过局部信息和全局信息相结合，利用水平集方法将SAR图像分为目标区域和背景区域，并克服了传统水平集方法中生长过程的不连续现象。实验结果表明，该方法在处理自然背景区域、弱衰减区域等问题上具有一定优势。
（2）基于非局部MRF的SAR图像分割方法
针对SAR图像中缺乏纹理、目标小且信息量少等问题，本文提出了一种基于非局部MRF的SAR图像分割方法。该方法利用非局部相似性（Non-LocalSimilarity,NLS）模型提高目标信息获取的可靠性，利用MRF模型控制分割过程中的相邻像素标记相似性，从而提高分割精度。实验结果表明，该方法在处理非纹理区域、弱衰减区域等问题上具有良好的效果。
三、研究计划
1.继续完善基于局部水平集的SAR图像分割方法，并与其它相关方法进行对比，评估其性能。
2.通过对算法参数的调整和优化，提高基于非局部MRF的SAR图像分割方法的效果。
3.进行大量实验，分析两种方法的优缺点，并通过交叉验证等方法对算法进行验证。
四、论文创新点
1.提出了基于局部水平集和非局部MRF相结合的SAR图像分割方法，通过充分考虑局部和全局信息，提高分割精度。
2.利用非局部相似性模型提高目标信息获取的可靠性，利用MRF模型控制分割过程中的相邻像素标记相似性，从而克服了传统MRF方法的缺陷。
3.通过对实验结果的分析，证明了本文方法在处理自然背景区域、非纹理区域、弱衰减区域等问题上具有显著优势。