留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种新的SAR图像局部统计活动轮廓模型及算法

刘光明 孟祥伟

刘光明, 孟祥伟. 一种新的SAR图像局部统计活动轮廓模型及算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
引用本文: 刘光明, 孟祥伟. 一种新的SAR图像局部统计活动轮廓模型及算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
LIU Guangming, MENG Xiangwei. A Novel SAR Image Locally Statistical Active Contour Model and Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
Citation: LIU Guangming, MENG Xiangwei. A Novel SAR Image Locally Statistical Active Contour Model and Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445

一种新的SAR图像局部统计活动轮廓模型及算法

doi: 10.13203/j.whugis20130445
基金项目: 国家自然科学基金资助项目(61179016)式(1)等号右边的第一项是总变分项,第二项是数据保真项,其中,μ>0和θ>0是调节参数 为了对强度非均匀的SAR图像进行分割处理,本文提出了一个SAR图像两区域局部统计活动轮廓模型模型的能量泛函由长度项(即边缘平滑项)和区域数据项两部分组成先由AA模型的数据保真项得到分段常值数据项,即假定真实图像u是分段常值的,当x∈Ω1 时,u=C1;当x ∈Ω2 时,u=C2,然后再与高斯核函数相乘得到两区域分割数据项本文定义局部统计活动轮廓模型(locally statistical active contour model,LACM)为:ELACM(C,C1,C2)=θ∮Cds+μi∑=2∫1 Ω∫(ΩiKσ(x-y)(lgCi(x)+Cfi((yx)))dy)dx (2)其中,Kσ(x-y)是标准差为σ的高斯核函数,高斯核函数及其定位特性在本文模型中起着重要作用当x-y>3σ时,Kσ(x-y)→0,因此图像强度只有位于邻域{y:x-y<3σ}时,才在腜偷哪芰糠汉衅鹬渥饔谩€接着引入一个Lipschitz连续函数φ:Ω→R(称为水平集函数),使得:
详细信息
    作者简介:

    刘光明,博士生,主要从事SAR图像处理研究。

  • 中图分类号: P237.4;TP753

A Novel SAR Image Locally Statistical Active Contour Model and Algorithm

Funds: The National Natural Science Foundation of China,No.41171351;the Foundation of Innovative Research Programof Jiangsu Province,No.CXLX13_376;the Foundation of Innovative Research Program of Nanjing Normal University.
More Information
    Author Bio:

    国家自然科学基金资助项目(61179016)式(1)等号右边的第一项是总变分项,第二项是数据保真项,其中,μ>0和θ>0是调节参数 为了对强度非均匀的SAR图像进行分割处理,本文提出了一个SAR图像两区域局部统计活动轮廓模型模型的能量泛函由长度项(即边缘平滑项)和区域数据项两部分组成先由AA模型的数据保真项得到分段常值数据项,即假定真实图像u是分段常值的,当x∈Ω1 时,u=C1;当x ∈Ω2 时,u=C2,然后再与高斯核函数相乘得到两区域分割数据项本文定义局部统计活动轮廓模型(locally statistical active contour model,LACM)为:ELACM(C,C1,C2)=θ∮Cds+μi∑=2∫1 Ω∫(ΩiKσ(x-y)(lgCi(x)+Cfi((yx)))dy)dx (2)其中,Kσ(x-y)是标准差为σ的高斯核函数,高斯核函数及其定位特性在本文模型中起着重要作用当x-y>3σ时,Kσ(x-y)→0,因此图像强度只有位于邻域{y:x-y<3σ}时,才在腜偷哪芰糠汉衅鹬渥饔谩€接着引入一个Lipschitz连续函数φ:Ω→R(称为水平集函数),使得:

计量
  • 文章访问数:  961
  • HTML全文浏览量:  31
  • PDF下载量:  547
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-08-29
  • 修回日期:  2015-05-05
  • 刊出日期:  2015-05-05

一种新的SAR图像局部统计活动轮廓模型及算法

doi: 10.13203/j.whugis20130445
    基金项目:  国家自然科学基金资助项目(61179016)式(1)等号右边的第一项是总变分项,第二项是数据保真项,其中,μ>0和θ>0是调节参数 为了对强度非均匀的SAR图像进行分割处理,本文提出了一个SAR图像两区域局部统计活动轮廓模型模型的能量泛函由长度项(即边缘平滑项)和区域数据项两部分组成先由AA模型的数据保真项得到分段常值数据项,即假定真实图像u是分段常值的,当x∈Ω1 时,u=C1;当x ∈Ω2 时,u=C2,然后再与高斯核函数相乘得到两区域分割数据项本文定义局部统计活动轮廓模型(locally statistical active contour model,LACM)为:ELACM(C,C1,C2)=θ∮Cds+μi∑=2∫1 Ω∫(ΩiKσ(x-y)(lgCi(x)+Cfi((yx)))dy)dx (2)其中,Kσ(x-y)是标准差为σ的高斯核函数,高斯核函数及其定位特性在本文模型中起着重要作用当x-y>3σ时,Kσ(x-y)→0,因此图像强度只有位于邻域{y:x-y<3σ}时,才在腜偷哪芰糠汉衅鹬渥饔谩€接着引入一个Lipschitz连续函数φ:Ω→R(称为水平集函数),使得:
    作者简介:

    刘光明,博士生,主要从事SAR图像处理研究。

  • 中图分类号: P237.4;TP753

摘要: 近年来变分水平集方法在图像分割中得到了广泛应用,但此类方法的能量泛函是非凸的,易陷入局部极小值解。本文基于AA(Aubert-Aujol)去噪模型和变分水平集方法,提出一个局部统计活动轮廓模型,通过凸松弛技术将提出的分割模型转换成全局优化模型,再加入一个迫近算子项,将提出的模型转化为ROF去噪模型,最后采用快速去噪算法,得到一个全局最优的快速分割算法。此算法不涉及差分或微分方程,只需要简单的差分运算,提高了数值运算速度。对实测SAR图像进行分割实验,结果表明,本文提出的全局分割模型不但能够快速、有效地分割SAR图像,取得全局最小值,而且可以更准确地得到图像分割边缘。

English Abstract

刘光明, 孟祥伟. 一种新的SAR图像局部统计活动轮廓模型及算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
引用本文: 刘光明, 孟祥伟. 一种新的SAR图像局部统计活动轮廓模型及算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
LIU Guangming, MENG Xiangwei. A Novel SAR Image Locally Statistical Active Contour Model and Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
Citation: LIU Guangming, MENG Xiangwei. A Novel SAR Image Locally Statistical Active Contour Model and Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 628-631. doi: 10.13203/j.whugis20130445
参考文献 (1)

目录

    /

    返回文章
    返回