一种有效的MSTAR SAR图像分割方法

林达; 徐新; 董浩; 谢文涛

doi:10.13203/j.whugis20130572

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

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

一种有效的MSTAR SAR图像分割方法

林达, 徐新, 董浩, 谢文涛

文章导航 > 武汉大学学报 ● 信息科学版 > 2015 > 40(10): 1377-1380,1385

林达, 徐新, 董浩, 谢文涛. 一种有效的MSTAR SAR图像分割方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(10): 1377-1380,1385. doi: 10.13203/j.whugis20130572

引用本文:

林达, 徐新, 董浩, 谢文涛. 一种有效的MSTAR SAR图像分割方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(10): 1377-1380,1385. doi: 10.13203/j.whugis20130572

LIN Da, XU Xin, DONG Hao, XIE Wentao. An Effective Segmentation Algorithm for MSTAR SAR Target Chips[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1377-1380,1385. doi: 10.13203/j.whugis20130572

Citation:

LIN Da, XU Xin, DONG Hao, XIE Wentao. An Effective Segmentation Algorithm for MSTAR SAR Target Chips[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1377-1380,1385. doi: 10.13203/j.whugis20130572

一种有效的MSTAR SAR图像分割方法

doi: 10.13203/j.whugis20130572

武汉大学电子信息学院, 湖北武汉, 430079

基金项目: 国家重点基础研究发展计划(973计划)资助项目(2013CB733404)。

详细信息

作者简介:
林达,博士生,研究方向为图像处理、计算机视觉。E-mail:linda_giggle@whu.edu.cn

中图分类号: P237.3

An Effective Segmentation Algorithm for MSTAR SAR Target Chips

Electronic Information School, Wuhan University, Wuhan 430079, China

Funds: The National Basic Research Program(973 Program) of China, No. 2013CB733404.

摘要: 提出了一种有效的MSTAR SAR图像分割方法。该方法首先对待处理图像进行过分割操作,得到过分割图像区域,然后对过分割后的图像进行图像区域级和像素级的特征提取,得到用于表示图像的特征向量,接着对MSTAR SAR图像使用空间隐含狄利克雷分配模型(sLDA)和马尔科夫随机场(MRF)建立本文所提出的模型,得到能量泛函,最后运用Graph-Cut算法和Branch-and-Bound算法对能量泛函进行优化,得到最终的分割结果。通过使用MSTAR SAR图像进行分割实验比较,仿真结果表明了方法的有效性。
- MSTAR SAR图像分割 /
- 空间隐含狄利克雷分配模型 /
- 马尔科夫随机场 /
- 能量优化
Abstract: We present an effective segmentation algorithm for MSTAR SAR target chips. First, the image over-segmentation is implemented to acquire image regions. Then the region-level and pixel-level features are generated to represent SAR images of MSTAR SAR chips. Finally, the Graph-Cut and Branch-and-Bound algorithms are applied to the energy function obtained by sLDA and MRF to achieve the final segmentation results. Through a comparison of distinct SAR image segmentation experiments, our simulation results demonstrate the superior performance of our proposed method in terms of effectiveness.
- MSTAR SAR image segmentation /
- spatial latent Dirichlet allocation (sLDA) /
- Markov random field (MRF) /
- energy optimization

[1]	Liao Mingsheng, Lin Hui.Synthetic Aperture Radar Interferometry—Principle and Signal Processing[M].Beijing:Surveying and Mapping Press,2003(廖明生,林珲.雷达干涉测量学:原理与信号处理基础[M].北京:测绘出版社,2003)
[2]	Blei D M, Ng A Y, Jordan M I. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003,3(1): 993-1 022
[3]	Cao L L, Li F F. Spatially Coherent Latent Topic Model for Concurrent Segmentation and Classification of Objects and Scenes[C]. IEEE 11th International Conference on Computer Vision, Riode Janeiro,Brazil,2007
[4]	Verbeek J, Triggs B. Region Classification with Markov Field Aspect Models[C]. IEEE Conference on Computer Vision and Pattern Recognition, Minneapolis, Minnesota, USA,2007
[5]	Liu Mengling, He Chu, Su Xin, et al.A pLSA Based on Topo-MRF Model Method for SAR Images Classification[J].Geomatics and Information Science of Wuhan University,2011,36(1):122-125(刘梦玲, 何楚, 苏鑫, 等. 基于 pLSA 和 Topo-MRF 模型的 SAR 图像分类算法研究[J]. 武汉大学学报·信息科学版, 2011, 36(1): 122-125)
[6]	Lempitsky V, Blake A, Rother C. Branch-and-mincut: Global Optimization for Image Segmentation with High-level Priors[J]. Journal of Mathematical Imaging and Vision, 2012, 44(3): 315-329
[7]	Lawler E L, Wood D E. Branch-and-Bound Methods: A Survey[J]. Operations Research, 1966, 14(4): 699-719
[8]	Hofmann T. Probabilistic Latent Semantic Analysis[C]//Proceedings of the 15th Conference on Uncertainty in Artificial Intelligence. Stockholm,Sweden:Morgan Kaufmann Publishers Inc, 1999: 289-296
[9]	Griffiths T L, Steyvers M. Finding Scientific Topics[J]. The National Academy of Sciences of the United States of America, 2004, 101(Suppl 1): 5 228-5 235
[10]	Minka T, Lafferty J. Expectation-Propagation for the Generative Aspect Model[C]//Proceedings of the 18th Conference on Uncertainty in Artificial Intelligence. Alberta,Canada:Morgan Kaufmann Publishers Inc, 2002: 352-359
[11]	Bleau A, Leon L J. Watershed-based Segmentation and Region Merging[J]. Computer Vision and Image Understanding, 2000, 77(3): 317-370
[12]	Wu F Y. The Potts Model[J]. Reviews of Modern Physics, 1982, 54(1): 235-268

[1]	刘坚, 李树林, 陈涛. 基于优化随机森林模型的滑坡易发性评价 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 1085-1091. doi: 10.13203/j.whugis20160515
[2]	郑肇葆, 潘励, 郑宏. 图像纹理基元分类的马尔柯夫随机场方法 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 463-467. doi: 10.13203/j.whugis20150615
[3]	程诗尧, 梅天灿, 刘国英. 顾及结构特征的多层次马尔科夫随机场模型在影像分类中的应用 . 武汉大学学报 ● 信息科学版, 2015, 40(9): 1180-1187. doi: 10.13203/j .whu g is20130692
[4]	唐韵玮, 张景雄. 遥感影像土地覆盖分类的多点地统计学方法 . 武汉大学学报 ● 信息科学版, 2014, 39(5): 546-550. doi: 10.13203/j.whugis20130023
[5]	林达, 徐新, 潘雪峰, 张海涛. 一种新的MSTAR SAR图像分割方法 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1314-1317.
[6]	王琰, 舒宁, 龚龑. 利用马尔柯夫随机场图模型的变化像斑类别判定方法 . 武汉大学学报 ● 信息科学版, 2012, 37(5): 542-545.
[7]	郑肇葆. 生物地理学优化(BBO)在图像分割中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 932-935.
[8]	尤红建. 多尺度分割优化的SAR变化检测 . 武汉大学学报 ● 信息科学版, 2011, 36(5): 531-534.
[9]	张斌, 杨然, 谢兴, 秦前清. 利用极化目标分解和WMRF的全极化SAR图像分类方法 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 297-300.
[10]	章勇勤, 艾勇, 吴敏渊, 马攀. 基于纹理特征的图像恢复 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 102-105.
[11]	魏小莉, 沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 955-958.
[12]	刘朔, 武红敢, 温庆可. 基于遗传和蚁群组合算法优化的遥感图像分割 . 武汉大学学报 ● 信息科学版, 2009, 34(6): 679-683.
[13]	代登信, 杨文, 邹同元, 孙洪. 一种快速有效的MSTAR SAR目标图像分割算法 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1059-1062.
[14]	龚龑, 舒宁. 二值马尔科夫模型和多波段遥感影像的多尺度纹理分割 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 21-24.
[15]	张震, 任远, 平西建, 康吉全. 基于图像质量评价量和隐马尔科夫模型的图像拼接检测 . 武汉大学学报 ● 信息科学版, 2008, 33(10): 1030-1033.
[16]	龚衍, 舒宁. 基于马尔柯夫随机场的多波段遥感影像纹理分割研究 . 武汉大学学报 ● 信息科学版, 2007, 32(3): 213-215.
[17]	龚衍, 舒宁. 非参数吉布斯模型和多波段遥感影像纹理分割方法研究 . 武汉大学学报 ● 信息科学版, 2007, 32(7): 581-584.
[18]	曹建农, 李德仁, 关泽群. 基于可分解马尔科夫网的极端椒盐噪声图像滤波 . 武汉大学学报 ● 信息科学版, 2005, 30(7): 583-587.
[19]	郑肇葆, 郑宏. 用遗传算法确定马尔柯夫随机场的最佳参数 . 武汉大学学报 ● 信息科学版, 2000, 25(3): 221-225.
[20]	黄桂兰, 郑肇葆. 一种基于马尔可夫随机场的影像纹理分类方法 . 武汉大学学报 ● 信息科学版, 1996, 21(3): 232-236,241.

点击查看大图

计量

文章访问数: 1395
HTML全文浏览量: 66
PDF下载量: 489
被引次数: 0

一种有效的MSTAR SAR图像分割方法

doi: 10.13203/j.whugis20130572

武汉大学电子信息学院, 湖北武汉, 430079

基金项目: 国家重点基础研究发展计划(973计划)资助项目(2013CB733404)。

作者简介:
林达,博士生,研究方向为图像处理、计算机视觉。E-mail:linda_giggle@whu.edu.cn

收稿日期: 2013-12-24
刊出日期: 2015-10-05

中图分类号: P237.3

关键词:

摘要: 提出了一种有效的MSTAR SAR图像分割方法。该方法首先对待处理图像进行过分割操作,得到过分割图像区域,然后对过分割后的图像进行图像区域级和像素级的特征提取,得到用于表示图像的特征向量,接着对MSTAR SAR图像使用空间隐含狄利克雷分配模型(sLDA)和马尔科夫随机场(MRF)建立本文所提出的模型,得到能量泛函,最后运用Graph-Cut算法和Branch-and-Bound算法对能量泛函进行优化,得到最终的分割结果。通过使用MSTAR SAR图像进行分割实验比较,仿真结果表明了方法的有效性。