一种基于MRF的非监督SAR图像分割  

Unsupervised Segmentation of SAR Images Based Markov Random Field

作　　者：赵庆平[1] 陈得宝[1] 姜恩华[1] 方振国[1] 

机构地区：[1]淮北师范大学物理与电子信息学院,安徽淮北235000

出　　处：《小型微型计算机系统》2014年第6期1377-1381,共5页Journal of Chinese Computer Systems

基　　金：安徽高校省级自然科学研究项目(KJ2013Z228)资助;安徽省自然科学基金项目(1308085MF82)资助;国家自然科学基金项目(61304082)资助

摘　　要：针对合成孔径雷达海冰图像分割特征上存在的鲁棒性问题,提出一种新的马尔科夫随机场(MRF)分割方法.传统的用于分割的双分量MRF模型,需要训练数据来估计所需的模型参数,因此不适合于非监督分割.通过在两个分量间引入基于函数的权重参数,每个分量对整个系统的贡献大小赋予权重参数,使用模拟退火方案时考虑空间关系信息,从而改进参数.这种基于区域的MRF模型方法能够自动估计模型参数并产生精确的非监督分割结果.实验表明,本文方法比RK-means和C-MLL分割方法具有更准确的边缘定位能力和更快的分割速度.Aiming at the problem of robustness in characteristics of synthetic aperture radar（SAR） sea ice image segmentation, Proposed a new Markov random field （MRF） segmentation method, The traditional for two-component MRF model segmentation, require training data to estimate the model parameters required, therefore not suitable for unsupervised segmentation. New approach uses a function-based parameter to weight the two components in a MRF model, the contribution of each component to the whole system assigns a weight parameter, Considering the spatial relation information using a simulated annealing scheme, thereby improving parameters. The devised model allows for automatic estimation of MRF model parameters to produce accurate unsupervised segmentation results. Experiments demonstrate that this method is more accurate edge localization ability and faster segmentation speed than RK-means and C-MLL segmentation method.

关 键 词：合成孔径雷达 马尔科夫随机场 图像分割 非监督 加权系数 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]