导读:本文包含了合成孔径雷达图像分割论文开题报告文献综述及选题提纲参考文献，主要关键词:合成孔径雷达,图像分割,初始分割,区域合并
合成孔径雷达图像分割论文文献综述
樊书辰,水鹏朗[1]（2019）在《形态学边缘信息引导的区域合并合成孔径雷达图像分割算法》一文中研究指出针对基于区域合并的合成孔径雷达(SAR)图像分割中,初始分割过度碎片化影响后续区域合并效率和质量的问题,提出了利用形态学边缘信息引导的区域合并(MEI-RCBLP)SAR图像分割算法。首先利用高斯和伽马函数赋权的加权中值滤波构造各向异性形态学方向比率算子,提取图像的边缘强度映射来表征边缘响应的强弱,并对边缘强度映射进行阈值化处理和分水岭变换得到高质量的初始分割;然后利用现有的相对公共边界长度惩罚区域合并技术,迭代地合并初始分割中最相似的相邻区域,直到满足合并终止条件,输出最终的分割结果。实验结果表明,相比利用统计区域生长、MISP超像素和均值比边缘信息引导的分割算法,所提出的MEI-RCBLP算法显着改善了初始分割质量,在保证最终分割质量的前提下初始分割区域数目减少了25%以上,同时最终的分割结果在不同的性能评价指标上总体优于上述对比算法。(本文来源于《西安交通大学学报》期刊2019年10期）
万玲,尤红建,程跃兵,卢晓军[2]（2018）在《合成孔径雷达图像分割研究进展》一文中研究指出图像分割是SAR图像分析的关键步骤,高质量的分割结果是发挥SAR图像应用潜力的保证。近年来,在SAR传感器蓬勃发展的背景下,SAR图像应用受到更为广泛的重视。然而相比光学图像,SAR自身的成像特点使其在分割时更难得到理想的结果。而随着模式识别、机器学习、遥感技术等相关学科领域的发展,SAR图像分割研究取得了快速进展。系统地总结了SAR图像分割的相关研究进展,在归纳分类的基础上,重点对基于模糊C均值、马尔科夫随机场、区域信息、统计分布、水平集、多层次特征及深度学习等热点方法的发展与最新研究进行了综述。最后针对SAR图像分割技术进行了展望。(本文来源于《遥感技术与应用》期刊2018年01期）
杨帆,杨健,殷君君[3]（2015）在《基于区域谱聚类的极化合成孔径雷达图像分割》一文中研究指出极化合成孔径雷达(Synthetic Aperture Radar,SAR)经常用于地物图像的分割和分类.实际中监测范围广,需要算法快速有效;地物复杂,需要算法能够处理不均匀地物.针对上述问题,提出了基于区域合并和谱聚类的极化SAR图像分割方法.先对图像进行一个区域合并步骤完成粗分割,产生许多具有相似统计特性的区域块,再对过分割的区域块进行谱聚类.多个场景下的实验表明:所提方法相对于传统针对像素点的谱聚类,运算复杂度低;相对于完全进行区域融合的方法,更能适应不均匀地物和大场景分割.(本文来源于《电波科学学报》期刊2015年01期）
刘金龙,高晓宇[4]（2014）在《基于小波变换的合成孔径雷达图像分割研究》一文中研究指出图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达(SAR)的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。(本文来源于《科技创新导报》期刊2014年32期）
王海军,张圣燕[5]（2013）在《合成孔径雷达图像分割算法研究》一文中研究指出对合成口径雷达图像的分割算法进行了归纳综述,概述了主动轮廓的分割算法、马尔科夫随机场的分割算法和模糊均值的分割算法,简要阐述了各种算法的原理,提出了基于局部隶属度和局部信息的模糊均值分割方法,以期为SAR图像分割算法的研究提供参考.(本文来源于《滨州学院学报》期刊2013年03期）
尚晓清,杨琳,赵志龙[6]（2012）在《基于非凸正则化项的合成孔径雷达图像分割新算法》一文中研究指出合成孔径雷达图像中乘性噪音的存在使合成孔径雷达图像分割变得非常困难.针对这一难题,本文以提高分割准确度,保护图像的几何结构边缘和提高算法的鲁棒性为目的,提出了一种适用于处理合成孔径雷达图像分割的新模型.新模型结合合成孔径雷达图像的区域和边缘信息,首先通过引入非凸的正则化项,定义了能量泛函;然后极小化能量泛函,建立了水平集函数演化的偏微分方程;最后对水平集演化方程的数值求解,实现了对合成孔径雷达图像感兴趣区域的分割.分别采用仿真图像和实测合成孔径雷达图像对新模型进行验证,结果表明,新模型对合成孔径雷达图像具有很强的边缘定位能力,能使目标区域分割更完整.(本文来源于《光子学报》期刊2012年09期）
张君,薄华,王晓峰[7]（2011）在《基于改进谱聚类的合成孔径雷达溢油图像分割算法》一文中研究指出为了解决传统谱聚类算法对大尺寸海洋图像难以进行有效计算的问题,提出一种改进的谱聚类算法.采用分块方法将原始图像分割成多个子图,同时结合随机采样算法利用采集的样本估计全局样本,在保证分割精度基础上大大降低计算复杂度,有效地处理高维图像.针对随机采样的不稳定性,采用多次采样聚类并结合大多数投票的方法,得出最终的分割结果.仿真结果显示,改进算法可以有效降低计算复杂度,并保证聚类算法计算复杂度的减少与图像大小成正比,分块方法和多次聚类结果的融合可以大大提高溢油目标分割的精度.(本文来源于《上海海事大学学报》期刊2011年03期）
王红艳[8]（2010）在《基于支持向量机的合成孔径雷达图像分割》一文中研究指出合成孔径雷达(SAR)图像分割是SAR图像应用中非常重要的一个环节,但由于SAR图像中相干斑噪声的存在和特征选择不当,使得传统方法不能很好的对SAR图像进行分割。因此,将机器学习领域中新的研究成果应用到SAR图像分割中并构造有效的分类器具有重要的意义。本文基于支持向量机(SVM)对SAR图像的特征提取和分割方法进行了较为深入的研究。主要内容如下:首先,对SAR图像分割的背景及意义进行了介绍,分析了SAR图像分割的研究现状与发展趋势;对统计学习理论与支持向量机的基本理论进行了阐述;对合成孔径雷达和其中存在的相干斑噪声进行了研究,为图像处理提供了理论依据。其次,本文结合小波变换在提取纹理特征、图像去噪方面的显着效果和支持向量机分类方法的优势,实现了一种基于支持向量机的单目标SAR图像分割方法。该方法先利用小波变换提取样本点周围的纹理特征,再对图像进行去噪处理;用小波能量特征及其加权平均值、去噪后样本点的灰度值和它的八邻域灰度值共同构成样本点的综合特征,利用归一化后的特征向量来训练SVM;然后利用训练得到的SVM对图像的每个像素点进行分类,从而实现SAR图像的单目标分割。实验表明,该方法对于单目标SAR图像进行分割,具有较好的分割效果。最后,探索了一种基于支持向量机的多目标SAR图像分割方法。在人工提取样本后,将综合特征作为特征向量来训练得到多类支持向量机,利用该SVM实现多目标SAR图像的分割。其中,在由两类分类推广到多类分类时采用改进的“一对一方法”。对一幅含有多目标的SAR图像进行分割实验,结果表明该方法相对传统的分割方法能取得较好的分割结果。(本文来源于《西安科技大学》期刊2010-06-30）
王玲,逯贵祯,肖怀宝[9]（2009）在《基于马尔科夫随机场的合成孔径雷达图像分割方法》一文中研究指出提出了一种基于MRF模型和最大后验概率准则的SAR目标切片图像分割方法。该方法通过对SAR目标切片图像中不同的区域所占比例进行统计分析,得到了一种有效分割的迭代初值选择方法。本文给出了模拟退火算法,ICM算法,吉布斯抽样算法对模拟图像和实测SAR图像目标区域进行了分割,结果表明,采用本文提出的方法可以加速迭代的收敛过程,降低迭代次数,提高分割速度。(本文来源于《中国传媒大学学报(自然科学版)》期刊2009年04期）
李禹,计科锋,粟毅[10]（2008）在《合成孔径雷达图像分割技术综述》一文中研究指出针对SAR图像分割问题,介绍了分割的物理概念和分割处理的理论依据,并对国内外SAR图像分割算法进行综述,归纳为基于数据驱动和基于模型驱动这两大类分割算法,总结了SAR图像分割的性能评估指标,最后给出了基于实际数据的分割结果和性能分析。(本文来源于《宇航学报》期刊2008年02期）
合成孔径雷达图像分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像分割是SAR图像分析的关键步骤,高质量的分割结果是发挥SAR图像应用潜力的保证。近年来,在SAR传感器蓬勃发展的背景下,SAR图像应用受到更为广泛的重视。然而相比光学图像,SAR自身的成像特点使其在分割时更难得到理想的结果。而随着模式识别、机器学习、遥感技术等相关学科领域的发展,SAR图像分割研究取得了快速进展。系统地总结了SAR图像分割的相关研究进展,在归纳分类的基础上,重点对基于模糊C均值、马尔科夫随机场、区域信息、统计分布、水平集、多层次特征及深度学习等热点方法的发展与最新研究进行了综述。最后针对SAR图像分割技术进行了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
合成孔径雷达图像分割论文参考文献
[1].樊书辰,水鹏朗.形态学边缘信息引导的区域合并合成孔径雷达图像分割算法[J].西安交通大学学报.2019
[2].万玲,尤红建,程跃兵,卢晓军.合成孔径雷达图像分割研究进展[J].遥感技术与应用.2018
[3].杨帆,杨健,殷君君.基于区域谱聚类的极化合成孔径雷达图像分割[J].电波科学学报.2015
[4].刘金龙,高晓宇.基于小波变换的合成孔径雷达图像分割研究[J].科技创新导报.2014
[5].王海军,张圣燕.合成孔径雷达图像分割算法研究[J].滨州学院学报.2013
[6].尚晓清,杨琳,赵志龙.基于非凸正则化项的合成孔径雷达图像分割新算法[J].光子学报.2012
[7].张君,薄华,王晓峰.基于改进谱聚类的合成孔径雷达溢油图像分割算法[J].上海海事大学学报.2011
[8].王红艳.基于支持向量机的合成孔径雷达图像分割[D].西安科技大学.2010
[9].王玲,逯贵祯,肖怀宝.基于马尔科夫随机场的合成孔径雷达图像分割方法[J].中国传媒大学学报(自然科学版).2009
[10].李禹,计科锋,粟毅.合成孔径雷达图像分割技术综述[J].宇航学报.2008