SAR图像分割是SAR图像分析的关键步骤,也是SAR图像解译中尚未完全解决的重要问题。现有SAR图像分割方法的本质多是基于概率统计和模糊数学,其实现依赖于大样本、特定概率分布或隶属度等先验知识,这在实际应用中很难完全满足。本项目以小样本数据分析与建模为特色的灰色理论为工具,深入研究了斑点噪声特性,噪声抑制、SAR图像分割和分割性能评价方法。包括①分析了斑点噪声的特性,利用Gaussian-Hermite矩和直方图特征,提出确定图像中的斑点噪声强度的方法和不同类型噪声的灰色识别方法;在此基础上,探讨了基于灰色关联分析的SAR图像增强方法、改进算法,以及相似性灰关联的强噪声图像增强方法;②定义了灰熵模型,将多尺度变换、群体智能优化算法、熵与形态学等知识相结合,提出多种快速高效的SAR图像分割方法和线与边缘的检测方法。③研究了SAR图像分割效果评价中的小样本数据序列形成方法,提出基于灰色聚类分析和灰色关联分析的分割效果评价模型,并形成了相关评价方法。
英文主题词grey theory;grey system;image segmentation;performance evaluation