SAR圖像顯著性區(qū)域檢測算法.pdf

1、隨著合成孔徑雷達（SyntheticAperture Radar，SAR）成像技術(shù)的成熟和偵察范圍的增加，現(xiàn)有的SAR圖像數(shù)據(jù)量遠超過了目前解譯SAR圖像所承受的能力，僅僅獲取這些高分辨率的SAR圖像并沒有太多意義，重要的是解譯和提取 SAR圖像中的重要信息。那么，如何從海量數(shù)據(jù)中分析并提取出這部分有用的信息就顯得尤為重要，而視覺顯著性區(qū)域檢測的出現(xiàn)為解決這一問題提供了有效方案。
　　由于乘性噪聲的影響，使得SAR圖像在顯著性區(qū)域

2、檢測領(lǐng)域鮮有研究。因此，我們通過對光學(xué)圖像中許多經(jīng)典算法的研究，選擇了LC（Linear-color Contrast）模型對SAR圖像進行顯著性區(qū)域檢測。考慮到SAR圖像與光學(xué)圖像的不同成像機制，不可能將光學(xué)圖像中的方法直接應(yīng)用到 SAR圖像中，因此，我們需要在 LC模型的基礎(chǔ)上進行改進。下面介紹一下本文提出的兩種基于 LC模型的SAR圖像顯著性區(qū)域檢測算法：
　　第一種算法：基于局部相似度的SAR圖像顯著性區(qū)域檢測算法。由于

3、LC模型突出強調(diào)稀有顏色的特點，以及部分SAR圖像顏色復(fù)雜度低、層次分明的特點，我們用LC模型對這一類SAR圖像提取初級顯著圖。由于SAR圖像乘性噪聲的影響，初級顯著圖中存在大量噪聲混合在顯著區(qū)域。對此，我們在初級顯著圖的基礎(chǔ)上，對目標(biāo)區(qū)域所有像素計算其與周圍像素的相似度之和。相似度越大，證明像素鄰域內(nèi)多為目標(biāo)點，則判定該區(qū)域為顯著區(qū)域；相似度越小，證明像素鄰域內(nèi)多為背景點，該像素存在于背景中，則判定該區(qū)域為背景區(qū)域。接下來，將初級顯著

4、圖與相似圖相乘，使得最終顯著圖中的顯著區(qū)域得以增強，背景區(qū)域得以削弱，以此來減弱噪聲的影響。
　　第二種算法：基于超像素的SAR圖像顯著性區(qū)域檢測算法。首先，用LC模型對SAR圖像提取初級顯著圖。然后，用SLIC（simple linear iterativeclustering）超像素分割算法對SAR圖像進行超像素分割。計算每個超像素的平均灰度，并賦值給超像素中的每個像素點，使得比較尖銳的噪聲與周圍像素融合在一起。這樣，經(jīng)過聚類