基于变差系数的合成孔径雷达图像超像素分割算法

TP391; 由于简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对含有相干斑噪声的合成孔径雷达(synthetic aperture radar,SAR)图像边缘分割不理想,提出了一种基于变差系数(coef-ficient of variation,CV)的SAR图像超像素分割算法.该算法首先对SAR图像进行各项异性高斯平滑预处理,使得图像相干斑得到平滑的同时边缘信息不被破坏;其次,采用CV估计边缘信息,使得图像的同质区与边缘区更容易区分;最后用加入边缘信息的SLIC算法进行聚类,生成超像素.实验结果表明:该算法在SAR图像分割下与3种经...

Full description

Saved in:
Bibliographic Details
Published in西安工程大学学报 Vol. 34; no. 6; pp. 67 - 72
Main Authors 翟娅娅, 朱磊, 姚佳旭, 马晓敏
Format Journal Article
LanguageChinese
Published 西安工程大学 电子信息学院,陕西 西安 710048 2020
Subjects
超像素分割
简单线性迭代聚类(SLIC)
变差系数(CV)
合成孔径雷达(SAR)图像
Online AccessGet full text

Cover

More Information
Summary:TP391; 由于简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对含有相干斑噪声的合成孔径雷达(synthetic aperture radar,SAR)图像边缘分割不理想,提出了一种基于变差系数(coef-ficient of variation,CV)的SAR图像超像素分割算法.该算法首先对SAR图像进行各项异性高斯平滑预处理,使得图像相干斑得到平滑的同时边缘信息不被破坏;其次,采用CV估计边缘信息,使得图像的同质区与边缘区更容易区分;最后用加入边缘信息的SLIC算法进行聚类,生成超像素.实验结果表明:该算法在SAR图像分割下与3种经典超像素算法相比,其召回率至少提高了5％,且超像素个数大于400时,欠分割错误率降低了2％.该算法使得SAR图像超像素分割的准确度提高,其边缘和图像真实边缘更加贴切.
ISSN:1674-649X
DOI:10.13338/j.issn.1674-649x.2020.06.011