《全極化SAR影像分割及評價方法研究》是依託中國礦業大學，由郎豐鎧擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：全極化SAR影像分割及評價方法研究
- 項目類別：青年科學基金項目
- 項目負責人：郎豐鎧
- 依託單位：中國礦業大學
項目摘要,結題摘要,
項目摘要
極化SAR影像分割是基於對象的極化SAR影像解譯分析研究中必不可少的預處理步驟，分割效果的優劣直接關係到解譯精度的高低。然而，現有極化SAR影像分割算法往往忽略點、線、邊緣等細節信息，分割精度差、執行效率低，並且在評價分割結果時主要靠目視定性評價，主觀性大、無標準可依。對此，本項目首先將現有算法分為常規分割、超像素分割、層次分割三大類；然後在之前提出的廣義均值漂移（GMS）算法基礎上研究區域合併順序、合併規則及分割後處理等內容，利用區域合併增長技術構建基於GMS的超像素分割方法；繼而研究區域距離或相似度模型，利用分層逐步最佳化技術構建基於超像素的層次分割方法；最後研究分割尺度概念的具體化和定量化問題，從定性和定量兩方面入手構建一套極化SAR影像分割結果評價體系。本項目以實現極化SAR影像精確、快速分割及分割結果客觀評價為目標，對提高基於對象的極化SAR影像解譯處理的精度和速度具有重要意義。
結題摘要
合成孔徑雷達（SAR）技術是遙感技術的一個重要分支，在對地觀測領域有不可替代的作用。近年來可獲取的極化SAR數據越來越豐富，但數據處理和解譯方面還存在一定的滯後性。本研究針對目前面向對象的極化SAR影像處理領域分割算法少、分割效果差、速度慢等問題，以“超像素分割-基於超像素的層次分割-分割結果評價”為思路，從極化SAR影像本身出發，圍繞其統計特性、極化特性，開展極化SAR影像超像素分割及評價方法研究，具體如下：（1）在廣義均值漂移（Generalized Mean Shift, GMS）算法的基礎上研究區域合併順序、合併規則等內容，進而提出了GMS超像素分割算法，通過實驗發現，該算法在細節保持方面優於歸一化割（Normalized cut, Ncut）算法，在執行效率上有明顯優勢；（2）提出多尺度梯度計算方法，並將種子點設定、空間約束等超像素分割技術用於基於分水嶺的極化SAR圖像超像素分割，通過實驗驗證該算法相比於常規分水嶺分割可通過參數控制超像素的大小和緊湊度，並且獲得的超像素邊緣位置更加精確；（3）將超像素分割算法與二叉樹分割算法結合，提出了基於超像素的二叉樹分割算法，該算法結合了超像素分割快速、抗噪性好和二叉樹分割算法可對圖像進行多尺度表達的優點，相比於基於像素的二叉樹分割算法在執行效率上有明顯提升；（4）在分割效果評價方面，本研究在總結現有方法的基礎上提出了分割尺度的數學定義，並通過實驗驗證，該數學定義可作為定量評價方法，是目視評價的重要補充，在此基礎上，進一步提出了對分割算法進行客觀、綜合評價的定性和定量評價方法體系。本研究所獲得的成果將豐富極化SAR影像分割及評價方面的理論技術體系，提升極化SAR影像分割精度及速度，促進極化SAR影像分割結果的客觀評價，進而提高面向對象的極化SAR影像解譯處理的精度和速度，對極化SAR技術的推廣和套用具有重要的理論意義和套用價值。
