基于全局极小解Chan-Vese模型的SAR图像分割

摘要：

活动轮廓模型是近年来最成功的分割模型之一.但由于SAR图像存在较强的斑点噪声,使用传统的Chan-Vese模型水平集分割方法会产生很多误分割.因此,需要对传统Chan-Vese模型进行改进,将非凸的Chan-Vese模型转换为凸优化问题,得到Chan-Vese模型的全局极小解.对凸优化Chan-Vese模型引入边缘检测算子,得到基于边缘和区域信息的全局极小解Chan-Vese模型.在水平集演化迭代过程中,引入一个新的迭代终止条件,可以敏感地判断演化曲线的变化幅度,根据设定条件,自动的停止迭代计算.针对合成图像和真实SAR图像进行分割实验,实验结果表明,提出的改进Chan-Vese模型能够快速、准确地提出图像中感兴趣目标,并具有较强的抗噪性.

关键词：合成孔径雷达、图像分割、全局极小解、Chan-Vese模型、水平集方法

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家863高技术研究发展计划重点基金项目2009AA122003;山东自然科学基金项目ZR2011FM024;山东省教育厅科技计划基金项目J08LJ10

在线出版日期：2013-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：4255-4258