张泽均 水鹏朗

1 引言

最近，合成孔径雷达(SAR)成像技术得到快速发展[1]和广泛应用[2]。SAR图像分割是其处理和应用中的关键步骤[3]，它将一幅SAR图像分割成互不相交的同质区域。图像中的相干斑噪声增大了它的分割难度[4]。两大类SAR图像分割算法是：基于区域特征和区域合并的算法[5,6]和基于优化模型的算法[3,7 11]- 。

第1类算法以初始过分割为基础，设计相邻区域之间的相似性度量，利用区域合并技术获得最终分割结果。文献[6]利用超像素技术获得图像的初始分割，同时利用Gabor算子和Prewitt算子提取图像的区域和边缘特征，设计相邻区域之间的相似性度量，该方法增大了SAR图像中乘性斑点噪声对分割结果的影响。

第2类算法是基于模型优化的方法。首先建立图像分割模型，然后对模型优化求解实现图像分割[3,711]-。文献[7]基于最短描述长度(Minimum Description Length, MDL)准则建立SAR图像分割模型，递归地变形多边形网格实现模型优化求解。该方法的缺点是模型优化的时间复杂度高，且算法性能和效率对初始分割敏感[7]。文献[11]将 SAR 图像的边缘信息融入高斯马尔科夫随机场模型的惩罚项中，建立图像分割模型，提出一种基于语义迭代区域生长(Iterative Region Growing using Semantics, IRGS)的模型优化方法[11]。不足之处：(1)高斯分布不适合对强度格式 SAR图像建模[12]；(2)基于梯度算子的边缘强度提取方法不具备的恒虚警(Constant False-Alarm Rate, CFAR)特性[13]，梯度算子对乘性噪声的敏感性使得获得的边缘具有明显的锯齿状；(3)算法中用来控制欠分割的区域标记算法的时间复杂度高。……