刘修国，徐 乔，陈启浩，陈 奇



选择利用Wishart和K统计描述的极化SAR图像分割

刘修国，徐 乔，陈启浩，陈 奇

(中国地质大学(武汉)信息工程学院 武汉 430074)

为得到极化SAR图像中不同异质程度区域的准确分割，本文提出一种选择利用Wishart和K统计描述的极化SAR图像分割方法。该方法采用分形网络演化算法思想，将简单线性迭代聚类算法生成的超像素作为初始对象；再根据区域异质度指标，选择利用Wishart分布或K分布描述对象的统计相似性；最终实现综合利用Wishart和K统计描述的极化SAR图像分形网络演化分割。通过模拟数据和真实极化数据进行实验并与其它方法相比较，结果表明，本文方法在整体上能准确分割不同异质程度的地物，在局部细节上分割结果边界更精细。

分形网络演化算法; 图像分割; K分布; 极化SAR; Wishart分布

极化SAR图像分割是极化SAR图像自动解译的关键技术之一，以分割后的对象为分析单元，有助于理解图像所包含的地物及目标信息。然而，极化SAR图像固有的相干斑噪声会干扰图像分割处理，因此，利用统计特性进行分割，成为抑制相干斑噪声并提高分割精度的一种重要途径。

极化SAR图像中不同异质程度的目标具有不同的统计特性。均质区的相干矩阵通常采用Wishart分布建模，利用Wishart分布的极化SAR图像分割应用广泛。文献[1]采用基于Wishart分布的层次聚类模型进行分割，文献[2]将Wishart分布模型与MRF结合对极化SAR图像分割，文献[3]提出基于Wishart分布的水平集方法分割极化SAR图像。由于Wishart分布模型能有效对均质区建模，这些方法在均质区均取得较好分割结果。……