基于改进C-V模型的高分辨SAR图像分割

针对SAR图像灰度分布不均匀现象,提出利用对均匀和不均匀区域都能很好的拟合的G0概率密度函数对C-V水平集模型进行改进。针对经典的C-V水平集模型只利用区域信息而没有利用边缘信息,从而造成虚假边缘轮廓较多以及演化时容易陷入局部极小值等现象,提出在C-V模型中引入能够很好的去除SAR图像中的乘性噪声的改进的边缘检测函数,定位图像的边界以及控制曲线的演化速率,且增加能避免水平集函数重新初始化的距离正则项作为内能项。通过人工合成图像和真实高分辨SAR图像的分割实验验证了改进后的C-V水平集模型能够更快速度、更高准确度地定位目标边界,实现高分辨SAR图像分割。