基于纹理分析的SAR海冰图像分类方法

介绍了一种基于图像纹理特征进行SAR海冰图像分类的方法。该方法运用灰度共生矩阵提取纹理特征中能量、对比度、相关性和同质性的特征值,然后采用最小距离分类法对这4个特征值进行分类,并对分类结果进行精度评价和对比分析。实验表明:基于对比度和能量进行分类的图像精度较高,基于相关性和同质性进行分类的图像精度较低。基于对比度对SAR海冰图像分类可有效提高分类精度,更好地分类特征相似的区域。

基于K-GMM算法的SAR海冰图像分类

为适应SAR海冰图像的斑点噪声和入射角效应,已有的基于随机场模型的海冰分割算法常引入复杂的语境模型,容易导致过平滑现象,不仅降低了部分图像的分割精度,而且运行效率较低。该文依据海冰业务化分类(分割)的特点,提出了一种基于GMM与K-均值的改进聚类方法:首先,在K-均值聚类步骤中集成了合并操作,为基于GMM的聚类提供初值,而且大大缩减了GMM聚类步骤的迭代次数,提高了输出结果的稳定性;然后,利用EM方法学习GMM,完成ML分类,将每个像素分配到最终类别中。实验结果表明,在分类精度可比甚至更高的情况下,与其他几种常见算法相比,该方法有效降低了分类算法的计算复杂度,减少了对计算资源的需求,易于移植到小型化、移动化设备上。

基于Radarsat-1数据的北极海冰SAR图像自动分割研究

基于Radarsat-1数据提出了一种集成Gibbs采样标记步骤的北极海冰SAR图像分割算法,该算法综合考虑了斑点噪声、纹理特征等不确定因素,经由像素到区域再到大尺度区域这一途径,把区域化标识、Gibbs采样标记以及区域合并等操作组合起来,实现对海冰SAR图像的分割,针对S.Laurence Bay和Beaufort海冰图像的测试实验表明,与基于区域的MRF分割算法相比提出的算法可有效提高图像分割的准确性。