吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (05): 1342-1346.

• 论文 • 上一篇    下一篇

Dirichlet过程混合模型SAR图像分割算法

 孙莉, 张艳宁, 田光见, 马苗   

  1. 西北工业大学 计算机学院|西安 710072
  • 收稿日期:2008-05-16 出版日期:2009-09-01 发布日期:2009-09-01
  • 通讯作者: 田光见(1976-),男,讲师,博士.研究方向:图像处理,数据挖掘,机器学习.Email:gjtian@hotmail.com E-mail:gjtian@hotmail.com
  • 作者简介:孙莉(1979-),女,博士研究生.研究方向:SAR图像处理.Email:sl_lxa@hotmail.com
  • 基金资助:

    国家自然科学基金项目(60472072);陕西省自然科学基金项目(2007D07);博士后科学基金项(20060401009).

Dirichlet process mixture model SAR image segmentation algorithm

SUN Li, ZHANG Yan-ning, TIAN Guang-jian, MA Miao   

  1. School of Computer Science, North Western Polytechnical University, Xi′an 710072, China
  • Received:2008-05-16 Online:2009-09-01 Published:2009-09-01

摘要:

       传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。Dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了Dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。

关键词: 计算机应用, 非参数化Bayes模型, SAR图像分割, 无限混合模型, Dirichlet过程混合模型

Abstract:

    It is difficult to segment SAR image because of the speckle noise. The traditional segmentation method of finite mixture model has been adopted extensively in SAR image segmentation. However, both the performance and the robustness are not good enough. A nonparametric Bayesian infinite mixture model, called Dirichlet Process Mixture Model (DPMM) clustering method is proposed to segment SAR image. The proposed model can simulate the intrinsic property of SAR image and the segmentation method can determine the number of clusters automatically. Experiments on both simulated data and real data are carried out. The results verify the effectiveness and robustness of the proposed method in comparison with the traditional methods.

Key words: computer application, nonparametric bayesian model, SAR image segmentation, infinite mixture model, Dirichlet process mixture model

中图分类号: 

  • TN911.73
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15] 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!