快速的Otsu双阈值SAR图像分割法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (6): 1760-1765.

快速的Otsu双阈值SAR图像分割法

尹奎英¹,刘宏伟²,金林¹

1.南京电子技术研究所第一研究部|南京 210013；2.西安电子科技大学雷达信号处理国家重点实验室|西安 710071

收稿日期:2010-03-31 出版日期:2011-11-01 发布日期:2011-11-01
作者简介:尹奎英(1977-),女,博士.研究方向:SAR图像处理,SAR目标识别.E-mail:yinkuiying@sina.com
基金资助:
国家自然科学基金项目（60901067,61001212）；新世纪优秀人才支持计划项目（NCET-09-0630）；长江学者和创新团队发展计划项目（IRT0954）；国防预研项目,国防预研基金项目,中央高校基本科研业务费专项基金项目.

Fast SAR image segmentation method based on Otsu adaptive double threshold

YIN Kui-ying¹, LIU Hong-wei², JIN Lin¹

1.The 1st Research Department, Nanjing Research Institute of Electronics Technology, Nanjing 210013, China；2.National Lab of Radar Signal Processing, Xidian University, Xi′an 710071, China

Received:2010-03-31 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要：

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。

关键词: 信息处理技术, 合成孔径雷达(SAR), SAR图像分割, SAR图像去噪, Otsu法

Abstract:

In this paper the statistic distribution property of Synthetic Aperture Radar (SAR) image was analyzed. Then a fast Otsu segmentation algorithm for SAR images was proposed, which satisfies the requirements of SAR automatic target recognition on SAR image segmentation. In this proposed algorithm, the Constant False Alarm Rate (CFAR) technique is first employed for coarse segmentation, and then Otsu was adopted for fine segmentation. Experimental results show that the proposed algorithm is not only efficient and accurate, but also can also achieve higher objective evaluation values.

Key words: information processing, SAR, SAR image segmentation, SAR image de-noising, Otsu method

中图分类号:

TN957.52

尹奎英¹,刘宏伟²,金林¹. 快速的Otsu双阈值SAR图像分割法[J]. 吉林大学学报(工学版), 2011, 41(6): 1760-1765.

YIN Kui-ying, LIU Hong-wei, JIN Lin. Fast SAR image segmentation method based on Otsu adaptive double threshold[J]. 吉林大学学报(工学版), 2011, 41(6): 1760-1765.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed