广义多分辨似然比提升SAR图像无监督分割性能

本文档主要探讨了一种基于广义多分辨似然比的无监督分割方法应用于合成孔径雷达（SAR）图像处理领域，发表于2005年10月的《西北工业大学学报》第23卷第5期。作者句彦伟、田铮和纪建针对SAR图像中目标与背景的复杂区分问题，提出了创新的解决方案。 首先，他们定义了一个广义多分辨似然比，这是在多分辨四叉树结构上构建的，旨在捕捉目标和背景在不同分辨率下的特性差异。这种方法有效地累积了这些差异，增强了两类特征的区分度，这对于提高分割精度至关重要。通过这种方式，他们能够更好地识别图像中的目标和背景区域，即使在存在噪声的环境中也能减小其影响。 接下来，他们提出了一种空间变化混合多尺度自回归（SVMMAR）模型，这是一个针对SAR图像特性的特殊自回归模型。这个模型允许对每个分辨率的广义多分辨似然比中的密度函数参数进行估计，考虑到像素间的局部依赖性和Markov性质，有助于减少噪声带来的误分。 为了增强模型的鲁棒性，作者采用了窗口技术来确定像素的类别，这可以减少对孤立点或边缘噪声的敏感性，确保分类结果的稳定性。通过与传统分割技术的比较，研究结果表明，这种方法在分割精度、抗噪声性能以及边缘平滑性方面表现出显著优势，特别是在处理高分辨率SAR图像时，这种无监督分割方法对于提高后续目标识别、数据压缩和传输等处理环节的质量具有重要作用。 本论文的核心内容是开发了一种有效的无监督分割策略，结合广义多分辨似然比和自回归模型，以应对SAR图像中的复杂环境和噪声问题，对于SAR图像处理领域的实际应用具有较高的价值。