基于NSCT域特征和PCNN的SAR图像目标分割

• 作者: 严卫东 倪维平 吴俊政 芦颖 边辉
• 来源期刊: 现代应用物理
• 学科: 工学
• 关键词: SAR图像目标分割 非下采样轮廓波变换 脉冲耦合神经网络 MSTAR图像
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 物理交叉学科与普通物理
• 页码范围: 80-86
• 页数: 7页
• 分类号: TP391
• 字数: 3016字
• 语种: 中文

摘要

针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)和脉冲耦合神经网络(pulse coupled neural networks,PCNN)的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法.对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理.利用PCNN对低频图和高频子带特征图分别进行分割,获取了目标所在的区域及目标的精细结构.利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其他算法具有更强的抗噪性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严卫东		38	472	11.0	21.0
2	倪维平		25	169	8.0	12.0
3	芦颖		10	72	5.0	8.0
4	吴俊政		17	118	6.0	10.0
5	边辉		24	185	7.0	13.0