合成孔徑雷達SAR(Synthetic Aperture Radar)作為微波遙感的代表，對比于傳統(tǒng)光學、紅外等遙感技術，在具有大面積的數(shù)據(jù)獲取能力以及高分辨率的同時，還具有全天時、全天候以及對云層、霧層、地表植物等有一定穿透性的特點，使其在軍事、民用的很多領域有著廣泛的應用。然而，由于成像機理的原因，使得SAR圖像受乘性噪聲干擾嚴重，因此原本適用于光學圖像中目標輪廓提取的方法不能直接應用于SAR圖像中目標的輪廓提取，故需要開發(fā)新的適用于SAR圖像的目標輪廓提取方法。

　近20年來,許多學者在SAR圖像目標輪廓提取方法的研究中取得了突破。時至今日，眾多的輪廓提取方法已孕育而生。其中，常用的算法有：基于CFAR檢測的輪廓提取方法[1]、基于邊緣檢測的輪廓提取方法[2]和基于馬爾科夫隨機場MRF(Markov Random Field)的輪廓提取方法[3]。然而，隨著計算機技術的飛速發(fā)展和現(xiàn)代戰(zhàn)爭的日趨信息化，這些算法在圖像處理精度或速度上都愈發(fā)不能滿足對目標輪廓提取的精確性或?qū)崟r性的要求，尋求更為高效的SAR圖像處理技術已成為當今該領域的熱點問題之一。
    近年來，活動輪廓模型已經(jīng)被證明是一種高效的輪廓提取方法。該類模型首先在近目標處設定一初始輪廓，通過設計能量指標函數(shù)并對其進行最小化，從而驅(qū)使初始輪廓逼近真實目標邊界。相較于傳統(tǒng)的輪廓提取方法，該方法的優(yōu)勢在于能夠直接得到細化的目標輪廓，無需后續(xù)處理，且所獲取輪廓的精度和獲取輪廓的速度十分精確和高效。然而，由于SAR圖像中相干斑噪聲的影響，使得在光學圖像和醫(yī)學圖像的圖像分割中取得很大成功的活動輪廓模型不能直接應用于SAR圖像目標的輪廓提取。
    由于活動輪廓模型的高效性符合SAR圖像目標輪廓提取的研究趨勢，故若能引入其他模型或方法使得活動輪廓模型能夠?qū)AR圖像目標進行輪廓提取，則有望改善SAR圖像目標輪廓提取的精度和效率。基于這點，本文提出一種基于活動輪廓模型的多模型融合的SAR圖像目標輪廓提取方法，將基于梯度的活動輪廓模型與基于區(qū)域的活動輪廓模型相結(jié)合，引入多邊緣模型進行邊界約束，并利用新興的統(tǒng)計分布模型G0模型更好地保留目標細節(jié)信息，從而成功地將活動輪廓模型應用于SAR圖像的目標輪廓提取。該方法繼承了活動輪廓模型在光學圖像中輪廓提取的優(yōu)勢，提高了SAR圖像目標輪廓提取的精度和效率。



2.2 分布參數(shù)的更新
    前已述及，對于G0分布的參數(shù)估計可由式(6)和式(7)估算出。然而在沒有先驗知識的情況下，真實目標和背景的樣本缺失，故無法準確估算參數(shù)θ1=ξ1,γ1]和θ2=[ξ2,γ2]。故本文采用迭代估算的方式進行參數(shù)的更新，即在逼近目標邊界的同時不斷修正參數(shù)，從而逼近輪廓處于真實邊界時的參數(shù)[10]。將初始輪廓內(nèi)部區(qū)域認定為目標而輪廓外部區(qū)域認定為背景，在新模型外力作用下輪廓逼近目標真實邊界的同時，基于G0分布的目標和背景的PDF參數(shù)將逼近真實分布的參數(shù)。同時，對模型參數(shù)估計的精確度的提高反作用于輪廓曲線的運動，使得最終結(jié)果更加趨近目標真實邊界。
2.3 新模型算法流程
    基于新模型的SAR圖像目標輪廓提取算法流程如圖1所示，算法主要步驟為：
    (1) 圖像預處理。該步驟主要設置權(quán)重系數(shù)α、β、k1、k2、k3，并且對圖像目標進行快速定位，設置初始輪廓。

    (2) 根據(jù)式(4)計算RoEWA算子。
    (3) 根據(jù)步驟(1)中設置的初始輪廓對描述目標和背景統(tǒng)計特性的G0分布的參數(shù)?茲1和?茲2進行初始化。
    (4) 使用式(9)計算新模型。
    (5) 依據(jù)步驟(4)所得的新的輪廓曲線更新目標和背景的PDF參數(shù)θ1和θ2。
    (6) 利用步驟(5)中所得目標和背景的PDF參數(shù)計算統(tǒng)計分布信息項。
    (7) 通過公式(9)計算輪廓控制點v(s)。判斷輪廓提取結(jié)果是否收斂，若收斂，則輪廓提取完成。反之，則根據(jù)當前輪廓，通過步驟(5)重新計算目標和背景的PDF，進而循環(huán)至結(jié)果收斂。
3 實驗分析
    本文采用MSTAR提供的實測數(shù)據(jù)作為實驗數(shù)據(jù)，來驗證新模型算法的性能。算法是采用Matlab 2009a在PC上實現(xiàn)的。針對MSTAR項目提供的一幅真實SAR圖像，分別采用RoEWA模型算子，基于Balloon模型的輪廓提取方法和本文提出的新模型輪廓提取方法對該SAR圖像進行處理，實驗結(jié)果如圖2所示。圖2(a)為原始的SAR圖像，從圖2中可以看出圖像的信噪比較低。圖2(b)為使用RoEWA算子后得到的梯度圖像，從該圖中可以看出，還需進行后續(xù)的處理才能得到細化且連續(xù)的輪廓曲線。圖2(c)為使用Balloon模型提取的目標輪廓，其中虛線表示初始輪廓，實線表示最終輪廓提取結(jié)果。從圖中可以看出由于斑點噪聲的影響輪廓曲線并未很好地擬合SAR目標邊界，部分輪廓曲線距真實目標邊界較遠。圖2(d)為使用新模型提取的輪廓，其中虛線表示初始輪廓，實線表示最終輪廓提取結(jié)果。從圖中可以看出，該模型很好地貼合了真實目標邊界，且輪廓連續(xù)，無需后續(xù)處理，輪廓提取結(jié)果相較于其他兩種方法更加準確、高效。

    針對SAR圖像目標輪廓提取這一難題，融合Balloon模型、G0分布、RC模型以及RoEWA模型,本文提出一種新的SAR圖像目標輪廓提取方法，詳細給出了該方法的原理、理論求解和輪廓提取算法。針對MSTAR實際SAR圖像進行了實驗，結(jié)果表明，本文提出的SAR圖像目標輪廓提取算法具有輪廓邊界定位準確、提取輪廓邊界連續(xù)、無需后續(xù)處理以及對初始輪廓設置不敏感等優(yōu)點,可用于執(zhí)行實際的SAR圖像目標輪廓提取任務。
參考文獻
[1] NOVAK L M, HALVERSEN S D, Effects of polarization and resolution on SAR ATR[J].IEEE Transactions on Aerospace and Electronic System,1997,33(1):102-115.
[2] GERRNAIN O, REFREGIER P. Edge location in SAR  images:Performance of the Likelihood Ratio Filter and Accuracy Improvement with an Active Contour Approach[J]. IEEE Transactions on Image Processing,2001,1(10):72-78.
[3] FIORTOFT R, DELIGNON Y, PIECZYNSKI W, et a1.  Unsupervised classification of radar images using hidden markov chains and hidden markov random fields[J]. IEEE  Transactions on Geoscience and Remote Sensing, 2003,3(41):675-686.
[4] KASS M, WITHIN A. TERZOPOULOS D. Active contour models[J]. International Journal of Computer Vision,1988,1(4):321-331.
[5] LAURENT D, Cohen and Isaac Cohen. Finite-element method for active contour models and balloon for 2-D and  3-D images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1993,11(15):1131-1147.
[6] ZHU S C,YUILLE A. Region competition: unifying snakes,region growing, and bayes/MDL for multiband image segmentation[J]. IEEE Transactions on Pattern Analysis and  Machine Intelligence(0162-8828). 1996, 18(9): 884-900
[7] ROGER F, ARMAND L, PHILIPPE M, et al. An optimal multiedge detector for SAR image segment[J]. IEEE Transactions on Geoscience and Remote Sensing,1988，36(3):793-802.
[8] 高貴. SAR圖像統(tǒng)計建模研究綜述[J]. 信號處理,2009,25(8):1270-1278.
[9] FRERY A C, MULLER H, FREITAS C C, et al. A model for extremely heterogeneous clutter[J]. IEEE Transactions on Geoscience and Remote Sensing,1997,35(3):648-659.
[10] 賀志國, 陸軍, 匡綱要,等. 基于全局活動輪廓模型的SAR圖像分割方法[J]. 自然科學進展, 2009,19(3):344-360.