報告簡介

目前超像素已經廣泛應用于SAR圖像處理中。對同一張SAR圖像，超像素的數量遠少于像素，以超像素為處理單元可以極大提升分割算法的計算效率。但在目前以超像素為單元的分割算法中，超像素生成都是作為一個預處理步驟，與分割算法相互獨立。這意味著，一旦超像素分割算法的結果不佳，例如同一個超像素包含不同地物類型，這些錯誤會傳遞到最終的分割結果中。換句話說，分割算法的性能一定程度上受到超像素精度的干擾。對這一問題，提出了一種基于柔性超像素（soft superpixel）的SAR圖像快速分割方法。具體來說，首先，基于一種處處可微分的聚類方法，設計了一種結構簡單的面向SAR圖像的超像素生成網絡，該網絡輸出像素-超像素的關聯圖，即像素與被劃分到不同超像素的概率組成的矩陣。在分割部分，將分割后的超像素集看作是一個圖模型，對傳統圖卷積網絡進行改進，使其能夠以關聯圖為輸入，執行超像素級分割。該方法的優點是將超像素生成和圖像分割兩部分統一到一個深度網絡中，實現端到端的訓練。在訓練過程中，除了分割網絡的參數能夠更新，超像素生成子網絡的參數也能夠根據分割結果調整，使超像素形狀能夠更好的貼合SAR圖像中的地物邊界，直到兩個部分都獲得最佳參數。在對模擬和真實SAR圖像的分割實驗結果表明，該方法優于其他的超像素級SAR圖像分割算法，同時計算復雜度更低。該成果目前已經被TGRS期刊錄用。

報告PPT

本報告PPT共18張。

審核編輯 ：李倩