[论文解读] SAR Image Segmentation using Vector Quantization Technique on Entropy Images

H. B. Kekre, Saylee Gharge+1 more|arXiv (Cornell University)|Apr 11, 2010

Synthetic Aperture Radar (SAR) Applications and Techniques参考文献 35被引用 14

一句话总结

本文提出一种基于熵图像向量量化的新颖SAR图像分割方法。通过将Kekre快速码本生成（KFCG）算法应用于熵变换后的SAR图像，该方法生成一个128维码本，并进一步聚类为8个区域，相较于传统的灰度共生矩阵方法，实现了计算复杂度更低、视觉上连贯且无过分割或欠分割的分割结果。

ABSTRACT

The development and application of various remote sensing platforms result in the production of huge amounts of satellite image data. Therefore, there is an increasing need for effective querying and browsing in these image databases. In order to take advantage and make good use of satellite images data, we must be able to extract meaningful information from the imagery. Hence we proposed a new algorithm for SAR image segmentation. In this paper we propose segmentation using vector quantization technique on entropy image. Initially, we obtain entropy image and in second step we use Kekre's Fast Codebook Generation (KFCG) algorithm for segmentation of the entropy image. Thereafter, a codebook of size 128 was generated for the Entropy image. These code vectors were further clustered in 8 clusters using same KFCG algorithm and converted into 8 images. These 8 images were displayed as a result. This approach does not lead to over segmentation or under segmentation. We compared these results with well known Gray Level Co-occurrence Matrix. The proposed algorithm gives better segmentation with less complexity.

研究动机与目标

• 为应对大规模SAR图像数据库日益增长的高效且有意义的分析需求。
• 克服传统分割方法在处理SAR图像中的斑点噪声和复杂纹理方面的局限性。
• 开发一种低复杂度、鲁棒的分割技术，避免过分割或欠分割。
• 与现有方法（如灰度共生矩阵（GLCM））相比，提升分割的准确性和效率。
• 通过增强特征提取，实现卫星图像数据库的有效基于内容的查询与浏览。

提出的方法

• 该方法首先从输入SAR图像计算熵图像，以增强纹理和灰度变化。
• 将Kekre快速码本生成（KFCG）算法应用于熵图像，生成128个码本。
• 使用相同的KFCG算法将128个码向量聚类为8个独立聚类。
• 每个聚类被映射回二值图像，生成8幅分割输出图像。
• 该分割过程利用向量量化高效地将基于熵的图像区域分组。
• 该方法通过依赖基于熵的特征表示和优化的码本生成，避免了过分割或欠分割。

实验结果

研究问题

• RQ1 基于熵的图像变换是否能提升SAR图像的分割性能？
• RQ2 在熵图像上使用KFCG进行向量量化是否能在保持准确性的前提下降低分割复杂度？
• RQ3 与灰度共生矩阵相比，该方法在分割质量与计算负载方面表现如何？
• RQ4 分割结果是否能有效可视化为8幅无过分割或欠分割的独立图像？
• RQ5 该方法在SAR图像的斑点噪声和纹理变化下是否具有鲁棒性？

主要发现

• 所提方法成功地从SAR图像中生成了8幅无过分割或欠分割的独立分割图像。
• 与基于GLCM的方法相比，分割结果在视觉连贯性和结构保真度方面均有提升。
• 使用熵图像可增强纹理和灰度变化，从而改善分割的特征表示。
• KFCG算法实现了高效的码本生成，显著降低了计算复杂度。
• 与著名的灰度共生矩阵技术相比，该方法在更低复杂度下实现了更优的分割性能。
• 最终输出为8幅由聚类码本向量生成的分割图像，每幅图像代表一个独立的兴趣区域。