基于NSCT-Gabor特征和脉冲耦合神经网络的 SAR图像分割

针对SAR图像目标的精确分割问题，利用非下采样轮廓波变换（ NSCT ）和Gabor滤波器分别提取图像特征，然后采用脉冲耦合神经网络（ PCNN）对目标区域进行增强，提出了一种分割算法。分别对图像进行NSCT分解和Ga-bor滤波，对NSCT域的高、低频子带系数构造一个特征图，对Gabor滤波的不同尺度构造对应的特征图，对所获取的各个特征图用PCNN进行目标增强，最后对增强的特征图进行合理合并与分割。利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验，结果表明，相比于模糊C均值、马尔可夫随机场等常见的分割算法，所提出的算法分割结果更为准确，同时受噪声干扰更小。