Hierarchical Superpixel Segmentation for PolSAR Images Based on the Boruvka Algorithm
Hierarchical Superpixel Segmentation for PolSAR Images Based on the Boruvka Algorithm
复制标题
基于Boruvka算法的PolSAR图像分层超像素分割
DOI：
10.3390/rs14194721
复制
发表时间：
2022-09
期刊：
影响因子：
5
通讯作者：
Jun Zhang
中科院分区：
文献类型：
--
作者：
Jie Deng;Wei Wang;Sinong Quan;Ronghui Zhan;Jun Zhang
极化合成孔径雷达（PolSAR）图像超像素分割在舰船检测和地物分类等遥感任务中起着关键作用。然而，现有的方法不能直接生成分层风格的多尺度超像素，并且当单独执行多尺度分割时，它们将花费很长时间。在这篇文章中，我们提出了一个有效的和准确的分层超像素分割方法，通过引入最小生成树（MST）算法称为Boruvka算法。为了准确地测量相邻像素之间的差异，我们从基于模型的精细5分量分解（RFCD）中获得散射机制信息，并构建一个全面的相异性度量。此外，还考虑了边缘强度图和均匀性度量，以利用PolSAR图像中的结构和空间分布信息。在此基础上，我们可以使用距离度量沿着与MST框架生成超像素。该方法能够在多尺度下保持良好的分割精度，并能真实的实时生成超像素。根据ESAR和AIRSAR数据集上的实验结果，我们的方法比目前最先进的算法更快，并保留了更多的图像细节在不同的分割尺度。
Superpixel segmentation for polarimetric synthetic aperture radar (PolSAR) images plays a key role in remote-sensing tasks, such as ship detection and land-cover classification. However, the existing methods cannot directly generate multi-scale superpixels in a hierarchical style and they will take a long time when multi-scale segmentation is executed separately. In this article, we propose an effective and accurate hierarchical superpixel segmentation method, by introducing a minimum spanning tree (MST) algorithm called the Boruvka algorithm. To accurately measure the difference between neighboring pixels, we obtain the scattering mechanism information derived from the model-based refined 5-component decomposition (RFCD) and construct a comprehensive dissimilarity measure. In addition, the edge strength map and homogeneity measurement are considered to make use of the structural and spatial distribution information in the PolSAR image. On this basis, we can generate superpixels using the distance metric along with the MST framework. The proposed method can maintain good segmentation accuracy at multiple scales, and it generates superpixels in real time. According to the experimental results on the ESAR and AIRSAR datasets, our method is faster than the current state-of-the-art algorithms and preserves somewhat more image details in different segmentation scales.
登录
查看更多内容
DOI：
10.1109/igarss.2018.8517849
发表时间：
2018-07
期刊：
IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium
影响因子：
--
作者：
Huiping Lin;Junliang Bao;Junjun Yin;Jian Yang
通讯作者：
Huiping Lin;Junliang Bao;Junjun Yin;Jian Yang
DOI：
10.3390/rs12050783
发表时间：
2020-03
期刊：
Remote. Sens.
影响因子：
--
作者：
Wenjie Lin;Yu Li
通讯作者：
Wenjie Lin;Yu Li
DOI：
10.1109/34.868688
发表时间：
2000-08-01
影响因子：
23.6
作者：
Shi, JB;Malik, J
通讯作者：
Malik, J
DOI：
10.1016/j.ejrs.2022.01.011
发表时间：
2022-02
期刊：
The Egyptian Journal of Remote Sensing and Space Science
影响因子：
--
作者：
M. Imani
通讯作者：
M. Imani
基于广义均值平移的极化合成孔径雷达（SAR）图像超像素分割
影响因子：
5
作者：
Lang, Fengkai;Yang, Jie;Qin, Fachao
通讯作者：
Qin, Fachao