Automatic Ice Surface and Bottom Boundaries Estimation in Radar Imagery Based on Level-Set Approach（

最新推荐文章于 2024-07-04 22:54:40 发布

init_bin

最新推荐文章于 2024-07-04 22:54:40 发布

阅读量251

点赞数

CC 4.0 BY-SA版权

分类专栏：阅读笔记文章标签：水平集方法冰层边界预测

本文链接：https://blog.youkuaiyun.com/paoxungan5156/article/details/85802268

阅读笔记专栏收录该内容

2 篇文章

订阅专栏

介绍了一种基于水平集方法的雷达图像冰层表面和底部边界自动检测技术，该方法通过引入距离正则化项克服了传统水平集方法的不足，实现了快速且准确的边界检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第一篇

Automatic Ice Surface and Bottom Boundaries Estimation in Radar Imagery Based on Level-Set Approach（基于水平集方法的雷达图像冰面和底部边界的自动估计）

作者：Maryam Rahnemoonfar,Geoffrey Charles Fox, Masoud Yari, and John Paden

Journal: IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 2017年

本文利用水平集方法（level-set）来对冰川雷达图像的冰层表面和底部边界进行自动检测。突出贡献是在原有的水平集方法上引入距离正则化项，从而能够克服原有水平集方法需要不断重新初始化水平集函数的问题。水平集这种检测方法的优点在于只需要给一个初始化的曲线就可以直接进行冰表层和底部边界的检测，这样就不需要昂贵费时的人工标注数据集，而且检测的速度很快（单幅图像30s）。实验采用的数据集是CReSIS（2009）,作者从杂波影响、多样的地下拓扑结构、冰层表面再反射三个方面论证本文方法的鲁棒性。采用的评价标准是由准确率和召回率组合权衡的F测量值，本文在整体数据集上F的值达到75%，在有明显底部边界的数据集上F的值达到96%（F值越大表示估计的越好）。本文方法的缺点对冰层底部边界不明显的图像不能很好的进行检测，原因在于边界不明显，那么梯度的变化就不明显，从而影响到曲线的演化。

水平集方法：水平集方法是显示轮廓方法的继承。显示轮廓方法是跟踪曲线上一系列点，沿着它们的法线方向（normal direction）来演化曲线前（曲线前表示每一个点下一秒的方向叫作曲线前），并且猜测曲线前的停止位置。这种方法在预测曲线位置、曲线融合和分裂时会出现不确定性。而水平集方法是演化一个表面S，而不是一个曲线，取表面S在高度h=0的所有点构成的集合来作为我们的分割曲线，这样就避免了上面的问题。

详细解释见https://blog.youkuaiyun.com/github_35768306/article/details/64129197

注：其实演化的方法主要还是用到了边界部分梯度较大来控制演变的速度（靠近边缘变化慢，远离边缘变化快），用法线方向、曲率更新来控制演变的方向。

问题1：

重新初始化水平集函数的原因：，水平集函数经过演化方程(6) 以后就不再是距离函数（但是其零水平集当期曲线，只不过整体不是距离函数）。第一点：曲线演化过程中β=a k(φ)，是关于φ的函数（曲率k与φ之间的关系，以及φ不为距离函数对k的影响）。因此不正确的φ，就会导致不正确的曲线演化，进行导致不正确的水平集演化，形成恶性循环。第二点：直接影响公式(6)的演化，事实上会造成V在不同位置的扭曲（因为乘上了|∆φ|，而|∆φ|不等于1，造成在不同位置上V受到|∆φ|的影响）。