０ 引 言
域， 使得 同一个子区域 内的特征具有一定相似性 、 不
１ Ｓ Ａ Ｒ图像分 割算法
阈值法基本思 想是 通过设定一个阈值将 图像分
． １基 于 阈值 的 Ｓ ＡＲ图像 分 割 图像分割是指将 图像分成若 干互不重叠的子 区 是 割成两个具有不 同特性 的区域 。当区域 中像素值 大 图像识别 、 场景解析 、 目标检 测等任务必须经过 的预 于阈值就设置为 目标 ， 区域 中像素值小于阈值就是背
ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ ｉ ｎｄ ｉ ｃ ａ ｔ ｏ ｒ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｈｅ ｔ ｏ ｖ ｅ ｒ ａ ｌ ｌ ｓ ｅ ｍ ｅ ｇ ｎ ｔ ａ ｔ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ａ ｒ ｅ ｕｓ ｅ ｄ ｔ ｏ ｃ ｏ ｍｐ ａ ｒ ｅ ｔ ｈｅ ｅ ｘ ｐｅ ｉｍｅ ｒ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｆ ｖ ａ ｉｏ ｒ ｕ ｓ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ ．
Ｏｖ ｅ ｒ ｖ ｉ ｅ ｗ ０ ｆ Ｓ ＡＲ ｉ ｍａ ｇ ｅ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
Ｓ ｏ ｎ ｇ Ｇｕ ｏ ｌ ｅ ｉ ，Ｈｏ ｕ Ｗｅ ｉ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ ａ ｎ ｄ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｈｅ ｎ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｋ ａ ｉ ｒ ｅ ｎ ｇ ，Ｈｅ ｎ ａ ｎ ４ ７ ５ ０ ０ ０ ，Ｃ ｈ ｉ ｎ ａ ）
Ｋｅ ｙ ｗｏｒ ｄ ｓ： Ｓ ＡＲ； ｉ ｍａ ｇ ｅ ｓ ｅ ｇｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ； ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ｌ ａ ｓ ｓ ｉ ｉｃ ｆ ａ ｔ ｉ ｏ ｎ； ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｅ ｖａ ｌ ｕａ ｔ ｉ ｏ ｎ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｏ ｒ
摘 要 ：Ｓ ＡＲ图像 分割是 Ｓ Ａ Ｒ图像分析 中的基本 问题 之一 ， 也是 目标识 别与检 测过程 中的极其 关键 的步骤。文章在调
研 大量文献 的基础 上 ， 对现有 经典的、 主流 的 Ｓ ＡＲ图像 分割 算法及理论进行研 究、 分类和分析 ， 并采用一种基 于总体 分割
精度的 Ｓ Ａ Ｒ图像分割评价指标来对各种算 法的实验 结果进行 对比。 关键词 ：Ｓ ＡＲ；图像 分割 ；算法分类 ；分割评价指标 中图分类号 ： Ｔ Ｐ ７ ９ 文献标志码 ： Ａ 文章编号 ： １ ０ ０ ６ — ８ ２ ２ ８ （ ２ ０ １ ７ ） ０ ５ — ０ １ — ０ ４
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｓ ＡＲ ｉ ｍａ ｇ ｅ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｉ ｓ ｏ ｎ ｅ ｏ ｆ ｔ ｈ ｅ ｂａ ｓ ｉ ｃ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ｉ ｎ Ｓ ＡＲ ｉ ｍａ ｇ ｅ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ，ａ ｎ ｄ ｉ ｔ ｉ ｓ ａ ｌ ｓ ｏ ｔ ｈ ｅ ｋ ｅ ｙ ｓ ｔ ｅ ｐ ｉ ｎ ｔ ｈｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｏｆ ｔ ａ ｒ ｇ ｅ ｔ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ａ ｎｄ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ．Ｉ ｎ ｔ ｈｉ ｓ ｐ ａ ｐ ｅ ｒ ，ｔ ｈ ｅ ｅ ｘｉ ｓ ｔ ｉ ｎ ｇ ｃ ｌ ａ ｓ ｓ ｉ ｃ ａ ｌ ｎｄ ａ ｍａ ｉ ｎ ｓ ｔ ｒ ｅ ａ ｍ Ｓ ＡＲ ｉ ｍａ ｇ ｅ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ
计 算机 时代 ２ ０ １ ７ 年 第５ 期
Ｄ ＯＩ ： １ ０ ． １ ６ ６ ４ ４ ／ ｊ ． ｃ ｎ ｋ ｉ ． ｃ ｎ ３ ３ — １ ０ ９ ４ ／ ｔ ｐ ． ２ ０ １ ７ ． ０ ５ ． ０ ０ １
Ｓ Ａ Ｒ图像 分 割算 法综述
宋国磊 ，侯 巍
（ 河南大学计算机与信息工程学院 ，河南 开封 ４ ７ ５ ０ ０ ０ ）
ａ ｎ ｄ ｔ ｈ ｅ ｏ ｒ ｉ ｅ ｓ ａ ｒ ｅ ｓ ｔ ｕｄ ｉ ｅ ｄ ，ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｅ ｄ ａ ｎｄ ａ ｎａ ｌ ｙ ｚ ｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｌ ａ ｒ ｇ ｅ ｎ ｕ ｍｂｅ ｒ ｏ ｆ ｌ ｉ ｔ ｅ ｒ ａ ｕｒ ｔ ｅ ｓ ，ａ ｎ ｄ ｔ ｈｅ Ｓ ＡＲ ｉ ｍａ ｇ ｅ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ
处理过程 ， 是图像分析 中一个基础的问题 。其 中Ｓ Ａ Ｒ 景。根据像素灰度值与最佳阈值 的关系 ， 可 以把 目标
图像分割技术的发展可以追溯￣ Ｊ ， ２ ０ 世纪 ８ ０ 年代 ， 经过 从背景 中提取出来 ， 该方法的优 点在 于易于实现 ， 给 但是对于灰度均匀性 的图 几十年的发展 ， 已经提 出多种基于不同理论的方法 。 定阈值后分割速度非常快 ， 很难找到一个阈值将他们分割开来 。经典 的 目前 ， Ｓ Ａ Ｒ图像分割处理技术 已经有较多的研 究 像来说 ， 成果［ ３ － ５ １ ， 但 由于 Ｓ Ａ Ｉ ｌ 地物场景的复 杂性 ， 致使 各种分 阈值 法是 Ｏ Ｔ Ｓ Ｕ。 Ｏ Ｔ Ｓ Ｕ算 法分 析如 下 。 割算法都有较 大的针对性 ， 通用性不好。本文对现有 大类 间方差法（ Ｏ Ｔ Ｓ Ｕ法） ， 是 由大津展之 在１ ９ ７ ９ 分割算法 ， 并根据 Ｓ Ａ Ｒ图像 分割所使用的理论差异的 年提 出来 。该方法是在判决分析 的基础上推导出来 特点， 把图像分割方法分为基于阈值 、 水平集 、 模 糊聚 的 ， 是一种 自动的无参数无监督阈值分割方法。它是 类和混合模型四类 。