基于Contourlet域HMT和D-S证据理论的SAR图像融合分割

基于Contourlet的多尺度、局部化、方向性和各向异性等优点，结合隐马尔科夫树模型（HiddenMarkTree，HMT）和D-S（Dempster-Shafer）论证推理,本文提出了一种新的SAR图像分割算法。该算法把隐马尔科夫树模型推广到Contourlet域，在多尺度HMT和D-S证据理论的基础上融合Contourlet系数的持续性和聚集性，导出了融合后的最大后验多尺度分割公式。本文对实测SAR图像进行了仿真，仿真结果和分析表明与小波域上的HMT-MRF（MarkovRandomField，MRF）融合分割及Contourlet域上HMT和MRF分割算法相比，本文算法在抑制斑点噪声的同时，有效地提高了SAR图像的分割精度。