SAR 영상의 슈퍼픽셀 분할은 유사한 픽셀을 측정 기준에 따라 슈퍼픽셀로 집합화하는 과정입니다. 슈퍼픽셀은 어느 정도 이미지의 의미적 특성을 반영할 수 있어 후속 이미지 이해의 난이도를 효과적으로 줄이며, 영상 분류, 변화 탐지 등의 알고리즘에서 중요한 전처리 단계가 되었습니다. 그러나 기존의 SAR 영상 슈퍼픽셀 분할 알고리즘은 주로 지역 클러스터링 방법에 기반하며, 이 방법들은 슈퍼픽셀 시드 포인트 수 사전 정의, 이미지 세부사항에 대한 적응성 부족, 여러 번의 반복으로 인한 과도한 시간 소요 등의 단점을 가지고 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 주변 특성에 기반한 단일 반복 슈퍼픽셀 적응 분할 알고리즘 ASSA를 제안합니다. 이 알고리즘은 가우시안 혼합 모델 기반의 시드 포인트 적응 조정 전략을 사용하여 슈퍼픽셀 수의 적응적 결정과 슈퍼픽셀 내부의 균질성을 보장합니다; 우선순위 큐와 주변 특성을 이용하여 단일 반복에서 슈퍼픽셀 분할을 구현하였으며; 동시에 ASSA 알고리즘은 가우스 핵 함수와 후처리 두 가지 전략으로 SAR 영상의 잡음 억제를 수행합니다. 본 논문은 시각화 효과, 정량 지표, 실행 시간 세 가지 측면에서 제안 알고리즘의 유효성과 효율성을 평가했습니다. 결과는 다른 슈퍼픽셀 분할 알고리즘에 비해 ASSA 알고리즘이 영상 특성에 기반한 적응형 슈퍼픽셀 분할을 구현하여 분할 효율성 향상과 함께 생성된 슈퍼픽셀 경계 적합도 및 내부 균질성이 높음을 보여줍니다. 경계 재현율은 SLIC와 ESOM에 비해 각각 11.3% 및 15.9% 향상되었으며, 수정된 과소분할 오류율은 각각 33.3% 및 29.4% 감소하였습니다.

SAR;슈퍼픽셀 분할;우선순위 큐;시드 포인트 적응 조정 전략;가우시안 혼합 모델