Суперпиксельное сегментирование SAR-изображений — это процесс объединения похожих пикселей в SAR-изображениях в суперпиксели на основе критерия измерения. Суперпиксели в некоторой степени отражают семантические характеристики изображения, что эффективно снижает сложность последующего понимания изображения и стало важным предварительным этапом алгоритмов классификации изображений, обнаружения изменений и других. Однако существующие алгоритмы суперпиксельного сегментирования SAR-изображений в основном основаны на методах локальной кластеризации, которые имеют недостатки, такие как предопределенное количество начальных точек, отсутствие адаптивности к деталям изображения и большие затраты времени из-за многократных итераций. Для решения этих проблем в статье предложен однократный итерационный алгоритм адаптивного суперпиксельного сегментирования ASSA, основанный на характеристиках соседства. Алгоритм использует стратегию адаптивной настройки начальных точек на основе гауссовой смеси, что обеспечивает адаптивное определение количества суперпикселей и гомогенность внутри суперпикселя; с помощью приоритетной очереди и характеристик соседства реализовано суперпиксельное сегментирование за одну итерацию; одновременно алгоритм ASSA применяет две стратегии подавления шума SAR-изображений — гауссово ядро и постобработку. Эффективность и производительность предложенного алгоритма были оценены по визуальному эффекту, количественным показателям и времени работы. Результаты показывают, что по сравнению с другими алгоритмами суперпиксельного сегментирования, алгоритм ASSA способен адаптивно сегментировать суперпиксели на основе характеристик изображения, повышая эффективность сегментации при этом обеспечивая высокую согласованность границ суперпикселей и однородность внутри них. При этом уровень возвращения границ увеличился на 11.3% и 15.9% по сравнению с SLIC и ESOM соответственно, а скорректированная ошибка недосегментации снизилась на 33.3% и 29.4% соответственно.

SAR;сегментирование суперпикселей;приоритетная очередь;адаптивная настройка начальных точек;гауссовая смесь