Segmentación de superpíxeles evolutiva multiobjetivo para la clasificación de imágenes PolSAR

La segmentación de superpíxeles se ha utilizado ampliamente en el campo de la visión por computadora. Las generaciones de superpíxeles PolSAR también han sido ampliamente estudiadas por su viabilidad y alta eficiencia. Los números iniciales de superpíxeles PolSAR suelen ser diseñados manualmente por experiencia, lo que tiene un impacto significativo en el rendimiento final de la segmentación de superpíxeles y las tareas de interpretación subsiguientes. Además, la información eficaz de los superpíxeles PolSAR no se analiza ni se utiliza completamente en el proceso de generación. Con respecto a estos problemas, se propone en este estudio una segmentación de superpíxeles evolutiva multiobjetivo para la clasificación de imágenes PolSAR. Contiene dos capas: una capa de optimización automática y una capa de segmentación fina. Considerando completamente la información de similitud dentro de los superpíxeles y la información de diferencia entre los superpíxeles simultáneamente, la capa de optimización automática puede determinar automáticamente el número adecuado de superpíxeles mediante la optimización multiobjetivo para la segmentación de superpíxeles PolSAR. Considerando la dificultad de la búsqueda de límites precisos de objetos terrestres complejos en imágenes PolSAR, la capa de segmentación fina puede mejorar aún más las cualidades de los superpíxeles utilizando plenamente la información de borde de superpíxeles de buena calidad en el proceso de evolución para generar superpíxeles PolSAR. Los experimentos en diferentes conjuntos de datos de imágenes PolSAR validan que el enfoque propuesto puede generar automáticamente superpíxeles de alta calidad sin ninguna información previa.