基于超像素的SAR图像分割方法

摘要

本发明公开了一种基于超像素的SAR图像分割方法，主要解决现有技术计算复杂度高，不能分辨细小目标的问题。其实现步骤是：1.SAR图像输入，完成待分割SAR图像的输入以及获取图像信息；2.对输入的SAR图像产生超像素，到超像素图像；3.提取超像素图像的纹理特征和空间特征；4.通过对纹理特征进行聚类，并结合空间特征对超像素进行合并，输出SAR图像的最终分割结果。本发明能够有效的降低传统算法的计算复杂度，缩短SAR图像分割的处理时间，能分辨出细小目标，提高了分割的准确度，可用于机场跑道，农田分布和地质勘探的图像处理。

主权项

一种基于超像素的SAR图像分割方法，包括如下步骤：(1)对输入的SAR图像I，提取其长度L、宽度W和分辨率R_I，并根据SAR图像库中所有的图像估计出最小目标的分辨率区间R_s；(2)根据图像参数估计超像素数目N_s，生成待分割SAR图像的超像素集合S＝{s_i}，其中s_i为第i个超像素i＝1,2,…,N_S；(3)计算超像素集合S的纹理特征F_g(i)和空间特征F_n(i,j)，其中i,j＝1,2,…,N_s且i≠j；(4)根据SAR图像分割数目K，使用K‑means算法对超像素集合S的纹理特征F_g(i)进行聚类；(5)根据超像素集合S的纹理特征F_g(i)的聚类结果，对超像素集合S中任意两个超像素s_i和s_j，使用最近邻准则，判断超像素是否对应同一聚类，如果s_i和s_j对应同一聚类，并且它们的空间特征F_n(i,j)＝1，则将其合并，并对超像素集合S的纹理特征F_g(i)和空间特征F_n(i,j)进行更新；反之，不进行合并；(6)统计更新后的超像素集合S的超像素数目N_s(t)，并将该超像素数目N_s(t)与上一次统计结果N_s(t‑1)进行比较：如果N_s(t)＝＝N_s(t‑1)，则满足停止条件，输出SAR图像分割结果；如果N_s(t)＜N_s(t‑1)，则不满足停止条件，返回步骤(4)。