基于自适应模糊C均值聚类模糊化的SAR图像分析方法

摘要

本发明属于图像数据分析技术领域，具体公开了一种基于自适应模糊C均值聚类模糊化的SAR图像分析方法。本发明首先基于现有的FCM处理输出模糊决策表的模糊化处理结果，然后基于不相容度的取值逐渐增大各类别数c_m的取值，c_m每加1，则输各条件属性对应的模糊化处理结果，当不相容度大于预设阈值时，再从最小重要度的条件属性开始，逐渐调整对应条件属性的类别数c_m，最后基于各条件属性的当前类别数c_m所对应的模糊化处理结果，输出当前SAR图像的模糊化预处理结果。本发明用于SAR图像的目标识别，其输出的模糊化预处理结果能显著提升目标正确识别率。

主权项

基于自适应的模糊C均值聚类模糊化的SAR图像分析方法，其特征在于，包括下列步骤：步骤1：输入SAR图像，进行特征提取并构建模糊决策表其中，U表示论域，表示模糊属性集合，C表示条件属性集，D表示决策属性集；步骤2：设置模糊决策表的每个条件属性的目标类别数c_m为决策属性集D的类别数s，其中m＝1,2,...,M，M表示条件属性集C所包含的条件属性的个数；步骤3：根据条件属性的目标类别数c_m，基于FCM处理输出每个条件属性的模糊化处理结果：与类别数c_m的取值相对应的最优聚类中心值和隶属度矩阵；步骤4：基于各类别数c_m的当前取值，计算模糊决策表的不相容度α，所述不相容度α为模糊决策表的论域中不相容的对象个数与总对象个数的比值，所述不相容的对象指具有相同条件属性、不同决策属性的对象；步骤5：若不相容度α小于或等于预设阈值ε，则执行步骤6；否则每个类别数c_m加1后执行步骤3；步骤6：设置优选不相容度α_best为不相容度α的当前取值，优选类别数c_best为类别数c_m的当前取值，计算每个条件属性的重要度ρ_m并排序；所述重要度ρ_m的计算公式为：其中N表示模糊决策表所包含的对象数目；差异值其中α_im表示在条件属性中属于决策类T_k的对象i的对象属性值，表示对应决策类T_k的对象数目；对象属性值均值步骤7：基于重要度ρ_m排序，从小到大依次对各条件属性执行下述处理：步骤7‑1：将当前处理的条件属性的类别数c_m设置为c_m＝c_best‑1，并计算当前的不相容度α，若所述不相容度α大于或等于优选不相容度α_best，则执行步骤7‑2；否则执行步骤7‑1；步骤7‑2：若所述不相容度α等于优选不相容度α_best，则执行步骤8；否则，执行步骤7‑3；步骤7‑3：记录当前条件属性的类别数c_m和对应的模糊化处理结果，并对下一个条件属性执行步骤7‑1；步骤8：基于每个条件属性的当前类别数c_m所对应的模糊化处理结果，输出所述SAR图像的模糊化预处理结果。