一种基于自适应窗方向波域和改进FCM的SAR图像分割方法

摘要

本发明公开了一种基于自适应窗方向波域和改进FCM的SAR图像分割方法，主要解决现有方法分割区域不佳和噪声影响的问题。包括步骤：1)对SAR图像每个像素设置方向窗，两两进行直方图相似性度量；2)设置阈值T，相似度大于T时，以像素为中心2n×2n的窗口进行二层Directionlet变换；小于T时，以n×n的窗口进行变换；3)对当前块变换后低高频系数进行特征提取，作为该像素的特征向量；4)循环步骤1)到3)直至整个图像计算完成；5)对特征向量采用形态相似距离改进的模糊C均值算法进行聚类；6)将分类后的类别赋予相应的灰度值，得到最终分割结果。本发明能提取原始图像更丰富的纹理特征，充分挖掘数据中的相关性。

主权项

一种基于自适应窗方向波域和改进FCM的SAR图像分割方法，其特征在于：包括如下步骤：(1)读取图像，对图像进行值为2×n的边缘扩展，n设置为16；(2)对SAR图像当前像素设置大小为2n×2n的上下左右四个方向的窗口，得到四个窗口图像块的直方图数据，并对两两直方图数据计算图像块相似度；(3)设置阈值T，当相似度大于T时，判断相似，设置以像素为中心的2n×2n窗口进行二层Directionlet变换；当相似度小于T时，判断为不相似，设置以像素为中心的n×n窗口进行二层Directionlet变换；(4)对当前块Directionlet变换后低频和高频系数进行特征提取，提取一组特征向量：(E1,E2,E3,E4,E5,E6,E7)，作为该像素的特征向量，Ei为第i个频域系数的能量；(5)循环步骤(2)到(4)直至整个图像所有像素的特征向量计算完成，构成M×N×7的能量值矩阵，其中M×N为图像的大小；(6)对步骤(5)所得的能量值矩阵变形为1×(M×N)×7的一组M×N个7维向量；(7)将(6)中的M×N个7维能量特征向量作为特征矢量采用形态相似距离改进的模糊C均值算法进行聚类；(8)将步骤(7)分类后相同类别的像素赋予相同的灰度值，并将当前1×(M×N)的矩阵向量变形为M×N图像，结果即为最终的分割结果。