基于全变分谱聚类的SAR图像分割方法

摘要

本发明公开了一种基于全变分谱聚类的SAR图像分割方法，主要解决现有谱聚类方法用于SAR图像分割时出现的准确率低和区域一致性差的问题。其实现过程是：(1)对输入SAR图像进行全变分图像分解；(2)对SAR图像的结构部分提取灰度特征G；(3)对SAR图像的纹理部分提取小波特征T；(4)用灰度特征G和小波特征T计算总样本集S中任意两点i和j间的相似性W_ij；(5)用从总样本集S中选取的采样样本集S_m根据逼近的方法，通过采样样本集S_m来逼近总样本集S谱映射后的特征向量空间，并取前k个最大特征值所对应的特征向量作为降维特征矩阵Y；(6)对降维特征向量矩阵Y进行k-means聚类，输出SAR图像的最终分割结果。本发明具有分割结果准确率高和区域一致性好的优点，可用于SAR图像目标检测和目标分割与识别。

主权项

1.一种基于全变分谱聚类的SAR图像分割方法，包括如下步骤：(1)对待分割的SAR图像进行全变分图像分解；(2)对全变分图像分解所得到的结构部分和纹理部分分别提取相应的特征；2a)对于结构部分，提取每一个像素点的灰度值并归一化处理得到灰度特征G；2b)对于纹理部分，用M×M的窗口对每一个像素点进行3层小波变换，提取小波特征T，窗口大小取16×16；(3)将SAR图像n个像素点的特征作为总样本集S，从结构部分和纹理部分各选取不同位置的m/2个像素点，将这m个像素点的特征作为采样样本集S_m；(4)用灰度特征G和小波特征T计算总样本集S中任意两个像素点i和j之间的相似性W_ij，具体计算公式如下：$W_{\mathrm{ij}}=\exp (-\frac{{\left|\right|G_i-G_j\left|\right|}^2}{{2\sigma }^2})\times \exp (-\frac{{\left|\right|T_i-T_j\left|\right|}^2}{{2\sigma }^2}),$i，j＝1，...，n其中，n是SAR图像像素点总个数，G₁，...，G_n表示n个像素点的灰度特征，T₁，...，T_n表示n个像素点的小波特征，||G_i-G_j||²表示像素点灰度特征G_i和G_j之间的欧氏距离，||T_i-T_j||²表示像素点小波特征T_i和T_j之间的欧氏距离，σ表示高斯核函数的尺度参数；(5)根据步骤4中的相似性计算公式，采样样本集S_m通过逼近的方法求解总样本集S谱映射后的特征向量空间，并取其前k个特征值对应的特征向量进行降维，得到降维特征向量矩阵Y，k是类别数；(6)对降维特征向量矩阵Y进行k-means聚类，给聚类结果中不同类标分别赋予0到255之间不同的k个灰度值，将输出赋予灰度值后的聚类标签作为SAR图像的最终分割结果。