主权项 |
1.一种基于多尺度特征融合的合成孔径雷达SAR图像分割方法,其特征在于步骤如下:步骤1:对SAR图像矩阵中每个像素的M<sub>1</sub>×N<sub>1</sub>邻域进行快速离散curvelet变换,生成子带系数,其中1≤M<sub>1</sub>≤min{height,width},1≤N<sub>1</sub>≤min{height,width},M<sub>1</sub>,N<sub>1</sub>∈Z<sup>+</sup>,height表示图像的长,width表示图像的宽,min{height,width}表示height,width中最小数值;步骤2:根据curvelet能量的计算公式<img file="FSB00000770939800011.GIF" wi="312" he="132" />计算每个像素邻域快速离散curvelet变换后子带系数的能量,作为SAR图像分割的1维纹理特征,其中:s<sub>i</sub>为子带系数中任一元素,N<sub>1</sub>代表所有的子带系数元素的个数之和;步骤3:对SAR图像中每个像素的M<sub>2</sub>×N<sub>2</sub>邻域进行M层平稳小波变换,选取L=3M+1幅分解子图作为下一步提取统计特征的L维向量,每幅子图对应一个子带系数矩阵,其中1≤M<sub>2</sub>≤min{height,width},1≤N<sub>2</sub>≤min{height,width},M<sub>2</sub>,N<sub>2</sub>,M∈Z<sup>+</sup>,子带大小为M<sub>2</sub>×N<sub>2</sub>;所述分解子图包括一幅低频子图和所有的高频子图;步骤4:将L维向量的均值<img file="FSB00000770939800012.GIF" wi="55" he="62" />和L维向量的标准差<img file="FSB00000770939800013.GIF" wi="58" he="47" />作为SAR图像分割的2L维统计特征,L维向量的均值<img file="FSB00000770939800014.GIF" wi="44" he="49" />根据<img file="FSB00000770939800015.GIF" wi="584" he="132" />得到,L维向量的标准差<img file="FSB00000770939800016.GIF" wi="58" he="45" />根据<img file="FSB00000770939800017.GIF" wi="755" he="149" />得到,其中m<sub>i</sub>(x,y)为分解的第i个子带m<sub>i</sub>在位置(x,y)的值,1≤i≤L,i∈Z<sup>+</sup>;步骤5:将步骤2得到的纹理特征向量和步骤4得到的统计特征向量通过合并融合成2L+1维特征向量;步骤6:采用模糊C均值聚类方法对2L+1维特征向量进行聚类,得到最后的分割结果;其中C为正整数,大于等于2。 |