[发明专利]基于免疫克隆量子聚类的SAR图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及SAR图像分割，可用于雷达目标检测和目标识别。

背景技术

聚类是指在没有任何关于样本的先验知识情况下，利用数学的方法研究和处理特定对象的分类，把一个没有类别标记的样本按照某种准则划分成若干个子集，使得相似的样本尽可能被归为一类，而不相似的样本尽量被划分到不同的类别中。聚类分析是多元统计分析的一种，也是非监督模式识别的一个重要分支。现有的聚类算法大致可以分成基于划分的聚类、基于层次的聚类、基于密度的聚类、基于网格的聚类、基于模型的聚类，以及与模糊理论、图论、自然计算相关领域结合的聚类技术。

图像分割就是根据某种均匀性或一致性的原则将图像分成若干个有意义的部分，把感兴趣的目标物从十分复杂的背景中提取出来，以便进一步的分析。因此，可以利用聚类方法将图像中一个或多个特征不连续的部分单独划分为一个子区域，将原始信息转化为更加紧凑的形式，使得更高层次的图像分析和理解成为可能。其中，随着合成孔径雷达SAR技术被广泛应用于国防建设和民用领域，SAR图像分割作为SAR图像处理过程的关键步骤，近年来受到了越来越多的重视。基于聚类技术的SAR图像分割方法又包括分层聚类和划分聚类。

作为一种基于划分的非参数聚类技术的量子聚类，它能够克服传统聚类算法对初始值和噪声敏感、聚类类别数要事先给定等缺陷。但是，量子聚类通过梯度下降的方法进行迭代很容易陷入局部极值，同时，缓慢的迭代速度限制了其在大规模数据集尤其是图像分割领域的应用。尽管也存在一些改进技术，例如，对距离测度的改进、对尺度参数估计的改进等，但都没能从根本上解决以上瓶颈问题。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于免疫克隆量子聚类的图像分割方法，将免疫克隆选择理论同量子聚类相结合，以减小对尺度参数变化的敏感性，有效地对包含大规模数据的SAR图像进行分割。

为实现上述目的，本发明包括以下步骤：

(1)对待分割的大小为256×256的SAR图像分别提取其灰度共生矩阵、小波变换和Contourlet变换特征，将提取出的所有N＝35维特征向量按列组合起来，得到65536×35的输入数据样本；

(2)从以上数据样本中随机选取k个样本作为初始抗体种群，k为SAR图像分割的类别数；

(3)对初始抗体种群进行编码，每个抗体长度为N×k，其中，第一个长度为N的字段表示第一个聚类中心，第二个长度为N字段表示第二个聚类中心，依此类推；

(4)对编码后的抗体按照如下步骤计算亲合度值：

4a)定义两个样本点x_i和x_j之间的距离函数D_ij＝||x_i-x_j||，求解薛定谔方程得到势能函数V的计算公式为