[发明专利]基于全局流形原型聚类算法与分水岭算法的图像分割方法

权利要求书

1.一种基于全局流形原型聚类算法与分水岭算法的SAR图像分割方法，包括如下步骤：

(1)设定聚类终止条件e为10^-10，给定分水岭标记阈值T、流形距离伸缩因子ρ运行参数；

(2)输入待分割图像，使用标记分水岭算法对其进行粗分割；

(3)提取待分割图像离散小波三层变换的子带能量，作为待分割图像的特征向量，并将粗分割图像中每个图像小块内点的小波特征中值作为该图像块的特征；

(4)以图像块的特征为待处理数据，依次选取令聚类误差最小的K个待处理数据点作为初始聚类中心，K为聚类类数；

(5)计算任意两个待处理数据点间的流形距离；

(6)以待处理数据间的流形距离作为相似性度量对待处理数据进行聚类；

(7)将每类中的所有待处理数据点分别作为该类的聚类中心，计算类内距离和，选取使类内距离和最小的待处理数据点，作为该类新的聚类中心；

(8)将当前新的聚类与上次聚类相比，求取聚类误差的变化率，若该变化率未达到聚类终止条件e，返回步骤(6)，否则，将当前次聚类结果作为最终聚类结果，进行步骤(9)；

(9)由待处理数据的最终聚类结果得到待分割图像的分割结果，并将分割结果图输出。

2.根据权利要求1所述的基于全局流形原型聚类算法与分水岭算法的SAR图像分割方法，其中步骤(1)所述的运行参数，包括分水岭算法中选取内部标记时的阈值T，流形距离中的伸缩因子ρ＞1，其中T设为6，ρ设为3。

3.根据权利要求1所述的基于全局流形原型聚类算法与分水岭算法的SAR图像分割方法，其中步骤(2)所述的使用标记分水岭算法对其进行粗分割，按如下步骤进行：

(3a)对待分割图像进行中值滤波和形态学开-闭滤波；

(3b)求滤波后待分割图像的梯度图；

(3c)选取待分割图像中灰度值范围在阈值T内的局部最小值作为内部标记；

(3d)以内部标记的分水岭变换作为外部标记；

(3e)对待分割图像梯度图的梯度值进行修正，使梯度图上的局部最小区域仅出现在内部标记位置上；

(3f)对修正后的梯度图进行分水岭变换，得到待分割图像的粗分割结果。

4.根据权利要求1所述的基于全局流形原型聚类算法与分水岭算法的SAR图像分割方法，其中步骤(4)所述的以图像块的特征为待处理数据，依次选取令聚类误差最小的K个待处理数据点作为初始聚类中心，按如下步骤进行：

(4a)由一类聚类c＝1，c≤K开始，从数据集X＝{x₁，...，x_N}中选择与该数据集的中心最接近的数据点x_i1，作为一类初始聚类中心，其中N为样本个数；

(4b)对c值加1，将N个数据点序列(x_i1，x_i2，...，x_i(c-1)，x_i)，i＝1，2，...，N分别作为c类聚类的初始聚类中心，计算该初始聚类中心的聚类误差与c-1类聚类相比的下降量，并将下降量最大的数据点x_ic与c-1类聚类的初始聚类中心合并，得到c类聚类的最优初始聚类中心(x_i1，x_i2，...，x_i(c-1)，x_ic)；

(4c)判断c与K是否相等，若相等，将数据点序列(x_i1，x_i2，...，x_i(c-1)，x_ic)作为所求K类聚类的初始聚类中心，否则，返回步骤(4b)。