[发明专利]一种基于小波特征低秩表示的SAR图像目标聚类方法

权利要求书

1.一种基于小波特征低秩表示的SAR图像目标聚类方法，其特征在于：包括如下步骤：

1）取n类测试样本,每类10幅图，每幅图的大小为128*128：

{Y_i=x_ij|i=1,2,…,n;j=1,2,…,10}

其中,Y_i代表第i类全部的测试样本，x_ij表示第i类测试样本里的第j幅图，n为测试样本的类别总数，i表示第i类测试样本，j表示第i类里的第j幅图；

对每幅图做L级小波分解，获得3L的高通子带(B₁,B₂,…,B_3L)和一个低通子带B_3L+1，在每个子带里面提取能量特征：

Eijk=Σm=1MΣn=1Nxij2(m,n)]]>

其中i表示第i类测试样本，i=1,2,…,n，j表示第i类里的第j幅图，j=1,2,…,10，k表示小波分解的子带数，k=1,2,…,(3L+1)，M,N分别表示一幅图像的行列数；

则每张图由3L+1个能量特征构成，那么n类测试样本，通过小波分解获得能量矩阵E：

则   E＝[E₁,E₂,…E_i,…,E_n]

其中E_i表示第i类所有测试样本构成的能量特征，每一列表示一幅图做L级小波分解得到的各个子带的能量；

2）对能量矩阵E进行归一化处理，处理的方式为：均值方差归一化；

均值方差归一化：

设e=(e₁,e₂,…,e_k)，建立映射f：

其中，emean=mean(e)=mean(e₁,e₂,…,e_k),evar=var(e)=var(e₁,e₂,…,e_k)

使每个分量规范到[-1,1]上；

3）对归一化的能量特征矩阵进行低秩处理，通过以下目标函数求得低秩系数Z：

minZ,E||Z||*+λ||E||2,1,]]>

s.t.,X＝XZ+E

其中，X表示特征矩阵，Z表示低秩系数，E为噪声，|| ||_*为核范数，即矩阵奇异值的和

为l_2,1范数，λ>0为调节参数；

4）对低秩系数Z聚类处理，采用谱聚类和FCM聚类，得到聚类结果；

5）计算聚类结果正确率，通过以下式子计算：