[发明专利]基于KSVD训练字典的SAR图像混合模型拟合方法

权利要求书

1.一种基于KSVD训练字典的SAR图像混合模型拟合方法，包括如下步骤：

步骤1，基于对数正态分布和威布尔分布的概率密度函数，通过扩大这两个分布参数的范围，建立图像的初始化分布模型字典T₀；

步骤2，对图像中的每一类提取训练数据{getdata1,getdata2,…,getdatac,…,getdataC}，其中C为图像的类别数；

步骤3，用图像的初始化分布模型字典T₀和训练数据{getdata1,getdata2,…,getdatac,…,getdataC}作为广义K均值(KSVD)算法的输入得到字典集合{dictionary1,dictionary2,…,dictionaryc,…,dictionaryC}；

步骤4，对图像中的每一类提取测试数据{data1,data2,…,datac,…,dataC}；

步骤5，用测试数据{data1,data2,…,datac,…,dataC}和步骤三得到的字典集合{dictionary1,dictionary2,…,dictionaryc,…,dictionaryC}作为正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的输入来重构测试数据{data1,data2,…,datac,…,dataC}的稀疏系数{coeff1,coeff2,…,coeffc,…,coeffC}；

步骤6，用步骤3得到的字典集合{dictionary1,dictionary2,…,dictionaryc,…,dictionaryC}中的第c类的字典dictionaryc乘以与其对应的重构的测试数据的稀疏系数{coeff1,coeff2,…,coeffc,…,coeffC}中的第c类的稀疏系数coeffc，c取1至C，就可得到测试数据{data1,data2,…,datac,…,dataC}中每一类的概率密度，所求的概率密度即为SAR图像中每一类测试数据的混合模型的拟合。

2.根据权利要求1所述的混合模型拟合方法，其中，步骤1具体包括：

(1a)对数正态分布的概率密度函数：

f(x)=1σ2πexp[-(lnx-m)2σ2]]]>

其中，x为图像中像素点的灰度值，m为图像中像素点的灰度值的均值，σ为图像中像素点的灰度值的方差；

威布尔分布的概率密度函数：

f(x)=ημηxη-1exp[-(xμ)η]]]>

其中，x为图像中像素点的灰度值，μ为图像的尺度参数，η为图像的形状参数。