[发明专利]基于SAR-KAZE特征提取的SAR图像分割方法

说明书

本发明公开了一种基于SAR‑KAZE特征提取的SAR图像分割方法，主要解决了现有技术对SAR图像分割精度和效率低的问题。其分割过程为：1)输入一副原始待分割SAR图像并对其进行双精度转换；2)对双精度矩阵进行镜像扩展和分块，得到双精度矩阵的图像块；4)对图像块进行SAR图像的KAZE特征提取，得到双精度矩阵的SAR‑KAZE特征矩阵X；5)采用改进的稀疏子空间聚类对SAR‑KAZE特征矩阵X进行聚类，得到双精度矩阵的聚类结果。本发明提取的SAR‑KAZE特征保留了更多的图像边缘和细节信息，提高了分割精度，采用改进的稀疏子空间聚类对图像聚类，降低了分割复杂度，可用于雷达成像中地物目标的分类。

技术领域

本发明涉及图像处理领域，尤其涉及一种SAR图像分割方法，可用于雷达成像中地物目标的分类。

背景技术

合成孔径雷达是一种主动式的对地观测系统，可安装在飞机、卫星、宇宙飞船等飞行平台上，全天时、全天候对地实施观测，并具有一定的地表穿透能力。SAR图像是一种高分辨图像，在灾害监测、环境监测、海洋监测、资源勘查、农作物估产、测绘和军事等方面的应用上具有独特的优势，可发挥其他遥感图像难以发挥的作用。

图像特征提取与匹配一直是图像处理领域的研究热点之一，在视觉导航、遥感图像处理、目标定位、图像检索、目标识别与跟踪、立体视觉测距和三维重建等领域得到了广泛的应用。特征提取是图像分割的基础，图像的特征提取效果决定了图像的分割效果。如何从原始SAR图像中提取出稳定性好、独特性高、实时性强的图像特征以进一步得到分类错误率低的图像分割算法已成为图像处理领域的一个研究热点。

2004年，Lowe提出了高效的尺度不变特征变换SIFT算法，通过建立高斯差分尺度空间金字塔来提取特征，该算法不仅具有尺度不变性还具有一定的仿射不变性、视角不变性和光照不变性，在图像特征提取方面得到了广泛的应用。但是SIFT算法的复杂度高且耗时长，不能满足实时性的要求。2006年，Bay和Ess等人提出了基于SIFT算法的加速鲁棒特征SURF算法，并加以完善。SURF算法不仅具备了良好的鲁棒性，而且计算速度比SIFT算法提高了三倍左右，但是性能却不如SIFT算法。SIFT算法和SURF算法都是在线性的高斯金字塔上进行特征点检测，形同尺度下每个点的变换是一样的，由于高斯函数是低通滤波函数，这种线性高斯分解会平滑图像边缘，造成精度损失，在生成高斯金字塔时容易造成细节丢失和边缘模糊。2012年，Alcantarilla等人提出了KAZE算法，该算法通过加性分裂算法AOS和可变传导函数构造稳定的非线性尺度空间，该非线性尺度空间保证了图像的平滑在区域内而不是区域间，使图像边缘在尺度变化中信息损失量非常少，从而极大保持了图像细节信息。

西安电子科技大学在其申请的专利“基于SAR-SIFT和DBN的SAR图像分类方法”(专利申请号：CN201610206107.0，公开号：CN105894035A)中公开了一种基于SAR-SIFT和DBN的SAR图像分类方法。该方法提取了SAR图像的SAR-SIFT特征，采用深度置信网DBN，逐层的学习特征，保留了雷达图像的信息完整性，挖掘了深度信息，具有较好的分类效果。但是，该方法仍然存在的不足之处是，该方法采用的是使用SAR图像的SIFT特征，SIFT算法建立线性尺度空间丢失了图像中的部分边缘和细节；该方法对三层RBM需要进行训练，复杂度较高。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于SAR-KAZE特征提取的SAR图像分割方法，以保留图像中的边缘和细节，降低分割复杂度。

本发明的技术方案是：使用SAR-KAZE特征提取方法对将要进行分割的SAR图像进行特征提取，得到图像的特征矩阵；对得到的特征矩阵使用改进的稀疏子空间聚类算法得到图像的聚类结果，再由聚类结果得到图像的分割结果。其实现步骤包括如下：

1)输入一副大小为D*N的原始SAR图像，得到原始的SAR图像灰度矩阵，对灰度矩阵进行双精度转换，得到双精度矩阵I；