[发明专利]用于极化SAR图像分类的自适应模糊超像素产生方法

权利要求书

1.一种用于极化SAR图像分类的超像素产生方法，其特征在于，包括如下：

(1)设定期望得到的超像素数K，阈值E，最大迭代次数I，距离权重参数mf；

(2)初始化超像素的聚类中心，找出不重叠的搜索区域和重叠的搜索区域；

(3)生成模糊超像素，即将像素划分为超像素和待定像素两部分：

(3a)更新重叠搜索区域内像素相应的聚类中心为：其中c_j表示此重叠区域内像素对应于超像素j的聚类中心，n为该重叠搜索区域内的像素总数，x_i表示该重叠搜索区域内的第i个像素点的特征，u_ij表示像素点i与其对应于超像素j的聚类中心的隶属度,m为隶属度的正则化参数，i取值为从1到n；

(3b)更新重叠搜索区域中第i个像素与第j个超像素聚类中心之间的隶属度为：其中c表示该重叠搜索区域为c个搜索区域的重叠部分，D_ij为第i个像素到第j个像素的距离，D_ik为第i个像素到第k个聚类中心的距离，m为隶属度的正则化参数，k取值为从1到c；

(3c)重复步骤(3a)到(3b)直到最大迭代次数I或者两次迭代之间聚类中心的变化小于E；

(3d)计算模糊相似关系矩阵：其中：表示第i个像素与第j个像素之间的模糊相似关系值，fea_t表示SAR特征图的第t个通道，fea_tmax，fea_tmin分别表示特征图第t个通道中的最大值和最小值，如果r_ij小于零，则令r_ij＝0；

(3e)计算重叠搜索区域的关联度矩阵：其中U为该重叠搜索区域内所有像素与各个聚类中心之间的隶属度所构成的矩阵，矩阵大小为n×c；

(3f)计算聚类中心之间的差异度：其中E_tq为关联度矩阵E的第t行第q列的元素，sum(diag(E))表示关联度矩阵E对角元素之和；

(3g)根据等式P＝0.5×Fand P＜1确定重叠搜索区域中待定像素的比例；

(3h)根据隶属度矩阵U和自适应确定的待定像素的比例P生成模糊超像素，即将隶属度矩阵U中每一行的最大元素从大到小进行排序，将排序在第n×P位前的像素归入到该行最大元素所在列对应的超像素中，将排序在第n×P位后的像素确定为待定像素，其中n为隶属度矩阵U的行数；

(4)以每个待定像素为中心，在其周围M×M的区域中，查找该区域内的超像素个数：若超像素个数大于1，则将此区域内的像素全标记为待定像素，若超像素个数等于1，则将该待定像素归入此超像素内。

2.根据权利要求1所述的方法,其特征在于，(2)中初始化超像素的聚类中心，找出不重叠的搜索区域和重叠的搜索区域，实现如下：

(2a)根据超像素的所需数量，在规则网格上以S个像素间隔选择K个聚类中心，N为图像中像素的总数；

(2b)将聚类中心移到3×3邻域中的最低梯度位置，对于每个聚类中心，设置查找相似像素的搜索区域大小为2S×2S；

(2c)用两个或多个聚类中心相对应的搜索区域中重叠的像素构成为重叠搜索区域；用只包含在一个聚类中心的搜索区域中的像素构成非重叠搜索区域。

3.根据权利要求1所述的方法,其特征在于，(3b)中的像素之间距离D_ij，其计算如下：

(3b1)计算第i个像素到第j个像素的空间距离ds_ij和颜色特征距离dc_ij：

其中sx_i，sy_i表示第i个像素的空间特征，sx_j，sy_j表示第j个像素的空间特征，l_i,a_i,b_i表示第i个像素在色彩空间lab中的颜色特征，l_j,a_j,b_j表示第j个像素在色彩空间lab中的颜色特征；

(3b2)根据(3b1)的结果，计算得到第i个像素与第j个像素之间的距离D_ij：

其中dsc_ij＝ds_ij+dc_ij为空间特征距离ds_ij与颜色特征距离dc_ij的和，r_ij表示根据极化散射信息计算的第i个像素与第j个像素之间的模糊相似关系值，mf为模糊相似关系值的权重。