[发明专利]基于自适应滑动窗口滤波和FCM的SAR图像分割方法

权利要求书

1.一种基于自适应滑动窗口滤波和FCM的SAR图像分割方法，其特征在于，包括如下步骤：

(1)确定SAR图像I像素的类别：

(1a)设所输入的SAR图像I中的像素矩阵为其中，x_lu表示SAR图像I中第l行第u列的像素，L≥640，W≥480；

(1b)计算SAR图像I中每个像素x_lu与该像素x_lu相邻像素的相似度ζ；

(1c)设定判断门限为a，a＞3，并判断ζ＞a是否成立，若是，则x_lu为信号像素，否则，则x_lu为噪声像素；

(2)获取标记SAR图像I'：

对SAR图像I中每个噪声像素进行赋值标记，并统计标记的个数n，得到包括L×W-n个信号像素X＝{x₁,x₂,···,x_j,···x_L×W-n}、n个标记的标记SAR图像I'；

(3)基于自适应滑动窗口对标记SAR图像I'进行滤波：

在标记SAR图像I'中，根据在3×3邻域中标记的个数num，自适应地确定滑动窗口的大小Win，并根据Win对SAR图像I'进行滤波，得到包含L×W-n个信号像素的SAR图像I”，其中：

(4)获取SAR图像I”模糊聚类类别的隶属度值集合U和聚类中心集合V：

(4a)将信号像素X划分为c个模糊聚类类别C＝{C₁,C₂,···,C_r,···,C_c}，其中C_r表示第r个模糊聚类类别；

(4b)计算每一个模糊聚类类别C_r的隶属度值u_tj和聚类中心v_y，将c个模糊聚类类别C的隶属度值表示为隶属度值集合U＝{{u}¹,{u}²,···,{u}^r,···,{u}^c}，u＝{u₁₁,u₁₂,···,u_tj,···,u_cL×W-n}，同时将c个模糊聚类类别C的聚类中心表示为聚类中心集合V＝{v₁,v₂,···,v_y,···v_c}；

(5)获取SAR图像I”模糊聚类类别的初始隶属度值集合U⁰和初始聚类中心集合V⁰：

采用(0,1)之间的随机数对模糊聚类类别C的初始隶属度值进行赋值，得到SAR图像I”的c个模糊聚类类别C的初始隶属度值集合U⁰＝{{u⁰}¹,{u⁰}²,···,{u⁰}^r,···,{u⁰}^c}，并通过计算模糊聚类类别C的初始聚类中心得到c个模糊聚类类别C的初始聚类中心集合其中，满足：

(6)基于模糊聚类对SAR图像I”进行分割：

(6a)设迭代次数为m，最大迭代次数为M,迭代误差为ε，并令m＝0，其中，M≥50，ε≥0.03；

(6b)对模糊聚类类别C的初始隶属度值和初始聚类中心进行迭代训练，并判断||V^m-V^m-1||＜ε或m＝M是否成立，若是，得到训练后的模糊聚类类别C的隶属度值集合U^m，否则执行步骤(6c)；

(6c)令m＝m+1，并执行步骤(6b)；

(6d)根据训练后的模糊聚类类别C的隶属度值集合U^m对SAR图像I”进行聚类，最终得到SAR图像I”的分割图像。