[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

说明书

本发明提出了一种基于自适应滑动窗口滤波和FCM的SAR图像分割方法，用于提高SAR图像分割精度。实现步骤为：确定SAR图像I像素的类别；获取标记SAR图像I'；基于自适应滑动窗口对标记SAR图像I'进行滤波；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；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；基于模糊聚类对SAR图像I”进行分割。本发明采用自适应滑动窗口对SAR图像滤波，消除FCM对噪声的敏感性，并通过FCM对滤波后的SAR图像I”进行聚类，以获取SAR图像的分割结果，保留了SAR图像的细节信息，提高了SAR图像的分割精度。

技术领域

本发明属于图像处理技术领域，涉及一种SAR图像分割方法，具体涉及一种基于自适应滑动窗口滤波和FCM的SAR图像分割方法，可用于地质检测、灾害监测、资源勘查、城市规划等领域。

背景技术

合成孔径雷达SAR利用合成孔径原理，是一种具备全天时、全天候、高分辨、大幅宽等多种特点的主动式对地观测系统。由SAR拍摄的图像被称为SAR图像，高分辨的SAR图像可以根据目标的自身的散射特性，反映目标物体的几何特征。由于SAR图像源于电磁波的后向散射，所以SAR图像上存在大量的相干斑噪声。

SAR图像分割技术是将一幅SAR图像划分为可数的互不重叠的连通区域，它提供SAR图像中区域的封闭轮廓，为SAR图像分类识别和自动解译提供可靠的信息。目前，对于SAR图像分割的方法主要分为基于阈值的分割方法、基于区域的分割方法以及基于聚类分析的分割方法等，其中聚类分析的分割方法被认为是处理图像中相似性和不确定性的一种最有效手段。

模糊C均值聚类FCM是聚类分析中一种被研究最为广泛的方法，该方法在用于图像分割时是一种非监督模糊聚类后的标记过程。FCM根据每个像素属于不同区域的程度，将像素划分为c类，通过目标函数的迭代优化，寻找合适的隶属度和聚类中心，使得聚类内的目标函数的方差和迭代误差最小。利用FCM非监督模糊聚类标记的特点进行图像分割，可以减少人为的干预，且较适合图像中存在不确定性和模糊性的特点。但FCM对图像中的噪声比较敏感，往往会影响SAR图像的分割精度。

目前，已经提出了基于FCM图像分割的改进方法。例如申请公布号为CN108389211A，名称为“一种自适应非局部模糊C均值聚类SAR图像分割算法”的专利申请，公开了一种自适应非局部模糊C均值聚类SAR图像分割算法，该方法首先获取到高分辨率的SAR图像后，针对非局部均值算法研究了像素间改进的相似性度量方法，并结合邻域灰度直方图信息熵，得到非局部空间信息项的自适应权值参数，很好调节相干斑抑制与图像细节保持间的平衡。该发明通过将寻优结果与FCMSAR图像分割结合，很好地保留了SAR图像的细节信息，提高了SAR图像分割的效果，但是该发明只是调节抑制图像噪声与保持图像细节信息之间的平衡，仍未将SAR图像中的噪声彻底地去除，不能完全消除FCM对噪声的敏感性，因此对SAR图像分割的精度依然较低。

发明内容

本发明的目的在于克服上述已有技术的缺陷，提出了一种基于自适应滑动窗口滤波和FCM的SAR图像分割方法，可以在很好的保留SAR图像的细节信息的同时消除FCM对噪声的敏感性，提高SAR图像的分割精度。

为了实现上述目的，本发明采用的技术方案包括如下步骤：

(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；