[发明专利]融合边缘信息的模糊迭代SAR图像超像素分割方法

权利要求书

1.一种融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，该方法包括以下步骤：

步骤1，利用基于高斯伽马形双窗口的边缘检测器对SAR图像进行边缘检测，得到边缘增强图ESM及边缘图EM；

步骤2，根据设定的超像素大小S，利用边缘增强图ESM及边缘图EM，初始化聚类中心；

步骤3，在聚类中心的2S×2S邻域内，计算聚类中心与每个像素点之间的度量距离D(i,j)；

步骤4，度量距离比较更新，每个像素点和周围的聚类中心均有度量距离，保留每个像素点与周围聚类中心较小的l个度量距离；

步骤5，计算隶属度U和聚类中心C；

步骤6，重复步骤3、步骤4和步骤5，直到达到设定的迭代次数；

步骤7，选取像素隶属度最大的聚类中心类别作为像素的超像素类别，得到初始的超像素分割结果；

步骤8，利用边缘图EM的边缘信息进行后处理步骤，然后得到最终的超像素分割结果。

2.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤2中，所述的初始化聚类中心的方法如下：

步骤201，根据超像素大小S，在SAR图像内，将聚类中心均匀分布在间隔S个像素的规则网格上；

步骤202，在边缘图EM上查找轮廓，得到大概的目标轮廓信息；

步骤203，根据目标轮廓信息，依次判断每次目标轮廓内是否含有聚类中心，若含有，则跳过，若未含有，则将目标轮廓在二维平面x轴及y轴上的最大和最小值平均后的坐标值处的像素点作为新的聚类中心；

步骤204，为了避免聚类中心落在边缘或噪声像素上，根据边缘增强图ESM信息，将聚类中心移动到3×3邻域中的最小边缘强度位置。

3.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中，计算聚类中心与每个像素点之间的度量距离D(i，j)的方法如下：

度量距离D(i，j)的计算公式如下：

式中：

i为聚类中心；

j为像素点；

D_intensity(i，j)为聚类中心与像素点的强度度量距离；

D_spatial(i，j)为聚类中心与像素点的空间距离；

α为平衡因子，平衡强度度量距离与空间距离的权重；

γ_af为边缘信息系数。

4.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中：

式中：

分别表示聚类中心i、像素点j与其8邻域的平均强度值；

M为取平均强度值的像素个数，这里为9；

Ln()为取对数运算。

5.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中：

式中：

(x_i，y_i)为聚类中心i的坐标值；

(x_j，y_j)为像素点j的坐标值。

6.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中：

γ_af＝1+β·E(i，j)

式中：

β为放大因子；

E(i，j)为边缘信息因子；

为聚类中心i到像素点j的线性路径；

k为线性路径上的像素点；

为存在；

为任意的；

EM(k)为边缘图EM在k点的值。