[发明专利]基于采样学习的SAR图像分割方法

摘要

本发明公开一种基于采样学习的SAR图像分割方法，主要解决现有算法计算量大，分割速度慢的问题。其实现步骤为：(1)输入待分割图像，提取特征；(2)对数据集进行M次随机采样；(3)采用谱聚类算法对M次样本数据集分别进行聚类；(4)将M次聚类后属于同一类的数据合在一起，每一类集合在一起的数据构成该类的新数据集，利用KSVD算法对新数据集训练一个字典；(5)求解测试样本在字典上的稀疏编码；(6)计算测试样本在字典上的重构误差；(7)利用重构误差确定测试样本的标签，得到最终的分割结果。本发明具有分割快速准确的优点，该方法进一步可用于SAR图像目标识别与分类。

主权项

1.一种基于采样学习的SAR图像分割方法，实现步骤包括如下：（1）对待分割的SAR图像，提取三层小波特征和灰度共生特征，得到规模为26×N的数据集Y，N为图像中所有像素点的个数；（2）对数据集Y进行M次随机采样，每次选择规模为26×n的样本数据集Y^P作为样本，n<<N，p=1,2,…,M；（3）采用谱聚类算法对每次随机采样的样本数据集Y^P进行聚类，得到K个子数据集，并且再从每一个子数据集中选取一些靠近该子数据集聚类中心的数据，K为所要分割的类数；（4）将M次样本聚类后属于同一类的数据合在一起，对每一类集合在一起的数据构成该类的新数据集Y_k，利用KSVD算法对新数据集Y_k训练一个字典D_k，k=1,2,3,…,K；（5）利用正交匹配追踪OMP算法求解测试样本S在字典D=[D₁，...,D_K]上的稀疏编码，得到稀疏向量α＝[(α¹）^T,...,(α^K)^T]^T，[]^T表示矩阵的转置；（6）根据子字典D_k和稀疏子向量α^k计算测试样本S在字典D_k上的重构误差：Rk(S)=||S-Dkαk||22,]]>表示l₂范数；（7）利用重构误差R_k(S)，求解测试样本S的标签l(S)＝argmin_{k＝1，...,K} R_k(S)，arg min为求最小值的函数，得到每个测试样本的标签，进而得到最终的分割结果。