[发明专利]基于流形距离的两阶段聚类算法的SAR图像分割方法

摘要

本发明公开一种基于流形距离的两阶段聚类算法的SAR图像分割方法，主要解决现有聚类分割方法分割结果不稳定和计算量大的问题。其实现步骤为：(1)设定终止条件和运行参数；(2)输入待分割图像，对其进行预分割；(3)提取预分割后得到的图像块的特征；(4)以欧式距离作为相似性度量对图像块的特征进行第一阶段的聚类；(5)以第一阶段的聚类中心和距离中心最远的点作为代表点；(6)计算任意两个代表点间的流形距离；(7)以流形距离作为相似性度量对代表点进行第二阶段的聚类；(8)更新聚类中心；(9)判断是否达到终止条件，未达到则返回步骤(7)，否则，输出分割结果图。本发明具有分割结果准确、稳定、用时短的优点，可用于图像增强、模式识别、目标跟踪等技术领域中。

主权项

一种基于流形距离的两阶段聚类算法的SAR图像分割方法，包括如下步骤：(1)设定第一阶段聚类终止条件e′为10‑4，第二阶段聚类终止条件e为10‑10，给定分水岭内部标记阈值T、流形距离伸缩因子ρ运行参数；(2)输入待分割图像，使用标记分水岭算法对其进行粗分割；(3)提取待分割图像离散小波三层变换的子带能量，作为待分割图像的特征向量，并将粗分割图像中每个图像小块内点的小波特征中值作为该图像块的特征；(4)以图像块的特征为待处理数据进行第一阶段聚类，依次选取令聚类误差最小的待处理数据点作为第一阶段聚类中心，当相邻两次的聚类误差达到第一阶段聚类终止条件e′时，进行步骤(5)，否则继续更新聚类中心；(5)将步骤(4)中聚类结果的每一类的中心和距离中心最远的数据点作为该类的代表点；(6)以代表点的特征作为待处理数据，计算任意两个待处理数据点间的流形距离；(7)以待处理数据间的流形距离作为相似性度量，对待处理数据进行第二阶段的细聚类，将待处理数据分为K类，K为聚类个数；(8)将每类中的所有待处理数据点分别作为该类的聚类中心，计算该类所有数据点到聚类中心的流形距离之和，选取使该距离和最小的待处理数据点，作为该类新的聚类中心，实现聚类中心的更新；(9)比较相邻两次聚类结果，求取聚类误差的变化率，若该变化率未达到第二阶段聚类终止条件e，则返回步骤(7)，否则，将当前聚类结果作为最终聚类结果，执行步骤(10)；(10)由待处理数据的最终聚类结果得到待分割图像的分割结果，并将分割结果图输出。