[发明专利]基于超像素和优化策略的SAR图像分割方法

摘要

本发明公开了一种基于超像素和优化策略的SAR图像分割方法，主要改善现有图像分割方法的分割区域一致性差的现象。其实现步骤是：（1）输入一幅SAR图像，并对该图像进行两层的非下采样小波变换；（2）提取输入图像的超像素块；（3）计算超像素块的小波特征；（4）建立超像素块之间的图矩阵；（5）根据超像素块的小波特征对超像素块进行聚类，（6）用粒子群算法优化聚类过程中的参数；（7）根据优化完成后得到的隶属度矩阵，计算超像素块的类别标签；（8）给超像素块之间的边界标记相应的类别标签，得到SAR图像的分割结果。本发明在保证较完整的边缘细节信息的同时能很好保证分割区域的一致性，分割结果满足后续对图像进行分析的要求。

主权项

1.一种基于超像素和优化策略的SAR图像分割方法，包含以下步骤：（1）输入一幅SAR图像，并根据图像的内容信息设定分割的类别数l；（2）对输入图像进行两层的非下采样小波变换，得到第k个像素点的小波特征f_k；（3）对输入图像提取N个超像素块，并分别计算超像素块与块之间的邻接矩阵A和第j个超像素块的中心坐标位置x_j＝(x_j1,x_j2),j∈1,2...N；（4）根据第j个超像素块包含的所有像素点的小波特征，计算第j个超像素块的小波特征f_j；（5）根据超像素块的中心坐标位置x_j和小波特征f_j，建立超像素块之间的图矩阵G；（6）根据超像素块的小波特征f_j、邻接矩阵A和图矩阵G，对超像素块的进行聚类：6a）根据超像素块的个数N和设定分割的类别数l，初始化隶属度矩阵U=[u_ij]；6b）根据隶属度矩阵U和小波特征f_j，计算聚类中心矩阵V的第i个聚类中心v_i：vi=Σj=1NuijmfjΣj=1Nuijm,]]>其中，u_ij是隶属度矩阵U第i行第j列的元素，其含义表示第j个超像素属于聚类中心点v_i的隶属度，m是大于1的实数；6c）根据邻接矩阵A、图矩阵G和小波特征f_j，计算第j个超像素块与第i个聚类中心点v_i的空间位置加权因子E_ij：Eij=Σk=1Suiktjk2Σk=1Stjk2,]]>其中，u_ik表示第k个超像素属于聚类中心点v_i的隶属度，表示x_j与x_k的欧氏距离，表示计算欧氏距离，k∈1,2...S，S=a+b，a表示邻接矩阵A中与第j个超像素邻接的a超像素块，b表示图矩阵G中与第j个超像素特征最相似的b个超像素块；6d）根据邻接矩阵A、图矩阵G和小波特征f_j，计算第j个超像素块与第i个聚类中心点v_i的相似特征加权因子H_ij：Hij=Σk=1Suikrjk2Σk=1Srjk2,]]>其中，表示f_j与f_k的欧氏距离，6e）根据空间位置加权因子E_ij和相似特征加权因子H_ij，计算第j个超像素块与第i个聚类中心点v_i的加权距离Dij2=||vi-fj||(1-α1Eij)(1-α2Hij)α1+α2≤1,]]>其中，α₁和α₂是待优化的两个参数；6f）根据隶属度矩阵U和加权距离建立聚类的目标函数J(U,V)：J(U,V)=Σi=1CΣj=1NuijmDij2;]]>6g）根据权距离重新计算隶属度矩阵U，计算隶属度矩阵U中的第j个超像素属于第i个聚类中心点v_i的隶属度u_ij：uij=1Σk=1C(DijDkj)2m-1;]]>6h）设置隶属度阈值ε＝0.0001并将隶属度矩阵U与ε进行比较，如果max(|U⁽ⁿ⁾-U⁽ⁿ⁺¹⁾|/U⁽ⁿ⁾)≤ε，则停止聚类过程，否则返回步骤6b）重新进行聚类，其中max(·)表示求矩阵中元素的最大值，n表示聚类过程中的第n次迭代；（7）用粒子群PSO算法优化空间位置加权参数α₁和相似特征加权参数α₂；（8）设置目标函数阈值δ=0.0001，并将目标函数值与δ作比较，如果|J(U,V)^(q)-J(U,V)^(q+1)|/J(U,V)^(q)≤δ，停止迭代过程，得到更新后的隶属度矩阵U'，否则返回步骤6b）重新进行聚类，其中q表示优化过程中的第q次迭代；（9）根据更新后的隶属度矩阵U'，计算第j个超像素块的类别标签L_j；（10）根据超像素块的类别标签L_j，给超像素块与块之间的边界赋上相应的类别标签，得到SAR图像的分割结果。