[发明专利]基于KSVD训练字典的SAR图像混合模型拟合方法

摘要

本发明公开了一种基于KSVD算法训练字典的SAR图像混合模型拟合方法，它属于图像处理技术领域，主要解决SAR图像杂波分布模型种类繁多且对实际地物的建模能力有限的问题。其拟合过程为：基于对数正态分布和威布尔分布的概率密度函数，建立初始化分布模型字典；对图像中的每一类提取训练数据；利用KSVD算法训练初始化分布模型字典，得到新的字典集合；对图像中的每一类提取测试数据；用测试数据和新的字典集合作为OMP算法的输入来重构测试数据的稀疏系数；用字典集合中的字典乘以与其对应的稀疏系数就可得到测试数据的概率密度，从而得到其拟合直方图。本发明具有拟合精度高的优点，可用于SAR图像统计模型的拟合。

主权项

一种基于KSVD训练字典的SAR图像混合模型拟合方法，包括如下步骤：步骤1，基于对数正态分布和威布尔分布的概率密度函数，通过扩大这两个分布参数的范围，建立图像的初始化分布模型字典T₀；步骤2，对图像中的每一类提取训练数据{getdata1,getdata2,…,getdatac,…,getdataC}，其中C为图像的类别数；步骤3，用图像的初始化分布模型字典T₀和训练数据{getdata1,getdata2,…,getdatac,…,getdataC}作为广义K均值(KSVD)算法的输入得到字典集合{dictionary1,dictionary2,…,dictionaryc,…,dictionaryC}；步骤4，对图像中的每一类提取测试数据{data1,data2,…,datac,…,dataC}；步骤5，用测试数据{data1,data2,…,datac,…,dataC}和步骤三得到的字典集合{dictionary1,dictionary2,…,dictionaryc,…,dictionaryC}作为正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的输入来重构测试数据{data1,data2,…,datac,…,dataC}的稀疏系数{coeff1,coeff2,…,coeffc,…,coeffC}；步骤6，用步骤3得到的字典集合{dictionary1,dictionary2,…,dictionaryc,…,dictionaryC}中的第c类的字典dictionaryc乘以与其对应的重构的测试数据的稀疏系数{coeff1,coeff2,…,coeffc,…,coeffC}中的第c类的稀疏系数coeffc，c取1至C，就可得到测试数据{data1,data2,…,datac,…,dataC}中每一类的概率密度，所求的概率密度即为SAR图像中每一类测试数据的混合模型的拟合。