[发明专利]基于多特征联合稀疏图的SAR图像分割方法

摘要

本发明公开了一种基于多特征联合稀疏图的SAR图像分割方法，主要解决现有方法对分割结果产生不利影响以及图像规模增大影响计算复杂度的问题。其实现步骤为1)输入待分割图像；2)将待分割图像进行过分割得到超像素；3)提取超像素的四个特征集；4)对四个特征集进行联合稀疏表示得到四个稀疏表示系数；5)将四个稀疏表示系数融合为一个全局稀疏表示系数；6)计算超像素的局部空间邻域相关性；7)将全局稀疏表示系数与局部空间邻域相关性相结合生成联合稀疏图；8)使用谱聚类算法分割联合稀疏图的顶点得到最终的分割结果。本发明能有效分割SAR图像并不受噪声影响，可用于SAR图像的自动目标识别。

主权项

基于多特征联合稀疏图的SAR图像分割方法，包括如下步骤：(1)输入待分割SAR图像，确定需要将图像划分的类数k≥2；(2)使用区域生长算法对输入的待分割SAR图像进行过分割，生成多个表示同质区域的超像素集Y；(3)对超像素集Y中的每个超像素提取其灰度直方图特征、局部二值模式直方图特征、Gabor滤波器组特征、灰度共生矩阵统计特征，构成灰度直方图特征集X1、局部二值模式直方图特征集X2、Gabor滤波器组特征集X3、灰度共生矩阵统计特征集X4；(4)对所有超像素的上述四个特征集X1,X2,X3,X4进行联合稀疏表示，分别得到四个特征集合的稀疏表示系数Z1,Z2,Z3,Z4，每个稀疏表示系数的大小为n×n，n为超像素个数；(5)在四个n×n大小的稀疏表示系数Z1,Z2,Z3,Z4中依次分别取任意相同位置的元素[Z1]ij,[Z2]ij,[Z3]ij,[Z4]ij，其中，1≤i≤n，1≤j≤n，将这四个元素融合，得到全局稀疏表示系数中相同位置的元素对四个稀疏表示系数中的每个元素都按照上式进行融合，得到全局稀疏表示系数(6)根据超像素的相邻关系构造出超像素的局部空间邻域相关性C，该局部空间邻域相关性C是一个以超像素个数为行数和列数的方阵，对于任意两个超像素Yi与Yj，当Yi与Yj相邻时，C中第i行的第j个元素Cij的值为1，否则Cij的值为0；(7)将全局稀疏表示系数S与局部空间邻域相关性C相结合，生成联合稀疏图的邻接矩阵G＝(1/2)(P+PT)，其中P＝S·exp(C/2σ2)，T表示转置，σ是一个正则参数，取值为1.4；(8)使用谱聚类中规范切算法Ncuts，将联合稀疏图的顶点划分为k类，得到最终分割结果。