一种基于Gamma分布的模糊聚类SAR图像分割方法技术

本发明专利技术提供一种基于Gamma分布的模糊聚类SAR图像分割方法，包括：将待分割SAR图像各像素的灰度值作为样本点，构建具有Gamma分布函数的FCM目标函数；确定FCM目标函数中各参数的求解公式；利用具有Gamma分布函数的FCM目标函数进行待分割SAR图像模糊聚类，得到待分割SAR图像各像素的灰度值属于各地物类别的模糊隶属度矩阵；对上述模糊隶属度矩阵按最大隶属度原则进行反模糊化，实现SAR图像分割。本发明专利技术利用Gamma分布概率密度函数的负对数描述像素点到聚类的非相似性测度，通过精确拟合SAR图像分布特征进一步克服SAR图像中的噪声对分割结果的影响，从而提高分割精度，有效提高了SAR图像的拟合及分割精度。

【技术实现步骤摘要】
一种基于Gamma分布的模糊聚类SAR图像分割方法
本专利技术属于图像处理领域，具体涉及一种基于Gamma分布的模糊聚类SAR图像分割方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)图像分割是SAR图像处理中的关键技术，其分割的精度直接影响后续的解译处理，因此，对于SAR图像分割技术的研究具有重要意义。然而，由于SAR的成像原理与人类视觉相悖、高分辨率带来更加清晰的细节及成像过程导致的固有斑点噪声等诸多因素影响，很难获得高精度的分割结果。目前，基于SAR的图像分割方法主要可以分为：阈值方法、统计方法和聚类方法。基于阈值的方法原理简单，但很难找到合理的阈值并且该方法只能进行有限类的SAR图像分割；基于统计的方法能够建模噪声，具有较好的抗噪性，但其求解困难；基于聚类的方法其最大特点是建模及求解容易，但不能针对噪声建模，故对噪声敏感。上述方法中，聚类方法特别是模糊聚类方法由于原理简单、算法稳定性好、收敛速度快等特点应用最为广泛，如最常用的基于FuzzyC-means(FCM)的SAR图像分割方法，但是，由于该方法用Euclidean距离定义非相似性测度并且没有考虑邻域像素作用，故对SAR图像中的斑点噪声及异常值敏感，因此基于传统FCM的SAR图像的分割结果中存在大量的噪声。为了克服上述分割方法对噪声敏感问题，赵雪梅等(赵雪梅，李玉，赵泉华.基于隐马尔科夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法：电子与信息学报，2014,36(11)：2730-2736)结合统计方法及聚类方法特性，利用隐马尔科夫随机场和高斯回归模型建立特征场和标号场的邻域关系，并通过FCM方法实现SAR图像分割，从而有效解决了经典方法分割不准确、误分像素多的问题。但是，该方法认为SAR图像分布为高斯分布与SAR图像服从Gamma分布的特征不相符，不能解决所有SAR图像的分割问题。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于Gamma分布的模糊聚类SAR图像分割方法。本专利技术的技术方案是：一种基于Gamma分布的模糊聚类SAR图像分割方法，包括以下步骤：步骤1：读取待分割SAR图像；步骤2：将待分割SAR图像各像素的灰度值作为样本点，构建具有Gamma分布函数的FCM目标函数，该目标函数以克服SAR图像中噪声对分割结果的影响为目标，根据SAR图像灰度分布服从Gamma分布的特点，以Gamma分布函数的负对数作为目标函数非相似性测度；通过定义标号场的势能函数确定FCM目标函数中的先验概率。该FCM目标函数参数包括模糊因子、模糊隶属度函数、先验概率、Gamma分布函数中的形状参数及尺度参数；步骤3：确定FCM目标函数中各参数的求解公式；步骤4：利用具有Gamma分布函数的FCM目标函数对待分割SAR图像进行模糊聚类，得到待分割SAR图像各像素的灰度值属于各地物类别的模糊隶属度矩阵；步骤5：对上述模糊隶属度矩阵按最大隶属度原则进行反模糊化，实现SAR图像分割。所述步骤3的具体步骤如下：步骤3.1：确定FCM目标函数中的先验概率公式；步骤3.1.1：定义势能函数：邻域像素的灰度值与中心像素的灰度值属于同一地物类别时势能为0，否则势能为1；步骤3.1.2：根据势能函数定义FCM目标函数中的先验概率并进行归一化处理；步骤3.2：确定模糊隶属度的数值解公式：在FCM目标函数中加入拉格朗日乘子，然后对FCM目标函数中的模糊隶属度函数求偏导，并令其一阶导数等于0，得到带有拉格朗日系数的模糊隶属度函数，再消去拉格朗日系数；步骤3.3：确定Gamma分布函数中形状参数、尺度参数的数值解公式：确定形状参数的数值解公式：对形状参数进行等价无穷小替换；确定尺度参数的数值解公式：令FCM目标函数对形状参数的一阶偏导等于零。所述步骤4的具体步骤如下：步骤4.1：设置聚类中心个数、初始化模糊隶属度矩阵、模糊因子及迭代停止条件；聚类中心个数即待分割SAR图像中的地物类别个数，模糊因子表示SAR图像分割结果的混乱程度；步骤4.2：随机初始化FCM目标函数值、Gamma分布函数的尺度参数及形状参数；步骤4.3：计算FCM目标函数中的用于约束聚类尺度的先验概率；步骤4.4：估计新的形状参数及尺度参数，进而求得非相似性测度；步骤4.5：根据FCM目标函数中的先验概率、非相似性测度，计算各像素的灰度值属于各地物类别的模糊隶属度；步骤4.6：根据模糊隶属度、非相似性测度、先验概率计算当前FCM目标函数值；步骤4.7：若当前FCM目标函数值与前次计算的FCM目标函数值之差大于设定阈值，将当前模糊隶属度作为初始模糊隶属度，返回步骤4.3；若当前FCM目标函数值与前次计算的FCM目标函数值之差小于设定阈值，则迭代停止；步骤4.8：当前模糊隶属度矩阵即为待分割SAR图像各像素灰度值的最优模糊隶属度矩阵。有益效果：本专利技术利用Gamma分布准确描述SAR图像强度分布特点，结合FCM方法提出一种基于Gamma分布的模糊聚类SAR图像分割方法。该方法利用Gamma分布概率密度函数的负对数描述像素点到聚类的非相似性测度，通过精确拟合SAR图像分布特征进一步克服SAR中的噪声对分割结果的影响，从而提高分割精度，有效提高了SAR图像的拟合及分割精度。本专利技术稳定性好，收敛速度快，为SAR图像的自动解译提供了新思路。附图说明图1为本专利技术具体实施方式中基于Gamma分布的模糊聚类SAR图像分割方法流程图；图2为本专利技术具体实施方式中步骤3的具体流程图；图3为本专利技术具体实施方式中步骤4的具体流程图；图4为本专利技术具体实施方式中的仿真图像，其中(a)为模板，(b)为模拟图像，(c)为真实SAR图像，由亮到暗依次为冰，融冰和水；图5为本专利技术具体实施方式中应用本专利技术方法、现有的FCM方法及基于高斯回归模型的FCM方法对模拟图像的分割实验，其中(a)为标准FCM方法分割结果，(b)为基于高斯回归模型的FCM方法分割结果，(c)为本专利技术方法分割结果；图6为本专利技术具体实施方式中应用本专利技术方法、现有的FCM方法及基于高斯回归模型的FCM方法对真实SAR图像的分割实验，其中(a)为标准FCM方法分割结果，(b)为基于高斯回归模型的FCM方法分割结果，(c)为本专利技术方法分割结果；图7为本专利技术具体实施方式中高斯回归模型与对应的真实SAR图像分割结果直方图的拟合效果图；图8为本专利技术具体实施方式中Gamma分布函数与对应的真实SAR图像分割结果直方图的拟合效果图。具体实施方式下面结合附图对本专利技术的具体实施方式做详细说明。一种基于Gamma分布的模糊聚类SAR图像分割方法，如图1所示，包括以下步骤：步骤1：读取待分割SAR图像；本实施方式中，定义待分割SAR图像域X＝{x1,…,xi,…,xN}，其中，xi是第i个像素的灰度测度，i为像素索引，N为总像素数，X为128×128像素，总像素数N＝16384。步骤2：将待分割SAR图像各像素的灰度值作为样本点，构建具有Gamma分布函数的FCM目标函数，该目标函数以克服SAR图像中噪声对SAR图像分割结果的影响为目标，根据SAR图像灰度分布服从Gamma分布的特点，以Gamma分布函数的负对数作为目标函数非相似性测度；通过定义标号场的势能函数确本文档来自技高网...

【技术保护点】
一种基于Gamma分布的模糊聚类SAR图像分割方法，其特征在于，包括以下步骤：步骤1：读取待分割SAR图像；步骤2：将待分割SAR图像各像素的灰度值作为样本点，构建具有Gamma分布函数的FCM目标函数，该目标函数以克服SAR图像中噪声对分割结果的影响为目标，根据SAR图像灰度分布服从Gamma分布的特点，以Gamma分布函数的负对数作为目标函数非相似性测度；通过定义标号场的势能函数确定FCM目标函数中的先验概率；该FCM目标函数参数包括模糊因子、模糊隶属度函数、先验概率，Gamma分布函数中的形状参数及尺度参数；步骤3：确定FCM目标函数中各参数的求解公式；步骤4：利用具有Gamma分布函数的FCM目标函数进行待分割SAR图像模糊聚类，得到待分割SAR图像各像素的灰度值属于各地物类别的模糊隶属度矩阵；步骤5：对上述模糊隶属度矩阵按最大隶属度原则进行反模糊化，实现SAR图像分割。

【技术特征摘要】
1.一种基于Gamma分布的模糊聚类SAR图像分割方法，包括以下步骤：步骤1：读取待分割SAR图像；步骤2：将待分割SAR图像各像素的灰度值作为样本点，构建FCM目标函数，该目标函数以克服SAR图像中噪声对分割结果的影响为目标，通过定义标号场的势能函数确定FCM目标函数中的先验概率；该FCM目标函数参数包括模糊因子、模糊隶属度函数、先验概率，Gamma分布函数中的形状参数及尺度参数；步骤3：确定FCM目标函数中各参数的求解公式；步骤4：利用FCM目标函数进行待分割SAR图像模糊聚类，得到待分割SAR图像各像素的灰度值属于各地物类别的模糊隶属度矩阵；步骤5：对上述模糊隶属度矩阵按最大隶属度原则进行反模糊化，实现SAR图像分割；其特征在于，步骤2中所述的FCM目标函数为具有Gamma分布函数的FCM目标函数，根据SAR图像灰度分布服从Gamma分布的特点，以Gamma分布函数的负对数作为目标函数非相似性测度；定义以下函数作为FCM目标函数的非相似性测度：其中αj、βj为Gamma分布函数的描述参数，xi是第i个像素的灰度测度，αj为形状参数，βj为尺度参数；步骤4中所述的利用FCM目标函数进行待分割SAR图像模糊聚类时，设置聚类中心个数即待分割SAR图像中的地物类别个数。2.根据权利要求1所述的基于Gamma分布的模糊聚类SAR图像分割方法，其特征在于，所述步骤3的具体步骤如下：步骤3.1：确定FCM目标函数中的先验概率公式；步骤3....

【专利技术属性】
技术研发人员：王春艳，徐爱功，杨本臣，姜勇，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21