The invention discloses a SAR image segmentation technique based on dictionary learning and sparse representation, which mainly solves the problem that the existing feature extraction takes a great deal of time and the distance measurement has a certain defect. The realization process is: 1) the input image segmentation, determine the class number k; 2) for each pixel of image segmentation to extract p * P window to get the testing samples from the test samples were randomly selected to get a small sample training set; 3) wavelet feature extraction in training samples; 4) by division on the training set of spectral clustering algorithm; 5) for each class of training samples, using K-SVD algorithm to train a dictionary; 6) for the test samples in the dictionary sparse representation vector; 7) reconstruction error function to calculate the test samples; 8) according to the calculated test sample label reconstruction error function, get the results of image segmentation. The invention has the advantages of fast segmentation and good effect, and the technique can be further used for automatic target recognition of SAR images.
【技术实现步骤摘要】
本专利技术属于图像处理
,涉及SAR图像分割,用于SAR图像目标识别。
技术介绍
合成孔径雷达SAR具有全天时、全天候的探测与侦察能力。它利用脉冲压缩技术 获得高的距离分辨率,利用合成孔径原理提高方位分辨率,从而相比真实孔径雷达在遥感 领域具有独特的优势。对SAR图像的理解和解译属于图像处理范畴,还涉及信号处理,模式 识别及机器学习等众多学科。由于SAR具有的独特作用,使得SAR图像的理解与解译在国 防和民用领域正受到越来越广泛的关注,SAR图像分割作为SAR图像后续解译处理的关键 环节之一,也就显得愈加重要。现有的SAR图像分割方法大致可以分为基于区域分割方法 和基于边缘的分割方法,如阈值分割、聚类的方法、形态学的方法、及随机场的方法等。目前已经有很多成熟的聚类算法被用到SAR图像分割中。但是大部分基于聚类的 SAR图像分割方法都要对图像特征提取,特征提取虽然是线下过程,但是由于需要对图像的 每一个像素点分别进行特征提取,所以这一过程十分耗时,同时在聚类过程中一般要使用 某种距离测度,如欧氏距离、流形距离,来计算样本之间的相似度,使用某种距离则会受限 于该种距离测度方法的固定缺陷的限制如欧氏距离仅对球形分布数据效果较好,而流形距 离仅对具有流形分布的数据效果较好,在数据分布未知情况下,若强制使用某种距离测度 方法,可能会导致最终SAR图像分割效果较差。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足,提出了一种基于字典学习和稀疏表 示的SAR图像分割方法,以降低图像特征提取花费的时间,并在图像数据分布未知情况下, 提高SAR图像的分割结果 ...
【技术保护点】
1.一种基于字典学习和稀疏表示的SAR图像分割方法,包括以下步骤:(1)输入待分割SAR图像,确定需要将图像划分的类数k;(2)以待分割SAR图像中每个像素点为中心提取p×p的窗口样本,得到规模为m的测试样本集F,从提取的所有测试样本中随机选择n个作为训练样本集Y,其中n<<m;(3)提取训练样本集Y中的训练样本的小波特征,得到规模为n的小波特征数据集Y′,该小波特征数据集Y′中的样本与训练样本集Y中的样本一一对应;(4)用谱聚类算法对小波特征数据集Y′进行聚类,得到小波特征数据集Y′的类别划分,同时得到训练样本集Y的类别划分Yi,i=1,2,3,...k;(5)将划分后的每一类训练样本Yi,i=1,2,3,...k,利用K-SVD算法分别训练,得到相应的字典Di,i=1,2,3,...,k;(6)利用正交匹配追踪OMP算法求解测试样本S在Di上稀疏表示向量,得到稀疏向量αi,i=1,2,3,...,k,S∈F;(7)令表示测试样本S在Di上的重构误差函数,对该误差函数进行高斯函数平滑,得到误差函数(8)根据新的误差函数求解测试样本S的标签得到每个测试样本的类别标签l(S)∈{1,2, ...
【技术特征摘要】
【专利技术属性】
技术研发人员:缑水平,焦李成,庄广安,庄雄,王爽,张向荣,刘若辰,杨静瑜,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:87
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。