基于特征向量集成谱聚类的SAR图像分割方法技术

本发明专利技术公开了一种基于特征向量集成谱聚类的SAR图像分割方法，主要解决现有谱聚类方法用于SAR图像分割时出现的准确率低和尺度参数敏感差的问题。其实现过程是：(1)对输入SAR图像进行3层小波变换，提取小波特征；(2)设定尺度参数σ的范围为0.1到1，设定集成特征个数为m；(3)在尺度参数σ中随机选取m个尺度参数，并用逼近计算出m个相似性矩阵W1,W2,...,Wm；(4)根据m个相似性矩阵W1,W2，...,Wm计算出拉普拉斯矩阵L1,L2，...,Lm，并分别进行非负矩阵分解得到特征向量矩阵V1,V2，...,Vm；(5)集成特征向量V1,V2,...,Vm，得到新特征向量U；(6)规范化特征向量矩阵U得到Y，并对Y进行K_means聚类，输出SAR图像的最终分割结果。本发明专利技术具有分割结果准确率高和尺度参数不敏感的优点，可用于SAR图像目标检测和目标分割与识别。

【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，可用于SAR图像目标检测和目标分割与识别。
技术介绍
合成孔径雷达(Synthetic Aperture Radar, SAR)成像技术通过主动发射和接受电磁波，根据物体的反射、散射特性而成像。因为它具有全天吋、全天候、分辨率高、能有效地识别伪装和穿透掩盖物的探测与侦察能力，所以SAR图像的解译越来越受到国防和民用领域的关注和重视。作为SAR图像解译关键环节之一的SAR图像分割，也就显得愈加重要和迫切。 在诸多的分割方法中，基于聚类的分割方法是将SAR图像中相似的区域尽可能划分为ー类，而不相似的区域尽可能划分到不同的类中。很多成熟的传统聚类算法已经被用到了 SAR图像分割中。作为ー门新兴的算法，谱聚类是ー种建立在谱图理论基础之上，充分发掘了数据的成对点相似特性，通过图的拉普拉斯矩阵分解达到降维的目的，最后利用相似性矩阵的低维特征向量进行聚类的算法。谱聚类算法实现简单，与维数无关，克服了传统聚类算法在非凸样本分布上不能达到全局最优的不足，使得聚类结果更加稳健。但是，当聚类的数据规模η比较大的时候，谱聚类算法的空间复杂度和时间复杂度分本文档来自技高网...

【技术保护点】
一种基于特征向量集成谱聚类的SAR图像分割方法，包括如下步骤：(1)对待分割的SAR图像的每一个像素取M×N窗口进行3层小波变换，提取小波特征；(2)设定高斯核函数尺度参数σ的范围为0.1到1，集成特征个数为m，m取10，采样个数Num为100；(3)在高斯核函数尺度参数σ的范围中随机选取m个尺度参数σ1,σ2，...,σm，并根据这m个尺度参数用逼近的方法计算出相似性矩阵W，其中每个相似性矩阵W中的元素wij具体计算公式如下：wij=exp(||xi-xj||22σ2),i,j=1,...,n,其中，n是SAR图像像素点总个数，x1,x2,...,xn表示n个像素点的小波特征，|...

【技术特征摘要】

【专利技术属性】
技术研发人员：缑水平，刘震加，徐聪，朱虎明，焦李成，王爽，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：