基于特征值度量谱聚类的极化SAR图像分割方法技术

技术编号:9406762 阅读:158 留言:0更新日期:2013-12-05 06:18
本发明专利技术公开了一种基于特征值度量谱聚类的极化SAR图像分割方法。主要解决现有极化SAR图像分割过程中参数多难以自适应调节的问题。其实现过程是:(1)对极化SAR图像进行特征值分解,构成特征样本集x;(2)对每个像素求其8邻域的三个特征值对应的均值,构造平均特征样本集(3)利用马氏距离对特征样本集x和平均特征样本集分别构造相似度矩阵,根据这两个相似度矩阵得到混合相似度矩阵w′;(4)对混合相似度矩阵w′,通过谱聚类算法得到聚类标签C1;(5)重复步骤(3)-(4),对得到的类标签集合利用MCLA算法进行集成,得到最终分割结果。本发明专利技术具有自适应性强,复杂度低,分割结果更加细致精确的优点,可用于极化SAR图像的目标检测和目标识别。

【技术实现步骤摘要】

【技术保护点】
一种基于特征值度量谱聚类的极化SAR图像分割方法,包括如下步骤:(1)读入极化SAR图像G,得到极化SAR图像G的总样本集X和极化SAR图像G的极化相干矩阵集合T={Ti|i=1,...,M},其中M是极化SAR图像G包含的像素点数;(2)对第i个像素点的极化相干矩阵Ti进行特征值分解,得到第i个像素点的特征值集合i=1,...,M,其中,表示第i个像素点的第一个特征值,表示第i个像素点的第二个特征值,表示第i个像素点的第三个特征值;(3)求第i个像素点的8邻域第一个特征值对应的均值求第i个像素点的8邻域第二个特征值对应的均值求第i个像素点的8邻域第三个特征值对应的均值得到第i像素点的平均特征值集合i=1,...,M;(4)从极化SAR图像G的总样本集X中随机采样m个像素点构成样本子集Xm,由样本子集Xm的特征值集合构成特征样本集再由样本子集Xm的平均特征值集合构成平均特征样本集(5)对样本子集Xm中第j个像素点的特征值集合利用马氏距离构造相似度矩阵wj:wj=(xmj-xmp)T·C-1·(xmj-xmp),p=1,...,m,其中,表示样本子集Xm中第j个像素点的特征值集合,表示样本子集Xm中第p个像素点的特征值集合,C是特征样本集xm的协方差矩阵;(6)根据样本子集Xm中第j个像素点的相似度矩阵wj,构造样本子集Xm的相似度矩阵w:w=[w1,...,wj,...,wm];(7)对样本子集Xm中第j个像素点的平均特征值集合利用马氏距离来构造平均相似度矩阵wj‾=(xmj‾-xmp‾)T·C‾-1·(xmj‾-xmp‾),p=1,...,m,其中,表示样本子集Xm中第j个像素点的平均特征值集合,表示样本子集Xm中第p个像素点的平均特征值集合,是平均特征样本集的协方差矩阵;(8)根据样本子集Xm中第j个像素点的平均相似度矩阵构造样本子集Xm的平均相似度矩阵w‾=[w1‾,...,wj‾,...,wm‾];(9)对相似度矩阵w和平均相似度矩阵加权得到样本子集Xm的混合相似度矩阵w′:w′=w+α·w‾,其中,α表示权值;(10)对样本子集Xm的混合相似度矩阵w′,通过逼近求出总样本集X的相似度矩阵W,计算相似性矩阵W的拉普拉斯矩阵L,对拉普拉斯矩阵L进行特征值分解,得到拉普拉斯矩阵L的特征向量Y;(11)对特征向量Y的前k维进行K均值聚类,得到聚类标签C1,其中k是给定的类别数;(12)重复步骤(4)到(11)共5次,得到聚类标签集合Π={C1,C2,...,C5};对该聚类标签集合Π利用MCLA算法进行集成,得到最终标签Z,即为极化SAR图像G的分割结果。FDA0000371551220000011.jpg,FDA0000371551220000012.jpg,FDA0000371551220000013.jpg,FDA0000371551220000014.jpg,FDA0000371551220000015.jpg,FDA0000371551220000016.jpg,FDA0000371551220000017.jpg,FDA0000371551220000018.jpg,FDA0000371551220000019.jpg,FDA00003715512200000110.jpg,FDA00003715512200000111.jpg,FDA00003715512200000112.jpg,FDA00003715512200000113.jpg,FDA00003715512200000114.jpg,FDA00003715512200000116.jpg,FDA00003715512200000117.jpg,FDA00003715512200000118.jpg,FDA00003715512200000120.jpg,FDA0000371551220000021.jpg,FDA0000371551220000022.jpg,FDA0000371551220000023.jpg,FDA0000371551220000024.jpg,FDA0000371551220000025.jpg,FDA0000371551220000026.jpg,FDA0000371551220000028.jpg,FDA00003715512200000212.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员:缑水平焦李成杜芳芳马文萍马晶晶侯彪
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1