[发明专利]基于密度可达测度的半监督谱聚类SAR图像分割方法

权利要求书

1.一种基于密度可达测度的半监督谱聚类SAR图像分割方法，包括如下步骤：

(1)输入待分割SAR图像，图像中所有像素点构成数据集X，X＝{x₁，x₂，...，x_n}∈R^d，x_i表示数据集中的任意点，i∈[1，...，n]，n为数据个数，d表示数据维数；

(2)求取两点x_i与x_j之间的密度可达关系，如果两个点x_i与x_j之间能通过一系列直接密度可达点集相连，则称点x_i与x_j是密度可达的；

(3)通过数据点之间的密度可达关系，构造出基于密度可达区域半径的相似度矩阵A：

A=A(1,1)A(1,2)···A(1,n)A(2,1)A(2,2)···A(2,n)············A(n,1)A(n,2)···A(n,n)]]>

其中，A(i，j)表示矩阵A中的元素，i＝1，...，n，j＝1，...，n，n为数据点的个数，

式中R(x_i)表示点x_i的密度可达区域半径，max{R(x₁)，R(x₂)，…，R(x_n)}表示所有数据点密度可达区域半径的最大值，s为高斯核函数尺度参数，DDRN(x_i)表示点x_i的所有直接密度可达近邻点的集合；

(4)人工提取成对约束信息集合must-link与cannot-link，并用这些成对约束信息对相似度矩阵A加以修正，使A(i,j)=1andA(j,i)=1,if(xi,xj)∈must-linkA(i,j)=0andA(j,i)=0,if(xi,xj)∈cannot-link,]]>得到修正后的相似度矩阵A₁；其中must-link限制两个样本点必须属于同一类；cannot-link限制两个样本点不能属于同一类；

(5)用修正后的相似度矩阵A₁构造拉普拉斯矩阵L：L＝D^-1/2A₁D^1/2，其中D为对角矩阵，D中的元素记为D(i，i)，i＝1，...，n，n为数据个数；

(6)对拉普拉斯矩阵L进行特征值分解，并按照特征值的大小将对应特征向量从大到小排列，取前c个最大的特征值所对应的特征向量构成数据集Y，Y＝{y₁，y₂，...，y_c}∈Rⁿ，c为待分割图像中包含的类别数，n为数据个数；

(7)数据集Y中的数据点与输入待分割图像的像素点是一一对应的，使用K均值聚类方法，对数据集Y进行聚类，得到数据集Y中n个数据点的类别标记，每个像素点的类别标记，输出SAR图像的分割结果图。

2.根据权利要求1所述的基于密度可达测度的半监督谱聚类SAR图像分割方法，其中步骤(2)所述的求取两点x_i和x_j之间的密度可达关系，按如下步骤进行：

(2a)使用距离测度dist(xi,yj)=||xi,yj||1=Σi=1d|xi-xj|]]>计算数据集X中每个像素点x_i的k个近邻点集合N(x_i)；其中，||x_i，x_j||₁表示两个像素点x_i与x_j之间的l₁范数，d为数据的维数；

(2b)计算像素点x_i的近邻点集合N(x_i)中的所有点与x_i的距离的平均值ε，得到该点的密度可达区域半径R(x_i)，记为R(x_i)＝ε；

(2c)将属于密度可达区域半径R(x_i)范围内的近邻点，定义为像素点x_i的直接密度可达近邻，称这些近邻点与像素点x_i是直接密度可达的，将数据点x_i的所有直接密度可达近邻点的集合记为DDRN(x_i)；

(2d)如果两个像素点x_i与x_j之间可以通过一系列直接密度可达点集相连，则称像素点x_i与x_j是密度可达的。