[发明专利]基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法

权利要求书

1.一种基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法，其特征在于，主要包括三个步骤：色彩量化与特征提取；多尺度谱聚类分割；基于投票机制的决策融合；

色彩量化与特征提取

采用JSEG算法中的色彩量化方法对图像进行灰度级压缩；首先将图像的颜色空间转换为LUV颜色空间，利用对等组滤波对影像进行平滑去噪，最后采用K-means algorithm方法获得量化影像，即“类图”；进而，基于“类图”计算反应图像局域同质性特征J-image影像序列；

多尺度谱聚类分割

谱聚类算法首先利用数据点间的相似性构造相似矩阵，进而计算该矩阵的特征值与特征向量，最后对特征向量进行聚类实现图像的分割；

采用最小切割准则构造拉布拉斯矩阵，并采用K-means方法聚类获得单一尺度的分割结果；

基于投票机制的决策融合

基于多尺度下的分割结果，定义基于投票机制的决策级融合策略：

1)将多个尺度的分割结果进行比较，将检测结果一致的像素归为一类，可以将原始影像中的所有像素分成三类：溢油区域和非溢油区域，剩余像素为疑似溢油区域，需要进一步进行判别；

2)对疑似溢油区域的所有像素，根据不同尺度的检测结果进行投票，得票数多的被认为是正确的分类结果；

3)当某一像素得票数相同时，采用最小尺度的分类结果。

2.如权利要求1所述的基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法，其特征在于，其中J-value定义如下：

令量化影像中每一个像素的位置Z(x,y)为像素z的像素值，Z(x,y)∈Z；Z为以像素z为中心的特定尺寸窗口内所有像素组成的集合；利用不同尺寸的窗口可以获得不同尺度的J-image影像；

定义S_T为Z中所有像素的总体方差，S_W为属于同一类的所有像素方差的和，则J-value为：

J=(S_T-S_W)/S_W     （1）

用同一窗口尺寸计算像素z对应的J-value并作为z的像素值，遍历量化影像，可获得单一尺度的J-image。进而通过改变窗口尺寸，可获得多尺度的J-image影像序列。

3.如权利要求2所述的基于JSEG和谱聚类的多尺度海面溢油SAR图像分割方法，其特征在于，

计算相似性矩阵W的公式如下所示，其中，x_i，x_j为数据样本点，σ为核参数：

W_ij＝exp(-||x_i-x_j||²/2σ²)      （2）。