[发明专利]基于关键像素模糊聚类的快速SAR图像分割方法

说明书

本发明提出了一种基于关键像素模糊聚类的快速SAR图像分割方法，用于解决现有SAR图像分割方法运行时间长和分割准确率低的问题，其实现步骤是：1.输入待分割的SAR图像I与分割类别数c；2.对图像进行高斯滤波得到滤波后的图像X；3.根据局部最大像素规则将图像X分为关键像素集S和非关键像素集L；4.利用空间信息对关键像素模糊聚类；5.利用关键像素聚类结果确定非关键像素的类标；6.结合关键像素和非关键像素的类标，得到中间分割结果C；7.利用局部邻域信息平滑结果C获得最终分割结果。本发明提高了SAR图像分割结果的准确率，减少了分割所用时间，为后续的SAR图像理解与解译提供了基础。

技术领域

本发明属于图像处理技术领域，特别涉及一种SAR图像分割方法，可用于图像语义识别和图像搜索。

背景技术

合成孔径雷达SAR图像由于其不受天气及时间影响的成像过程，近些年来被广泛地应用于军事以及民用的各个领域。SAR图像分割是SAR图像理解和解译的一项前提与基础技术，因此精确且快速实现SAR图像分割面临着极大的需求。SAR图像分割是将一幅SAR图像划分为一定数目的，不重叠的，均匀的区域的过程，同一个区域中的像素拥有相似的特征，不同区域的像素拥有不同的特征。然而SAR图像中广泛存在的斑点噪声使得对SAR图像的精确分割面临着挑战，同时随着SAR图像尺寸的增大，快速得实现SAR图像分割显得尤为重要。

SAR图像分割是SAR图像处理技术中十分关键的一步，因此近些年来许多学者提出了很多高效的SAR图像分割方法，其中聚类方法是经常使用的一种。聚类方法的主要思路是寻找合适的聚类中心，再利用一定的相似度准则对图像进行分割。模糊C均值聚类是应用最广泛的聚类算法，该方法通过迭代更新一个模糊隶属度矩阵以及聚类中心来实现目标函数的最小化，再利用模糊隶属度矩阵对图像中的每一个像素进行划分。传统的模糊聚类方法只对单个像素点进行处理，对于富含斑点噪声的SAR图像来说，其分割过程受到十分严重的噪声影响，使得最终的分割结果精确率很低。

随着现代社会对SAR图像分割要求的提高，传统的各种分割算法存在结果准确率低，对噪声的鲁棒性差，运行时间慢的缺点，这使得传统的方法所得到的分割结果已不能满足要求，研究人员针对这些缺陷做出了一些改进，例如对传统的模糊聚类进行的改进：公茂果等人在IEEE Transactions On Image Process,22(2014)573-584上发表了论文“FuzzyC-means clustering with local information and kernel metric for imagesegmentation”，该论文在原始的模糊C均值聚类的目标函数中加入邻域项，引入了局部空间距离和灰度差异信息，使得分割过程对噪声的鲁棒性提高，同时在相似性度量过程中加入了核方法，使得分割过程能进一步抑制斑点噪声的影响。然而对于受到严重斑点噪声影响的图像，该方法仍然会受到噪声的影响，产生了较低的分割准确率。同时，现存的用于图像分割的聚类方法都是对图像中的每一个像素点进行处理，这使得聚类方法的迭代过程十分缓慢，这种现象在大尺寸的图像分割过程中更加严重。因此，传统的方法很难实现对SAR图像快速且准确的分割。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出一种基于关键像素模糊聚类的快速SAR图像分割方法，减小分割SAR图像所用的时间，抑制斑点噪声对分割过程的影响，提高分割的准确率。

为实现上述目的，本发明的技术方案包括如下：

(1)输入一幅待分割的SAR图像I以及分割的类别数c；

(2)对待分割的SAR图像I进行高斯滤波，得到滤波后的图像X；

(3)在滤波后的图像X上，根据局部最大像素规则将图像X中的所有像素划分为关键像素集S和非关键像素集L；

(4)对关键像素集S中的关键像素进行模糊聚类，获得关键像素集S的模糊隶属度矩阵U和聚类中心矩阵V；