[发明专利]一种基于投影谱聚类算法的去除SAR图像斑点的方法

摘要

本发明公开了一种基于投影谱聚类的去除SAR图像斑点的方法，其包括以下步骤：首先将图像分解为图像子块，再通过计算图像子块向量之间的相似度构造相似矩阵，并利用度矩阵标准化相似矩阵，再使用随机生成的高斯随机变量右乘标准化相似矩阵得到低秩矩阵；对低秩矩阵进行幂运算，扩大特征值之间的差异，再使用奇异值分解和QR分解计算低秩矩阵的左奇异值向量，最后使用k‑means算法聚类左奇异值向量的行，得到标签图像后还原图片。经过图像子块的聚类过程，标识了不同的图像子块类别，与图像子块对应的原图像区域中所有的像素灰度亦有了统一的数值，从而消除了图像子块内像素灰度值不一致的现象。

主权项

一种基于投影谱聚类算法的去除SAR图像斑点的方法，其特征是：包括以下步骤：S1:图像分解环节：s101.按照设定的大小s×t将图像以不重叠的正方形或者长方形进行分块，得到图像子块；并设定图像子块聚类数，建立数字标签对应像素类别对照表；s102.不改变图像子块的位置，依次将每个图像子块的像素值按列叠加，形成向量集，按列构成矩阵；其中，由列构成的矩阵为r＝st；分别标准化各列：假设则令j＝1,…,k，k为图像子块数量，得到B＝(B1,B2,…,Bk)＝(bij)r×k；S2.去除斑点环节：s201.通过S1环节中的B的列构成的向量集计算图像子块向量之间的相似度，构造相似矩阵，矩阵的对角线为0；s202.累加相似矩阵的每行，然后依次把结果存放在一个零矩阵的对角线上，得到度矩阵；s203.用度矩阵的平方根的逆分别同时左乘和右乘相似矩阵，得到标准化的相似矩阵；s204.使用随机生成的高斯随机变量右乘标准化相似矩阵得到低秩矩阵；s205.对低秩矩阵进行幂运算，扩大特征值之间的差异：Y＝(SST)WS∈Rk×m，m＜＜k，其中，W为标准化相似矩阵；p表示投影后矩阵特征值的绝对值衰减的速度，p值越大衰减越快；ST为S的转置；S为随机变量矩阵；m高斯随机矩阵的个数；s206.使用奇异值分解和QR分解计算低秩矩阵的左奇异值向量：其中，QR分解为：Y＝QR，Q∈Rk×m，R∈Rm×m；B＝QTW∈Rm×k；其中，奇异值分解为：B＝U1ΣVT，U1∈Rm×m；使用奇异值分解后，得到s101环节中的子块图像中与平坦地区区别的主体结构，从而识别目标区域；其中，U1为左奇异向量；V为右奇异向量，VT为V的转置；s207.使用k‑means算法聚类左奇异值向量的行，令U＝QU1∈Rk×m，得到标签矩阵L；所述的L共有k0个类，1≤k0；S3.还原图片环节：S301.对L中的每个数字标签按s101环节图像子块的分块大小进行放大，得到与原图像大小一致的标签图像，将标签图像中的数字标签对应像素类别，得到分割后去除斑点的图像。