融合边缘信息的模糊迭代SAR图像超像素分割方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116030252A(43)申请公布日2023.04.28(21)申请号202310018085.5(22)申请日2023.01.06(71)申请人陕西师范大学地址710062陕西省西安市长安南路199号(72)发明人刘明孙谦陈士超(74)专利代理机构西安恒泰知识产权代理事务所61216专利代理师王孝明(51)Int.Cl.G06V10/26(2022.01)G06V10/44(2022.01)G06V10/762(2022.01)G06V20/10(2022.01)权利要求书2页说明书6页附图13页(54)发明名称融合边缘信息的模糊迭代SAR图像超像素分割方法(57)摘要本发明提供了一种融合边缘信息的模糊迭代SAR图像超像素分割方法，该方法基于局部迭代聚类原则，利用SAR图像边缘检测算法获得图像中的边缘信息，优化初始化聚类中心步骤，更新距离度量方法，引入模糊理论构成模糊迭代聚类，最后通过融合边缘信息的后处理步骤，得到拥有良好边界保持性及像素同一性的超像素分割结果。相对于其他超像素分割方法，本发明主要面向复杂情况下SAR图像的目标检测任务，特别地，当SAR图像中的目标大小相差较大时，现有的超像素分割方法不能很好地保持小目标的边界，存在小目标并入超像素的问题，本发明通过引入边缘信息得到了理想的超像素分割结果。CN116030252ACN116030252A权利要求书1/2页1.一种融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，该方法包括以下步骤：步骤1，利用基于高斯伽马形双窗口的边缘检测器对SAR图像进行边缘检测，得到边缘增强图ESM及边缘图EM；步骤2，根据设定的超像素大小S，利用边缘增强图ESM及边缘图EM，初始化聚类中心；步骤3，在聚类中心的2S×2S邻域内，计算聚类中心与每个像素点之间的度量距离D(i,j)；步骤4，度量距离比较更新，每个像素点和周围的聚类中心均有度量距离，保留每个像素点与周围聚类中心较小的l个度量距离；步骤5，计算隶属度U和聚类中心C；步骤6，重复步骤3、步骤4和步骤5，直到达到设定的迭代次数；步骤7，选取像素隶属度最大的聚类中心类别作为像素的超像素类别，得到初始的超像素分割结果；步骤8，利用边缘图EM的边缘信息进行后处理步骤，然后得到最终的超像素分割结果。2.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤2中，所述的初始化聚类中心的方法如下：步骤201，根据超像素大小S，在SAR图像内，将聚类中心均匀分布在间隔S个像素的规则网格上；步骤202，在边缘图EM上查找轮廓，得到大概的目标轮廓信息；步骤203，根据目标轮廓信息，依次判断每次目标轮廓内是否含有聚类中心，若含有，则跳过，若未含有，则将目标轮廓在二维平面x轴及y轴上的最大和最小值平均后的坐标值处的像素点作为新的聚类中心；步骤204，为了避免聚类中心落在边缘或噪声像素上，根据边缘增强图ESM信息，将聚类中心移动到3×3邻域中的最小边缘强度位置。3.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中，计算聚类中心与每个像素点之间的度量距离D(i，j)的方法如下：度量距离D(i，j)的计算公式如下：式中：i为聚类中心；j为像素点；Dintensity(i，j)为聚类中心与像素点的强度度量距离；Dspatial(i，j)为聚类中心与像素点的空间距离；α为平衡因子，平衡强度度量距离与空间距离的权重；γaf为边缘信息系数。4.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中：2CN116030252A权利要求书2/2页式中：分别表示聚类中心i、像素点j与其8邻域的平均强度值；M为取平均强度值的像素个数，这里为9；Ln()为取对数运算。5.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中：式中：(xi，yi)为聚类中心i的坐标值；(xj，yj)为像素点j的坐标值。6.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤3中：γaf＝1+β·E(i，j)式中：β为放大因子；E(i，j)为边缘信息因子；为聚类中心i到像素点j的线性路径；k为线性路径上的像素点；为存在；为任意的；EM(k)为边缘图EM在k点的值。7.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法，其特征在于，步骤4中，所述的度量距离比较更新的方法如下：聚类中心的搜索范围为2S×2S，像素点会在多个聚类中心的搜索范围内，因此每个像素点会有多个度量距离，只保留像素点的l个度量距离，当像素点与周围聚类中心度量距离个数大于l时，新的度量距离