基于SAR-KAZE特征提取的SAR图像分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108109153A(43)申请公布日2018.06.01(21)申请号201810032466.8(22)申请日2018.01.12(71)申请人西安电子科技大学地址710071陕西省西安市雁塔区太白南路2号(72)发明人侯彪焦李成刘胜男马晶晶马文萍王爽白静(74)专利代理机构陕西电子工业专利中心61205代理人王品华朱红星(51)Int.Cl.G06T7/11(2017.01)G06K9/62(2006.01)权利要求书2页说明书6页附图1页(54)发明名称基于SAR-KAZE特征提取的SAR图像分割方法(57)摘要本发明公开了一种基于SAR-KAZE特征提取的SAR图像分割方法，主要解决了现有技术对SAR图像分割精度和效率低的问题。其分割过程为：1)输入一副原始待分割SAR图像并对其进行双精度转换；2)对双精度矩阵进行镜像扩展和分块，得到双精度矩阵的图像块；4)对图像块进行SAR图像的KAZE特征提取，得到双精度矩阵的SAR-KAZE特征矩阵X；5)采用改进的稀疏子空间聚类对SAR-KAZE特征矩阵X进行聚类，得到双精度矩阵的聚类结果。本发明提取的SAR-KAZE特征保留了更多的图像边缘和细节信息，提高了分割精度，采用改进的稀疏子空间聚类对图像聚类，降低了分割复杂度，可用于雷达成像中地物目标的分类。CN108109153ACN108109153A权利要求书1/2页1.基于SAR-KAZE特征提取的SAR图像分割方法，包括：1)输入一副大小为D*N的原始SAR图像，得到原始的SAR图像灰度矩阵，对灰度矩阵进行双精度转换，得到双精度矩阵I；2)对双精度矩阵I进行镜像扩展，得到大小为(D+p-1)*(N+p-1)的扩展图像M，其中p为扩展值，取值为奇数；3)令双精度矩阵I中的任意点(i,j)对应于扩展图像M中的相应点在扩展图像M中以该点为中心对其邻域取大小为p*p的图像块，得到关于双精度矩阵I中点(i,j)的图像块，对双精度矩阵I中的每个点取图像块，得到双精度矩阵I的D*N个大小为p*p的图像块,其中1≤i≤D,1≤j≤N；4)对得到的双精度矩阵I的图像块进行SAR图像的KAZE特征提取，得到双精度矩阵I的SAR-KAZE特征矩阵X：4a)从D*N个图像块中取一个图像块K，通过加性分裂算法AOS和可变传导扩散算法构造该图像块K的非线性尺度空间，得到4幅与图像块K相同尺寸的尺度变换图像块K1,K2,K3,K4，其中1≤K≤(D*N)；4b)在第一幅图像块K1上选取大小为9*9的矩形区域，使用SAR-KAZE特征描述算子描述该矩形区域的特征，得到该矩形区域的10维SAR-KAZE特征向量j表示矩形区域在图像块中的不同位置，其中1≤j≤4；4c)令双精度矩阵I的图像块大小p＝13，将13*13的图像块K1分成2*2个9*9的矩形区域，其中每两个相邻矩形区域有5个像素的重叠，得到第一幅图像块K1的4*10＝40维的SAR-KAZE特征向量4d)对第二副图像块K2、第三副图像块K3和第四副图像块K4分别执行上述步骤4b)～4c)，得到这3幅图像块K2,K3,K4各自的40维SAR-KAZE特征向量4e)利用4c)和4d)的结果，得到关于图像块K的一个4*40＝160维的SAR-KAZE特征向量：4f)对双精度矩阵I的每一个图像块分别执行上述步骤4a)～4e)，完成对双精度矩阵I所有图像块的SAR-KAZE特征向量提取，得到双精度矩阵I的SAR-KAZE特征矩阵：其中T是转置；5)对4)中得到双精度矩阵I的SAR-KAZE特征矩阵X，使用改进的稀疏子空间聚类进行聚类，得到双精度矩阵I的聚类结果G,并将聚类结果G由向量变换为矩阵Q，即为双精度矩阵I的分割结果。2.根据权利要求1所述的方法，其中步骤1)中对灰度矩阵进行双精度转换，利用MTLAB中的double函数将灰度矩阵中的整型像素值转换为双精度像素值。3.根据权利要求1所述的方法，其中步骤4a)中通过加性分裂算法AOS和可变传导扩散算法构造该图像块K的非线性尺度空间，其实现如下:4a1)根据非线性扩散滤波原理构建可变传导非线性扩散方程:其中是图像块K高斯滤波后的图像的梯度，x是图像的水平方向，y是图像的垂直方2CN108109153A权利要求书2/2页向，t为进化时间，函数其中参数k表示控制扩散的对比因子；4a2)使用加性分裂AOS算法求解非线性扩散方程，得到第i次滤波后的图像：ii其中，l表示图像块K的不同维度，τ是步长，L是第i次滤波后的图像；Al是图像块L在各维度l上的传导性矩阵，其通过托马斯Thomas算法求解；i表示尺度空间的第i层，Li+1是第i次滤波后的图像，其初始图像L1即为图像块K；4a3)令