买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提出了一种基于纹理特征和SLIC的SAR图像分割方法，解决了SAR噪声和复杂纹理导致的分割精度低的技术问题。实现步骤为：将SAR图像分为K个超像素块；获得更新后的聚类中心C'i；获得SAR图像的边缘图像；获得搜索区域；计算搜索区域的纹理特征；基于SLIC算法对SAR图像进行分割。本发明对序列三值化，降低噪声影响和计算量；通过三值化序列Hk的平均频谱AMP的收敛性获得搜索区域Ω，计算区域Ω的纹理特征；通过SLIC算法获得SAR图像的分割结果，用于SAR图像分割。

主权项：1.一种基于纹理特征和SLIC的SAR图像分割方法，其特征在于，包括如下步骤：1将SAR图像I分为K个超像素块：输入待分割的SAR图像I，设所输入的SAR图像I的像素值大小为L×W,则SAR图像I中一共有N个像素，其中，N＝L×W，SAR图像I的像素矩阵为其中，Ixl,yu表示SAR图像I中第l行第u列的像素，随机分配K个原始聚类中心Ci＝[li,ai,bi,xi,yi]T，其中，i为聚类中心的序号，i＝1,……,K，l为Lab颜色空间的亮度分量，a,b为Lab颜色空间的颜色对立维度，将SAR图像I划分成K个超像素块，每个超像素块的边长为2更新聚类中心Ci，获得更新后的聚类中心C'i：在原始聚类中心的3*3邻域内，将梯度值Gix,y最小的像素设为更新后的聚类中心C'i，其中，i表示第i个聚类中心，i＝1,……,K；3计算每一个更新后的聚类中心C'i的边缘算子：在以第一个更新后的聚类中心C'1为中心像素的2S+1×2S+1邻域内，将邻域分为四个部分，从左到右从上到下依次表示为和，四个部分水平加权求和，得到更新后的聚类中心C'1的水平方向的边缘算子四个部分垂直加权求和，得到聚类中心C'1的垂直方向的边缘算子同理，计算得到其他的更新后的聚类中心C'i水平方向的边缘算子和垂直方向的边缘算子4获得SAR图像I的边缘图像EI：将第一个更新后的聚类中心C'1的水平方向的边缘算子和垂直方向的边缘算子分别与高斯卷积核G结合，得到水平方向的边界系数和垂直方向的边界系数则第一个更新后的聚类中心C'1的边界系数为同理，计算得到其他的更新后的聚类中心C'i的边界系数为所有的更新后的聚类中心的边界系数构成SAR图像I的边缘图像EI；5计算每一个更新后的聚类中心C'i的不同步长的序列以SAR图像I上的第一个更新后的聚类中心C'1为起点，记为点x1,y1，点x1,y1处的序列为沿着y方向，以N100为步长，得到第二个点为x1,y1+N100，点x1,y1+N100处的序列为以2×N100为步长，得到第三个点为x1,y1+2×N100，点x1,y1+2×N100处的序列为依次类推，以n-1×N100为步长，得到第n个点为x1,y1+n-1×N100，点x1,y1+n-1×N100的序列为表示为n表示以更新后的聚类中心为起点，第n个步长为n-1×N100的点的序列，n＝1,2,3,…；同理，计算得到所有的聚类中心C'i的不同步长的序列其中，k＝1,2,……,K，表示第k个更新后的聚类中心的序列，K表示聚类中心的个数；6将每一个序列三值化，获得三值化序列Hk的频谱：将第一个序列三值化，得到三值化序列为利用快速傅里叶变换FFT计算三值化序列H1的频谱，获得三值化序列H1的频谱FH1；同理，将其他的序列三值化，得到三值化序列获得三值化序列Hk的频谱FHk；7计算三值化序列Hk的平均频谱AMP，获得搜索区域Ω：得到三值化序列Hk的频谱FHk后，计算频谱FHk的平均频谱AMP，如果AMP在点处收敛，则搜索区域的最远点为点如果AMP是不收敛的，则搜索区域的最远点为图像梯度极值点，得到以最远点为半径的搜索区域Ω；8计算搜索区域Ω的纹理特征FT：得到搜索区域Ω后，计算区域Ω的纹理特征FT，其中，为区域Ω的平均强度，α4表示峰度，α4＝μ4σ4，μ4表示区域Ω均值的四阶矩，σ4是区域Ω的方差；9基于SLIC算法对SAR图像I进行分割：将SLIC算法与纹理特征相融合，对SAR图像I进行分割；9a将边界系数e最小的像素设置为边界系数聚类中心在以第一个更新后的聚类中心C'1为中心像素的3×3邻域内，将边界系数e最小的像素设置为边界系数聚类中心边界系数聚类中心的坐标为x'1,y'1，边界系数聚类中心的灰度值为g1，边界系数聚类中心的纹理特征为FT1；同理，在以其他的更新后的聚类中心C'i为中心像素的3×3邻域内，将边界系数e最小的像素设置为边界系数聚类中心边界系数聚类中心的坐标为x'i,y'i，边界系数聚类中心的灰度值为gi，边界系数聚类中心的纹理特征为FTi；9b计算SAR图像I上像素与边界系数聚类中心之间的距离D，获得分割图像I'：计算SAR图像I上像素与边界系数聚类中心之间的距离D，将像素分配给距离最近的边界系数聚类中心，其中，D＝α·dw+dg+dt，dg表示SAR图像I上像素与聚类中心之间的灰度值距离，dt表示SAR图像I上像素与聚类中心之间的纹理距离，dw表示SAR图像I上像素与聚类中心之间的空间距离，α是决定超像素质量的影响系数，边缘的像素与不位于边缘的像素应该选取不同的α，其中，el,u是像素点xl,yu的边界系数，maxEI是边缘图像EI中的最大值，q＝91％，最终得到SAR图像I的分割图像I'。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于纹理特征和SLIC的SAR图像分割方法