[發明專利]基于字典學習和稀疏表示的SAR圖像分割方法

無效

• 申請號: 201110057719.5
• 申請日: 2011-03-10
• 公開（公告）號: CN102129573A
• 公開（公告）日: 2011-07-20
• 發明（設計）人: 緱水平;焦李成;莊廣安;莊雄;王爽;張向榮;劉若辰;楊靜瑜
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于字典學習和稀疏表示的SAR圖像分割方法，包括以下步驟：

(1)輸入待分割SAR圖像，確定需要將圖像劃分的類數k；

(2)以待分割SAR圖像中每個像素點為中心提取p×p的窗口樣本，得到規模為m的測試樣本集F，從提取的所有測試樣本中隨機選擇n個作為訓練樣本集Y，其中n＜＜m；

(3)提取訓練樣本集Y中的訓練樣本的小波特征，得到規模為n的小波特征數據集Y′，該小波特征數據集Y′中的樣本與訓練樣本集Y中的樣本一一對應；

(4)用譜聚類算法對小波特征數據集Y′進行聚類，得到小波特征數據集Y′的類別劃分，同時得到訓練樣本集Y的類別劃分Y_i，i＝1，2，3，...k；

(5)將劃分后的每一類訓練樣本Y_i，i＝1，2，3，...k，利用K-SVD算法分別訓練，得到相應的字典D_i，i＝1，2，3，...，k；

(6)利用正交匹配追蹤OMP算法求解測試樣本S在D_i上稀疏表示向量，得到稀疏向量αⁱ，i＝1，2，3，...，k，S∈F；

(7)令表示測試樣本S在D_i上的重構誤差函數，對該誤差函數進行高斯函數平滑，得到誤差函數

(8)根據新的誤差函數求解測試樣本S的標簽得到每個測試樣本的類別標簽l(S)∈{1，2，3，...，k}，即得到圖像分割結果。

2.根據權利要求1所述的字典學習和稀疏表示的SAR圖像分割方法，其中步驟(3)所述的提取訓練樣本集Y中的訓練樣本的小波特征，按如下步驟進行：

(3a)取訓練樣本集Y中的訓練樣本T；

(3b)對訓練樣本T進行三層小波分解；

(3c)計算小波分解后的訓練樣本T的小波特征e：

e=1w×wΣi=1wΣj=1w|coef(i,j)|;]]>

其中，w×w為提取的訓練樣本T對應窗口的大小，coef(i，j)為訓練樣本T經小波分解后得到的小波子帶中第i行第j列的系數值；

(3d)重復步驟(3a)-(3c)，計算下一訓練樣本的小波特征，直到計算完成訓練樣本集Y中所有樣本的小波特征，得到小波特征數據集Y′。