[發明專利]基于Memetic核聚類的SAR圖像變化檢測方法無效
| 申請號: | 201110318292.X | 申請日: | 2011-10-19 |
| 公開(公告)號: | CN102509288A | 公開(公告)日: | 2012-06-20 |
| 發明(設計)人: | 李陽陽;吳波;焦李成;緱水平;劉若辰;馬文萍;尚榮華;于昕 | 申請(專利權)人: | 西安電子科技大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06N3/12 |
| 代理公司: | 陜西電子工業專利中心 61205 | 代理人: | 王品華;朱紅星 |
| 地址: | 710071*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 memetic 核聚類 sar 圖像 變化 檢測 方法 | ||
1.一種基于Memetic核聚類的SAR圖像變化檢測方法,包括如下步驟:
(1)輸入兩個不同時間的SAR圖像I1和I2,并通過中值濾波器對這兩幅圖像進行濾波;
(2)計算濾波后的兩幅SAR圖像I1和I2的對數比差異影像I3,并將得到的I3的灰度值作為聚類數據集;
(3)設置種群規模,最大迭代次數N,類別數k,初始化聚類中心;
(4)利用核聚類算法進行聚類,并計算聚類數據集的適應度函數值fk,根據適應度函數值選擇并保留最優個體Q0(t);
(5)對最優個體Q0(t)進行克隆和雙變異操作,產生新的個體Qm(t);
(6)對新的個體Qm(t)采用Memetic局部學習算子進行搜索,選擇出最優個體LQm(t);
(7)對最優個體LQm(t)進行克隆和交叉操作,產生新的個體Qc(t);
(8)對新的個體Qc(t)采用Memetic局部學習算子進行搜索,選擇出最優個體LQc(t);
(9)對最優個體LQc(t)進行精英選擇操作,得到子代個體Q(t+1),并保留當前最優個體Q(t+1)進入下一代種群中;
(10)計算當前迭代次數n:比較上一代適應度函數值fk(t)與當前個體的適應度函數值fk(t+1)大小,當|fk(t)-fk(t+1)|≤10e-5,n=n+1,否則n保持不變;
(11)判斷停機條件:若當前的迭代次數n大于最大迭代次數N時,停止并輸出最優聚類結果Q(t+1);否則返回步驟(5),循環執行步驟(5)~(10),直到滿足停機條件為止,并輸出聚類結果Q(t+1)。
2.根據權利要求1所述的基于Memetic核聚類的SAR圖像檢測方法,其中步(2)所述的計算濾波后的兩幅SAR圖像I1和I2的對數比差異影像I3,按如下步驟進行:
(2a)計算變化檢測兩時相SAR圖像的對數比差異影像ID:
ID=|log(I2+1)-log(I1+1)|;
(2b)對差異影像進行歸一化處理,得到對數比差異影像圖I3:
I3=255*(ID-Imin)/(Imax-Imin)
其中Imax=max(ID)表示Imax中最大灰度值,Imin=min(ID)表示Imin最小灰度值。
3.根據權利要求1所述的基于Memetic核聚類的SAR圖像檢測方法,其中步驟(4)所述利用核聚類算法進行聚類,利用以下公式進行:
其中F(m1,m2,...,mk)是在核空間的樣本點到聚類中心的距離函數,i=1,2,...M是核空間的樣本點,M是樣本總個數,mj,j=1,2,...k是核空間的聚類中心,k是類別數目,I(xi∈Cj)是樣本點xi屬于類Cj的權值,若樣本點xi,i=1,2,...M屬于類Cj,j=1,2,...k則I(xi∈Cj)=0,否則I(xi∈Cj)=1。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學,未經西安電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201110318292.X/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種集成式深水水聲換能器基陣
- 下一篇:基于光照自動評估的目標識別方法





