[發(fā)明專利]基于SAR-KAZE特征提取的SAR圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810032466.8
• 申請(qǐng)日: 2018-01-12
• 公開(kāi)（公告）號(hào): CN108109153B
• 公開(kāi)（公告）日: 2019-10-11
• 發(fā)明（設(shè)計(jì)）人: 侯彪;焦李成;劉勝男;馬晶晶;馬文萍;王爽;白靜
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.基于SAR-KAZE特征提取的SAR圖像分割方法，包括：

1)輸入一副大小為D*N的原始SAR圖像，得到原始的SAR圖像灰度矩陣，對(duì)灰度矩陣進(jìn)行雙精度轉(zhuǎn)換，得到雙精度矩陣I；

2)對(duì)雙精度矩陣I進(jìn)行鏡像擴(kuò)展，得到大小為(D+p-1)*(N+p-1)的擴(kuò)展圖像M，其中p為擴(kuò)展值，取值為奇數(shù)；

3)令雙精度矩陣I中的任意點(diǎn)(i，j)對(duì)應(yīng)于擴(kuò)展圖像M中的相應(yīng)點(diǎn)在擴(kuò)展圖像M中以該點(diǎn)為中心對(duì)其鄰域取大小為p*p的圖像塊，得到關(guān)于雙精度矩陣I中點(diǎn)(i，j)的圖像塊，對(duì)雙精度矩陣I中的每個(gè)點(diǎn)取圖像塊，得到雙精度矩陣I的D*N個(gè)大小為p*p的圖像塊，其中1≤i≤D，1≤j≤N；

4)對(duì)得到的雙精度矩陣I的圖像塊進(jìn)行SAR圖像的KAZE特征提取，得到雙精度矩陣I的SAR-KAZE特征矩陣X：

4a)從D*N個(gè)圖像塊中取一個(gè)圖像塊K，通過(guò)加性分裂算法AOS和可變傳導(dǎo)擴(kuò)散算法構(gòu)造該圖像塊K的非線性尺度空間，得到4幅與圖像塊K相同尺寸的尺度變換圖像塊K₁，K₂，K₃，K₄，其中1≤K≤(D*N)；

4b)在第一幅圖像塊K₁上選取大小為9*9的矩形區(qū)域，使用SAR-KAZE特征描述算子描述該矩形區(qū)域的特征，得到該矩形區(qū)域的10維SAR-KAZE特征向量j表示矩形區(qū)域在圖像塊中的不同位置，其中1≤j≤4；

4c)令雙精度矩陣I的圖像塊大小p＝13，將13*13的圖像塊K₁分成2*2個(gè)9*9的矩形區(qū)域，其中每?jī)蓚€(gè)相鄰矩形區(qū)域有5個(gè)像素的重疊，得到第一幅圖像塊K₁的4*10＝40維的SAR-KAZE特征向量

4d)對(duì)第二副圖像塊K₂、第三副圖像塊K₃和第四副圖像塊K₄分別執(zhí)行上述步驟4b)～4c)，得到這3幅圖像塊K₂，K₃，K₄各自的40維SAR-KAZE特征向量

4e)利用4c)和4d)的結(jié)果，得到關(guān)于圖像塊K的一個(gè)4*40＝160維的SAR-KAZE特征向量：

4f)對(duì)雙精度矩陣I的每一個(gè)圖像塊分別執(zhí)行上述步驟4a)～4e)，完成對(duì)雙精度矩陣I所有圖像塊的SAR-KAZE特征向量提取，得到雙精度矩陣I的SAR-KAZE特征矩陣：其中T是轉(zhuǎn)置；

5)對(duì)4)中得到雙精度矩陣I的SAR-KAZE特征矩陣X，使用改進(jìn)的稀疏子空間聚類進(jìn)行聚類，得到雙精度矩陣I的聚類結(jié)果G，并將聚類結(jié)果G由向量變換為矩陣Q，即為雙精度矩陣I的分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其中步驟1)中對(duì)灰度矩陣進(jìn)行雙精度轉(zhuǎn)換，利用MTLAB中的double函數(shù)將灰度矩陣中的整型像素值轉(zhuǎn)換為雙精度像素值。

3.根據(jù)權(quán)利要求1所述的方法，其中步驟4a)中通過(guò)加性分裂算法AOS和可變傳導(dǎo)擴(kuò)散算法構(gòu)造該圖像塊K的非線性尺度空間，其實(shí)現(xiàn)如下:

4a1)根據(jù)非線性擴(kuò)散濾波原理構(gòu)建可變傳導(dǎo)非線性擴(kuò)散方程:

其中是圖像塊K高斯濾波后的圖像的梯度，x是圖像的水平方向，y是圖像的垂直方向，t為進(jìn)化時(shí)間，函數(shù)其中參數(shù)k表示控制擴(kuò)散的對(duì)比因子；

4a2)使用加性分裂AOS算法求解非線性擴(kuò)散方程，得到第i次濾波后的圖像：

其中，l表示圖像塊K的不同維度，τ是步長(zhǎng)，Lⁱ是第i次濾波后的圖像；A_l是圖像塊Lⁱ在各維度l上的傳導(dǎo)性矩陣，其通過(guò)托馬斯Thomas算法求解；i表示尺度空間的第i層，Lⁱ⁺¹是第i次濾波后的圖像，其初始圖像L¹即為圖像塊K；

4a3)令尺度空間的層數(shù)為4，四副濾波后的圖像構(gòu)成圖像塊K的4層非線性尺度空間。