[發明專利]基于SAR-KAZE特征提取的SAR圖像分割方法

有效

• 申請號: 201810032466.8
• 申請日: 2018-01-12
• 公開（公告）號: CN108109153B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 侯彪;焦李成;劉勝男;馬晶晶;馬文萍;王爽;白靜
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

本發明公開了一種基于SAR?KAZE特征提取的SAR圖像分割方法，主要解決了現有技術對SAR圖像分割精度和效率低的問題。其分割過程為：1)輸入一副原始待分割SAR圖像并對其進行雙精度轉換；2)對雙精度矩陣進行鏡像擴展和分塊，得到雙精度矩陣的圖像塊；4)對圖像塊進行SAR圖像的KAZE特征提取，得到雙精度矩陣的SAR?KAZE特征矩陣X；5)采用改進的稀疏子空間聚類對SAR?KAZE特征矩陣X進行聚類，得到雙精度矩陣的聚類結果。本發明提取的SAR?KAZE特征保留了更多的圖像邊緣和細節信息，提高了分割精度，采用改進的稀疏子空間聚類對圖像聚類，降低了分割復雜度，可用于雷達成像中地物目標的分類。

技術領域

本發明涉及圖像處理領域，尤其涉及一種SAR圖像分割方法，可用于雷達成像中地物目標的分類。

背景技術

合成孔徑雷達是一種主動式的對地觀測系統，可安裝在飛機、衛星、宇宙飛船等飛行平臺上，全天時、全天候對地實施觀測，并具有一定的地表穿透能力。SAR圖像是一種高分辨圖像，在災害監測、環境監測、海洋監測、資源勘查、農作物估產、測繪和軍事等方面的應用上具有獨特的優勢，可發揮其他遙感圖像難以發揮的作用。

圖像特征提取與匹配一直是圖像處理領域的研究熱點之一，在視覺導航、遙感圖像處理、目標定位、圖像檢索、目標識別與跟蹤、立體視覺測距和三維重建等領域得到了廣泛的應用。特征提取是圖像分割的基礎，圖像的特征提取效果決定了圖像的分割效果。如何從原始SAR圖像中提取出穩定性好、獨特性高、實時性強的圖像特征以進一步得到分類錯誤率低的圖像分割算法已成為圖像處理領域的一個研究熱點。

2004年，Lowe提出了高效的尺度不變特征變換SIFT算法，通過建立高斯差分尺度空間金字塔來提取特征，該算法不僅具有尺度不變性還具有一定的仿射不變性、視角不變性和光照不變性，在圖像特征提取方面得到了廣泛的應用。但是SIFT算法的復雜度高且耗時長，不能滿足實時性的要求。2006年，Bay和Ess等人提出了基于SIFT算法的加速魯棒特征SURF算法，并加以完善。SURF算法不僅具備了良好的魯棒性，而且計算速度比SIFT算法提高了三倍左右，但是性能卻不如SIFT算法。SIFT算法和SURF算法都是在線性的高斯金字塔上進行特征點檢測，形同尺度下每個點的變換是一樣的，由于高斯函數是低通濾波函數，這種線性高斯分解會平滑圖像邊緣，造成精度損失，在生成高斯金字塔時容易造成細節丟失和邊緣模糊。2012年，Alcantarilla等人提出了KAZE算法，該算法通過加性分裂算法AOS和可變傳導函數構造穩定的非線性尺度空間，該非線性尺度空間保證了圖像的平滑在區域內而不是區域間，使圖像邊緣在尺度變化中信息損失量非常少，從而極大保持了圖像細節信息。

西安電子科技大學在其申請的專利“基于SAR-SIFT和DBN的SAR圖像分類方法”(專利申請號：CN201610206107.0，公開號：CN105894035A)中公開了一種基于SAR-SIFT和DBN的SAR圖像分類方法。該方法提取了SAR圖像的SAR-SIFT特征，采用深度置信網DBN，逐層的學習特征，保留了雷達圖像的信息完整性，挖掘了深度信息，具有較好的分類效果。但是，該方法仍然存在的不足之處是，該方法采用的是使用SAR圖像的SIFT特征，SIFT算法建立線性尺度空間丟失了圖像中的部分邊緣和細節；該方法對三層RBM需要進行訓練，復雜度較高。

發明內容

本發明的目的在于針對上述現有技術的不足，提出一種基于SAR-KAZE特征提取的SAR圖像分割方法，以保留圖像中的邊緣和細節，降低分割復雜度。

本發明的技術方案是：使用SAR-KAZE特征提取方法對將要進行分割的SAR圖像進行特征提取，得到圖像的特征矩陣；對得到的特征矩陣使用改進的稀疏子空間聚類算法得到圖像的聚類結果，再由聚類結果得到圖像的分割結果。其實現步驟包括如下：

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，對灰度矩陣進行雙精度轉換，得到雙精度矩陣I；