[發(fā)明專利]基于費(fèi)雪向量的自適應(yīng)合成孔徑雷達(dá)圖像超像素分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010380485.7
• 申請(qǐng)日: 2020-05-08
• 公開(kāi)（公告）號(hào): CN111583266B
• 公開(kāi)（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 李剛;王學(xué)謙;劉瑜
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué);中國(guó)人民解放軍海軍航空大學(xué)
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 石茵汀

1.一種基于費(fèi)雪向量的自適應(yīng)合成孔徑雷達(dá)圖像超像素分割方法，其特征在于，包括以下步驟：

輸入：輸入合成孔徑雷達(dá)圖像，對(duì)所述合成孔徑雷達(dá)圖像進(jìn)行設(shè)定；

初始化：計(jì)算所述合成孔徑雷達(dá)圖像的混合高斯模型中的權(quán)重、均值和標(biāo)準(zhǔn)差，根據(jù)所述權(quán)重、均值和標(biāo)準(zhǔn)差計(jì)算每個(gè)像素費(fèi)雪向量的零階信息、一階信息和二階信息，設(shè)定超像素個(gè)數(shù)和超像素中心，設(shè)定特征的維度，初始化不同特征的權(quán)重值，初始化距離度量，其中，所述權(quán)重、均值和標(biāo)準(zhǔn)差計(jì)算每個(gè)像素費(fèi)雪向量的零階信息、一階信息和二階信息，包括：

利用所述權(quán)重ω_m,均值μ_m,標(biāo)準(zhǔn)差σ_m計(jì)算每個(gè)像素費(fèi)雪向量的零階信息一階信息和二階信息

其中，和分別表示第i個(gè)像素的費(fèi)雪向量中的零階、一階和二階信息；分別表示的第m個(gè)元素；i表示像素的索引，i＝1,2,…,I，I表示圖像中像素的總數(shù)量，β_m和φ_i,m是定義的三個(gè)中間變量，δ_i表示圖像中第i個(gè)像素的灰度值，表示高斯函數(shù)，M表示用于表示合成孔徑雷達(dá)圖的混合高斯模型中高斯分布的個(gè)數(shù)，權(quán)重ω_m,均值μ_m,標(biāo)準(zhǔn)差σ_m根據(jù)期望-最大化算法計(jì)算得出；

更新像素標(biāo)簽：計(jì)算每一個(gè)超像素中心與第i個(gè)像素的距離，將所述距離與所述初始化距離度量比較，根據(jù)比較結(jié)果更新像素標(biāo)簽；

更新超像素中心：設(shè)定像素的特征表達(dá)，根據(jù)更新的像素標(biāo)簽計(jì)算所述像素的特征表達(dá)；

更新特征權(quán)重：根據(jù)特征權(quán)重更新公式更新特征權(quán)重；

判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)，若是，則停止迭代，若不是，則返回更新像素標(biāo)簽步驟繼續(xù)迭代；

后處理：消除超像素中的過(guò)小超像素；

輸出：輸出超像素分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于費(fèi)雪向量的自適應(yīng)合成孔徑雷達(dá)圖像超像素分割方法，其特征在于，所述輸入進(jìn)一步包括：

確定所述合成孔徑雷達(dá)圖像的像素?cái)?shù)量I，超像素大小S，乘性因子ξ，混合高斯模型中高斯成分的個(gè)數(shù)M，最大迭代次數(shù)Iter。

3.根據(jù)權(quán)利要求1所述的基于費(fèi)雪向量的自適應(yīng)合成孔徑雷達(dá)圖像超像素分割方法，其特征在于，所述初始化進(jìn)一步包括：

在所述合成孔徑雷達(dá)圖中，按照正方形方格的形式設(shè)置L個(gè)超像素的中心{c_l,l＝1,2,...,L}，每個(gè)中心的間距為S，每個(gè)超像素的中心都是邊長(zhǎng)為S的正方形的頂點(diǎn)；

設(shè)定特征的維度R，其中，R＝5，初始化不同特征的權(quán)重值{θ_r＝1/R，r＝1,2,...,R}；

初始化距離度量表示第i個(gè)像素所記錄的距離度量，I為像素?cái)?shù)量。

4.根據(jù)權(quán)利要求1所述的基于費(fèi)雪向量的自適應(yīng)合成孔徑雷達(dá)圖像超像素分割方法，其特征在于，所述更新像素標(biāo)簽進(jìn)一步包括：

對(duì)于每一個(gè)超像素中心c_l，計(jì)算超像素中心c_l與第i個(gè)像素的距離其中表示中心c_l的2S×2S鄰域，對(duì)于第i個(gè)像素和第j個(gè)像素,定義為：

其中，R為特征的維度，R＝5，θ_r為不同特征的權(quán)重，ξ為乘性因子，d_r(i,j)為i與j之間的距離，i_t表示第i個(gè)像素的鄰域中的第t個(gè)元素，j_t表示第j個(gè)像素的鄰域中的第t個(gè)元素,G(t)表示標(biāo)準(zhǔn)的二維高斯核，{d₁,…d₅}分別表示兩個(gè)像素在灰度、空間位置、費(fèi)雪向量零階信息、費(fèi)雪向量一階信息、費(fèi)雪向量二階信息上的差異。