本發(fā)明專利技術(shù)公開了一種基于免疫克隆和投影尋蹤的ＳＡＲ圖像分割系統(tǒng)及分割方法。該系統(tǒng)包括：圖像特征提取模塊、初始標(biāo)簽選擇子模塊、投影方向選擇子模塊和子空間聚類子模塊。圖像特征提取模塊，提取輸入圖像的灰度共生矩陣、小波、ｂｒｕｓｈｌｅｔ和ｃｏｎｔｏｕｒｌｅｔ特征；初始標(biāo)簽選擇子模塊，對圖像特征進(jìn)行聚類獲得初始標(biāo)簽，傳輸給投影方向選擇子模塊計(jì)算線性判別分析投影指標(biāo)，并獲得最優(yōu)投影方向；子空間聚類子模塊，將圖像特征投影到最優(yōu)投影方向，獲得最優(yōu)子空間，對最優(yōu)子空間進(jìn)行聚類，獲得聚類標(biāo)簽，并返回至初始標(biāo)簽選擇子模塊迭代獲得最終聚類標(biāo)簽，并與圖像像素對應(yīng)，獲得最終圖像分割結(jié)果。本發(fā)明專利技術(shù)具有分割精度高的優(yōu)點(diǎn)，可用于軍事偵察手段以及民用和工業(yè)領(lǐng)域。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像處理
，涉及SAR圖像分割，可用于軍事偵察手段以及民 用和工業(yè)領(lǐng)域。
技術(shù)介紹
SAR作為一種不可或缺的軍事偵察手段，在民用和工業(yè)上也有廣泛的用途。隨著 SAR成像技術(shù)的日益發(fā)展，所獲得的SAR圖像數(shù)據(jù)越來越多，機(jī)器解譯已經(jīng)逐步代 替了人工解譯，從而SAR圖像處理也成為研究熱點(diǎn)。SAR圖像分割作為SAR圖像處 理的基本問題之一，它在對SAR圖像的研究和應(yīng)用中，通過圖像分割可以發(fā)現(xiàn)感興 趣的目標(biāo)區(qū)域，從而為SAR圖像后期的分類和識別奠定基礎(chǔ)，而且目標(biāo)識別的準(zhǔn)確 性很大程度上依賴于圖像分割的質(zhì)量。為了辨識和分析SAR圖像中的目標(biāo)，需要將 它們從圖像中分離提取出來，在此基礎(chǔ)上才有可能進(jìn)一步對目標(biāo)進(jìn)行測量和對SAR 圖像進(jìn)行利用。對于SAR圖像來講，由于斑點(diǎn)噪聲的影響同類地物場景的非平穩(wěn)程 度較強(qiáng)，很難有效地選取有代表性的樣本用于參數(shù)訓(xùn)練，聚類算法作為無監(jiān)督的學(xué)習(xí) 方法，其自適應(yīng)和實(shí)用性的優(yōu)點(diǎn)，使其成為圖像分割的研究熱點(diǎn)。現(xiàn)階段基于聚類算 法的SAR圖像分割方法主要有K均值聚類算法以及譜聚類算法，其中K均值聚類SAR 圖像分割方法結(jié)果不穩(wěn)定且分割精度不高，基于譜聚類的SAR圖像分割方法不能有 效處理大規(guī)模圖像分割問題。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)目的在于克服上述已有技術(shù)的缺點(diǎn)，提出了一種基于免疫克隆和投影尋蹤 的SAR圖像分割系統(tǒng)及分割方法，以實(shí)現(xiàn)直接對圖像特征進(jìn)行操作，提高圖像分割 精度。為實(shí)現(xiàn)上述目的，本專利技術(shù)的SAR圖像分割系統(tǒng)包括圖像特征提取模塊，對輸入的圖像完成灰度共生矩陣、小波、brushlet和contourlet 特征提取，并將其提取結(jié)果傳送至投影尋蹤聚類模塊；投影尋蹤聚類模塊，對輸入的圖像特征采用免疫克隆算法進(jìn)行自適應(yīng)投影尋蹤聚類，將聚類標(biāo)簽與圖像像素對應(yīng)，獲得圖像分割結(jié)果。 所述的投影尋蹤聚類模塊包括-初始標(biāo)簽選擇子模塊，用于對所提圖像特征，進(jìn)行聚類獲得初始的標(biāo)簽，并將標(biāo) 簽傳輸給投影方向選擇子模塊；投影方向選擇子模塊，根據(jù)輸入標(biāo)簽計(jì)算投影尋蹤算法中的線性判別分析投影指 標(biāo)，并通過免疫克隆算法優(yōu)化該投影指標(biāo)，獲得最優(yōu)的投影方向傳至子空間聚類子模 塊；子空間聚類子模塊，將圖像特征映射到最優(yōu)投影方向，獲得最優(yōu)子空間，對最優(yōu) 子空間進(jìn)行聚類，獲得聚類標(biāo)簽，將聚類標(biāo)簽返回至初始標(biāo)簽選擇子模塊，迭代數(shù)次， 獲得最終的聚類標(biāo)簽，將最終聚類標(biāo)簽與圖像像素對應(yīng)，獲得最終圖像分割結(jié)果。為實(shí)現(xiàn)上述目的，本專利技術(shù)的SAR圖像分割方法，包括如下步驟(1) 對輸入的圖像提取灰度共生矩陣、小波、brushlet和contourlet特征，將提 取的圖像特征定義為J^，其中，凍示樣本的個(gè)數(shù)，在圖像中表示為第/個(gè)像素點(diǎn)，_/ 表示樣本的維數(shù)，在圖像中表示為像素點(diǎn)的第/維特征；(2) 對提取的圖像特征J^進(jìn)行歸一化，設(shè)定標(biāo)簽迭代次數(shù)g;(3) 將歸一化后的圖像特征Xg，隨機(jī)投影到一個(gè)低維子空間t/,并對該子空間 C/進(jìn)行K均值聚類，獲得一個(gè)初始標(biāo)簽i/;(4) 根據(jù)獲得的初始標(biāo)簽F，計(jì)算投影尋蹤的線性判別分析投影指標(biāo)，并通過 免疫克隆算法優(yōu)化該投影指標(biāo)，獲得最優(yōu)的投影方向；(5) 將歸一化后的圖像特征Z"，投影到最優(yōu)投影方向，獲得最優(yōu)的子空間f/;(6) 對子空間t/進(jìn)行K均值聚類，獲得新的標(biāo)簽if';(7) 將新的標(biāo)簽i/'作為初始標(biāo)簽H，返回步驟(4)進(jìn)行迭代，經(jīng)過數(shù)次迭代 后，若獲得新標(biāo)簽/f'在迭代過程中達(dá)到收斂，輸出收斂的標(biāo)簽/T，若在迭代g次后 沒有收斂，則輸出最后獲得的標(biāo)簽//';(8) 將收斂的標(biāo)簽/T或最后獲得的標(biāo)簽i/'與輸入圖像的像素對應(yīng)，輸出圖像分 割結(jié)果。本專利技術(shù)與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)-l.本專利技術(shù)由于采用免疫克隆算法優(yōu)化投影尋蹤的線性判別分析投影指標(biāo)，因而可 獲得最優(yōu)的投影方向以及最優(yōu)子空間；2.本專利技術(shù)由于采用投影尋蹤的線性判別分析投影指標(biāo)與K均值聚類算法進(jìn)行自適5應(yīng)的迭代，提高了圖像分割的精度；仿真結(jié)果表明，本專利技術(shù)較K均值算法精度有一定的提高。 附圖說明圖1本專利技術(shù)的SAR圖像分割系統(tǒng)示意圖； 圖2是本專利技術(shù)的SAR圖像分割方法流程圖； 圖3是本專利技術(shù)采用的SAR圖像原圖； 圖4是采用K均值聚類算法對圖3進(jìn)行分割的結(jié)果圖； 圖5是采用本專利技術(shù)對圖3進(jìn)行分割的結(jié)果圖。 具體實(shí)施例方式參照圖1,本專利技術(shù)基于免疫克隆和投影尋蹤的SAR圖像分割系統(tǒng)包括圖像特征提取模塊和投影尋蹤聚類模塊。其中投影尋蹤聚類模塊包括初始標(biāo)簽選擇子模塊、投 影方向選擇子模塊和子空間聚類子模塊。圖像特征提取模塊，對輸入的圖像完成灰度共生矩陣、小波、brushlet和contourlet 特征提取，并將其提取結(jié)果傳至投影尋蹤聚類模塊中的初始標(biāo)簽選擇子模塊；初始標(biāo) 簽選擇子模塊，對所提圖像特征，進(jìn)行簡單聚類獲得初始的標(biāo)簽，并將標(biāo)簽傳輸給投 影方向選擇子模塊；投影方向選擇子模塊，根據(jù)輸入標(biāo)簽計(jì)算投影尋蹤算法中的線性 判別分析投影指標(biāo)，并通過免疫克隆算法優(yōu)化投影指標(biāo)，獲得最優(yōu)的投影方向，并將 所得投影方向傳至子空間聚類子模塊；子空間聚類子模塊，將圖像特征映射到最優(yōu)投 影方向，獲得最優(yōu)子空間，對最優(yōu)子空間進(jìn)行聚類，獲得聚類標(biāo)簽，將聚類標(biāo)簽返回 至初始標(biāo)簽選擇子模塊，迭代數(shù)次，獲得最終的聚類標(biāo)簽，將最終聚類標(biāo)簽與圖像像 素對應(yīng)，獲得最終圖像分割結(jié)果。參照圖2，本專利技術(shù)的基于免疫克隆和投影尋蹤的SAR圖像分割系統(tǒng)及分割方法， 包括如下步驟步驟l:提取輸入圖像的灰度共生矩陣、小波、brushlet和contourlet特征。la)輸入原始的SAR圖像，其大小為MxM'，如圖3所示。該輸入圖像為四幅SAR圖像，其大小分別為256X256;lb)對輸入的原始SAR圖像提取灰度共生矩陣特征8維、兩層小波特征7維、兩層brushlet特征8維和三層contourlet特征17維。將提取的圖像特征定義為；，其中，/表示樣本的個(gè)數(shù)，在圖像中表示為第/個(gè)像素點(diǎn)，/表示樣本的維數(shù)，在圖像中表示為像素點(diǎn)的第/維特征。步驟2:對提取的圖像特征^進(jìn)行歸一化，設(shè)定標(biāo)簽迭代次數(shù)g。2a)對提取的圖像特征J^采用下式進(jìn)行歸一化其中A咖和x—分別為第y維的最大最小值，《為歸一化后的圖像特征；2b)設(shè)定標(biāo)簽迭代次數(shù)g為10次。步驟3:將歸一化后的圖像特征J^，隨機(jī)投影到一個(gè)低維子空間f/，并對該子 空間t/進(jìn)行K均值聚類，獲得一個(gè)初始標(biāo)簽//。3a)對歸一化后的圖像特征《采用下式進(jìn)行隨機(jī)投影其中",是隨機(jī)產(chǎn)生的投影方向；3b)對隨機(jī)投影后獲得的低維子空間t/，采用下式進(jìn)行K均值聚類-min/,鉤x廣附』2其中，^是K類隨機(jī)投影后獲得的低維子i間C/中像素特征的類內(nèi)散度，夂是類別 的個(gè)數(shù)，、是第A類的像素，附i是第/t類像素的均值，",.每一類中像素的個(gè)數(shù)；3c)分別計(jì)算每個(gè)像素到w的歐式距離，在保證《4最小的前提小，將具有最小歐 式距離的類別數(shù)賦予像素的標(biāo)簽，獲得一個(gè)初始標(biāo)簽^。步驟4:設(shè)定參數(shù)并按照參數(shù)隨機(jī)生成種群，將投影方向作為免疫克隆算法優(yōu)化 的目標(biāo)。 '4a)設(shè)定進(jìn)化代數(shù)gw為500，種群大小W為10，變異概率;^為0.9，克隆規(guī)模 為2;4b)根據(jù)種群大小iV，隨機(jī)產(chǎn)生初始種群^大小為wxiV，其中m為圖像特征維數(shù)。步驟5:根據(jù)所獲得初始標(biāo)簽//，計(jì)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種基于免疫克隆和投影尋蹤的ＳＡＲ圖像分割系統(tǒng)，包括： 圖像特征提取模塊，對輸入的圖像完成灰度共生矩陣、小波、ｂｒｕｓｈｌｅｔ和ｃｏｎｔｏｕｒｌｅｔ特征提取，并將其提取結(jié)果傳至投影尋蹤聚類模塊； 投影尋蹤聚類模塊，對輸入的圖像特征采用免疫克隆算法進(jìn)行自適應(yīng)投影尋蹤聚類，將聚類標(biāo)簽與圖像像素對應(yīng)，獲得圖像分割結(jié)果。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：緱水平，焦李成，馮靜，鐘樺，慕彩紅，楊淑媛，吳建設(shè)，朱虎明，王宇琴，
申請(專利權(quán))人：西安電子科技大學(xué)，
類型：發(fā)明
國別省市：87[中國|西安]
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。