基于K分布和纹理特征的SAR图像分割方法技术

本发明专利技术公开了一种基于K分布和纹理特征的SAR图像分割方法，属于图像处理技术领域，分割方法为：在待分割SAR图像上截取C类训练样本在特征区域截取100幅9*9的训练样本，采用K分布统计模型和灰度共生矩阵提取训练样本的特征参数，将每类特征系数列排成矩阵，即为第c类目标的字典；按上述方法计算各类目标字典并将其依次排列组成全局大字典；输入待分割SAR图像，每个像素点用其邻域的9*9个像素点代替，求解该像素点的特征系数反解矩阵运算得到权数α；令δi(α)，i＝1，...，C为仅保留α中与第c类相对应的系数、其余系数置零的向量，计算残差函数并根据误差函数最小的即为特征系数的类别标签，重复上述步骤得到待处理SAR图像每个像素点的分割结果。

【技术实现步骤摘要】

【技术保护点】
一种基于K分布和纹理特征的SAR图像分割方法，包括如下步骤：1)在大小为M×N的待分割SAR图像上取C类训练样本区域{I0，I1，...，IC}，C表示图像中地物类别数；2)对所选训练样本区域Ic进行特征提取，得到第c类训练样本区域的特征参数字典Dc＝[Θ1，Θ2，...，Θ100]，其中Θi＝{l，m，u，me，st，asm，con，idm}，1≤i≤100，c∈C，m和μ是K分布模型的概率密度函数的三个参数，me表示均值，st表示方差，asm、con和idm分别表示灰度共生矩阵的能量、对比度和相关度；3)计算每类训练样本的特征参数字典Dc，c∈C，并将它们依次排列组成全局大字典Φ＝[D1，D2，...，Dc]；4)输入待分割SAR图像，选k*k大小的窗口，每个像素点ps，t1≤s≤M，1≤t≤N，用其周围邻域的k*k个像素点代替，根据步骤2)求解该像素点ps，t的特征系数ys，t；5)求解矩阵逆运算ys，t＝Φα，得到稀疏系数α，其中Φ＝[D1，D2，...，Dc]；6)令δc(α)(i＝1，...，C)为仅保留α中与第c类相对应的系数、其余系数置零的向量，计算残差函数Rc(y)=||y~-φδc(α)||2,c＝1，...，C；7)根据残差函数Rc(y)，由式进行判别，对像素点ps，t分类，最小的即为ys，t的类别标签；8)重复步骤(4)、(5)、(6)和(7)得到待处理SAR图像每个像素点的分类结果，将分类结果重新保存，得到最终SAR图像分割结果。FSA00000921378500012.tif...

【技术特征摘要】

【专利技术属性】
技术研发人员：侯彪，焦李成，韩博，王爽，张向荣，马晶晶，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：