[发明专利]基于并行稀疏谱聚类的SAR图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及SAR图像分割，可用于雷达目标检测和目标识别。

背景技术

合成孔径雷达SAR具有全天时、全天候的探测与侦察能力。它利用脉冲压缩技术获得高的距离分辨率，利用合成孔径原理提高方位分辨率，从而相比真实孔径雷达在遥感领域具有独特的优势。对SAR图像的理解和解译属于图像处理范畴，还涉及信号处理，模式识别及机器学习等众多学科。SAR图像分割作为SAR图像处理的关键环节之一，在国防和民用领域正受到越来越广泛的关注。现有的SAR图像分割方法大致可以分为基于区域的分割方法和基于边界的分割方法，如阈值分割、形态学的方法、聚类的方法、及随机场的方法等。

其中，基于聚类的SAR图像分割方法，是将SAR图像中相似的区域尽量划分成一类，将不相似的区域划分在不同的类别中。已经有很多成熟的聚类算法被用到SAR图像分割中。作为一门新兴学科，结合谱图理论的谱聚类算法充分发掘了数据的成对点相似特性，通过图的拉普拉斯矩阵特征分解达到降维目的，使得聚类结果更加稳健。但是，当数据规模n比较大的时候，谱聚类算法需要计算大小为n×n的相似矩阵，并计算相应拉普拉斯矩阵的特征分解问题，其计算的时间复杂度和空间复杂度分别为O(n³)和O(n²)，不能有效地对包含大规模数据的SAR图像进行分割。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于并行稀疏谱聚类的SAR图像分割方法，以减小谱聚类的时间和空间复杂度，从而能够有效地对包含大规模数据的SAR图像进行分割。

为实现上述目的，本发明包括以下步骤：

(1)对待分割的SAR图像进行3层平稳小波变换，图像像素点总个数为n，通过下式对每个像素点提取出10维子带能量特征，构成大小为n×10的输入数据样本E：

E=1M×NΣi=1MΣj=1N+|coef(i,j)|]]>

其中，M×N为利用滑动窗口确定的子带大小，这里取值为16×16，coef(i，j)为平稳小波子带中第i行第j列的系数值；

(2)配置MATLAB7.8R2009(a)版本的并行计算环境；

(3)进行并行任务划分，使用并行任务调度器将像素点总个数为n的输入数据样本均衡划分到p个处理器上，遇到不能整除的情况则将剩余的数据样本存放到最后一个节点上；

(4)在各个处理器节点上分布式地计算n/p个数据样本到其他所有数据样本之间的欧氏距离，得到距离矩阵；

(5)对距离矩阵的每一列按照从小到大顺序进行排序，并根据下面的公式计算分块相似矩阵S：