[发明专利]基于Treelets和模糊C-均值聚类的SAR图像分割方法

权利要求书

1.一种基于Treelets和模糊C-均值聚类的SAR图像分割方法，包括如下步骤：

(1)输入待分割SAR图像，在大小为17×17像素的滑窗内，分别提取每个中心像素点的灰度值z、均值m、标准s、平滑度、三阶矩μ₃、一致性U、熵S、能量EN和同质性H九种纹理特征；

(2)将输入的SAR图像进行3层非下采样离散小波变换，并在大小为16×16像素的滑窗内，提取3层中每个中心像素点的小波特征：e_LL-1、e_LH-1、e_HL-1、e_HH-1、e_LH-2、e_HL-2、e_HH-2、e_LH-3、e_HL-3和e_HH-3；

(3)将步骤(1)得到的纹理特征与步骤(2)得到的小波特征合并，得到19维的待分割SAR图像的特征矩阵X：

X＝[z，m，σ，R，μ₃，U，S，EN，H，e_LL-1，e_LH-1，e_HL-1，e_HH-1，e_LH-2，e_HL-2，e_HH-2，e_LH-3，e_HL-3，e_HH-3]；(4)将特征矩阵X进行Treelets变换，得到一个正交基矩阵B；

          B＝[Φ ψ₁…ψ_l-1]^T

其中，Φ和ψ分别是正交基矩阵的尺度函数和细节函数，l是分解层数。

(5)将特征矩阵X与尺度函数Φ相乘，得到一个结构向量FX＝[f₁，f₂，…，f_n]^T，其中，f分别对应于SAR图像每个像素的数据点；

(6)对结构向量FX采用模糊C-均值聚类，得到SAR图像的分割结果。

2.根据权利要求1所述SAR图像分割方法，其中步骤(1)所述的提取每个中心像素点的均值m、标准s、平滑度R、三阶矩μ₃、一致性U、熵S、能量EN和同质性H纹理特征，是先按如下公式先进行计算，再将其计算结果提取出来，即

m=Σi=0L-1zip(zi)]]>

σ=Σi=0L-1(zi-m)2p(zi)]]>

R＝1-1/(1+σ²)

μ3=Σi=0L-1(zi-m)3p(zi)]]>

U=Σi=0L-1p2(zi)]]>

S=-Σi=0L-1p(zi)log2p(zi)]]>

EN=Σi=0L-1(p(zi))2]]>

H=Σi=0L-1Σj=0L-1p(zi,zj)1+(zi-zj)2]]>

其中，z_i是表示像素第i个灰度级的灰度值，p(z_i)是滑窗内的灰度级的直方图。