[发明专利]基于字典学习和稀疏表示的SAR图像分割方法

权利要求书

1.一种基于字典学习和稀疏表示的SAR图像分割方法，包括以下步骤：

(1)输入待分割SAR图像，确定需要将图像划分的类数k；

(2)以待分割SAR图像中每个像素点为中心提取p×p的窗口样本，得到规模为m的测试样本集F，从提取的所有测试样本中随机选择n个作为训练样本集Y，其中n＜＜m；

(3)提取训练样本集Y中的训练样本的小波特征，得到规模为n的小波特征数据集Y′，该小波特征数据集Y′中的样本与训练样本集Y中的样本一一对应；

(4)用谱聚类算法对小波特征数据集Y′进行聚类，得到小波特征数据集Y′的类别划分，同时得到训练样本集Y的类别划分Y_i，i＝1，2，3，...k；

(5)将划分后的每一类训练样本Y_i，i＝1，2，3，...k，利用K-SVD算法分别训练，得到相应的字典D_i，i＝1，2，3，...，k；

(6)利用正交匹配追踪OMP算法求解测试样本S在D_i上稀疏表示向量，得到稀疏向量αⁱ，i＝1，2，3，...，k，S∈F；

(7)令表示测试样本S在D_i上的重构误差函数，对该误差函数进行高斯函数平滑，得到误差函数

(8)根据新的误差函数求解测试样本S的标签得到每个测试样本的类别标签l(S)∈{1，2，3，...，k}，即得到图像分割结果。

2.根据权利要求1所述的字典学习和稀疏表示的SAR图像分割方法，其中步骤(3)所述的提取训练样本集Y中的训练样本的小波特征，按如下步骤进行：

(3a)取训练样本集Y中的训练样本T；

(3b)对训练样本T进行三层小波分解；

(3c)计算小波分解后的训练样本T的小波特征e：

e=1w×wΣi=1wΣj=1w|coef(i,j)|;]]>

其中，w×w为提取的训练样本T对应窗口的大小，coef(i，j)为训练样本T经小波分解后得到的小波子带中第i行第j列的系数值；

(3d)重复步骤(3a)-(3c)，计算下一训练样本的小波特征，直到计算完成训练样本集Y中所有样本的小波特征，得到小波特征数据集Y′。