[发明专利]一种基于Gamma分布的模糊聚类SAR图像分割方法

说明书

本发明提供一种基于Gamma分布的模糊聚类SAR图像分割方法，包括：将待分割SAR图像各像素的灰度值作为样本点，构建具有Gamma分布函数的FCM目标函数；确定FCM目标函数中各参数的求解公式；利用具有Gamma分布函数的FCM目标函数进行待分割SAR图像模糊聚类，得到待分割SAR图像各像素的灰度值属于各地物类别的模糊隶属度矩阵；对上述模糊隶属度矩阵按最大隶属度原则进行反模糊化，实现SAR图像分割。本发明利用Gamma分布概率密度函数的负对数描述像素点到聚类的非相似性测度，通过精确拟合SAR图像分布特征进一步克服SAR图像中的噪声对分割结果的影响，从而提高分割精度，有效提高了SAR图像的拟合及分割精度。

技术领域

本发明属于图像处理领域，具体涉及一种基于Gamma分布的模糊聚类SAR图像分割方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)图像分割是SAR图像处理中的关键技术，其分割的精度直接影响后续的解译处理，因此，对于SAR图像分割技术的研究具有重要意义。然而，由于SAR的成像原理与人类视觉相悖、高分辨率带来更加清晰的细节及成像过程导致的固有斑点噪声等诸多因素影响，很难获得高精度的分割结果。

目前，基于SAR的图像分割方法主要可以分为：阈值方法、统计方法和聚类方法。基于阈值的方法原理简单，但很难找到合理的阈值并且该方法只能进行有限类的SAR图像分割；基于统计的方法能够建模噪声，具有较好的抗噪性，但其求解困难；基于聚类的方法其最大特点是建模及求解容易，但不能针对噪声建模，故对噪声敏感。上述方法中，聚类方法特别是模糊聚类方法由于原理简单、算法稳定性好、收敛速度快等特点应用最为广泛，如最常用的基于Fuzzy C-means(FCM)的SAR图像分割方法，但是，由于该方法用Euclidean距离定义非相似性测度并且没有考虑邻域像素作用，故对SAR图像中的斑点噪声及异常值敏感，因此基于传统FCM的SAR图像的分割结果中存在大量的噪声。为了克服上述分割方法对噪声敏感问题，赵雪梅等(赵雪梅，李玉，赵泉华.基于隐马尔科夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法：电子与信息学报，2014,36(11)：2730-2736)结合统计方法及聚类方法特性，利用隐马尔科夫随机场和高斯回归模型建立特征场和标号场的邻域关系，并通过FCM方法实现SAR图像分割，从而有效解决了经典方法分割不准确、误分像素多的问题。但是，该方法认为SAR图像分布为高斯分布与SAR图像服从Gamma分布的特征不相符，不能解决所有SAR图像的分割问题。

发明内容

针对现有技术的不足，本发明提出一种基于Gamma分布的模糊聚类SAR图像分割方法。

本发明的技术方案是：

一种基于Gamma分布的模糊聚类SAR图像分割方法，包括以下步骤：

步骤1：读取待分割SAR图像；

步骤2：将待分割SAR图像各像素的灰度值作为样本点，构建具有Gamma分布函数的FCM目标函数，该目标函数以克服SAR图像中噪声对分割结果的影响为目标，根据SAR图像灰度分布服从Gamma分布的特点，以Gamma分布函数的负对数作为目标函数非相似性测度；通过定义标号场的势能函数确定FCM目标函数中的先验概率。该FCM目标函数参数包括模糊因子、模糊隶属度函数、先验概率、Gamma分布函数中的形状参数及尺度参数；

步骤3：确定FCM目标函数中各参数的求解公式；

步骤4：利用具有Gamma分布函数的FCM目标函数对待分割SAR图像进行模糊聚类，得到待分割SAR图像各像素的灰度值属于各地物类别的模糊隶属度矩阵；

步骤5：对上述模糊隶属度矩阵按最大隶属度原则进行反模糊化，实现SAR图像分割。

所述步骤3的具体步骤如下：

步骤3.1：确定FCM目标函数中的先验概率公式；