[发明专利]一种基于投影谱聚类算法的去除SAR图像斑点的方法

说明书

本发明公开了一种基于投影谱聚类的去除SAR图像斑点的方法，其包括以下步骤：首先将图像分解为图像子块，再通过计算图像子块向量之间的相似度构造相似矩阵，并利用度矩阵标准化相似矩阵，再使用随机生成的高斯随机变量右乘标准化相似矩阵得到低秩矩阵；对低秩矩阵进行幂运算，扩大特征值之间的差异，再使用奇异值分解和QR分解计算低秩矩阵的左奇异值向量，最后使用k‑means算法聚类左奇异值向量的行，得到标签图像后还原图片。经过图像子块的聚类过程，标识了不同的图像子块类别，与图像子块对应的原图像区域中所有的像素灰度亦有了统一的数值，从而消除了图像子块内像素灰度值不一致的现象。

技术领域

本申请涉及遥感和SAR图像处理领域，设计了一种近似谱聚类算法，基于此提出了一种面向SAR图像的分层聚类算法，同时抑制了SAR图像中的斑点和定位了目标区域。

背景技术

随着高精度传感器在航空领域的广泛应用,遥感图像处理成为近些年来的研究热点之一。然而,随着图像解析度的增加、数量的增多,该类图像处理已成为一项棘手的任务，许多传统的技术在大量像素、图像面前显得力不从心。在图像分割和降噪任务中，在保持较高的精度下降低所处理图像的维度，降低计算复杂度已成为一个重要的研究课题。SAR图像是一类特殊的灰度图像,由雷达反射波构成。反射波之间的相干作用产生了图像斑点，影响了图像质量。

在算法方面，谱聚类广泛用于SAR处理,如图像分割、目标识别等。谱聚类使用Laplacian矩阵的特征向量构造数据的低维空间表示,发现了数据的非线性低维嵌入结构。然而，在计算实践中，常见的谱聚类算法——NJW算法,在特征分解阶段耗费大量的时间和内存，不适用于高清SAR图像的处理。在基于Nystrom方法的谱聚类算法中，图像处理结果可能具有较大的随机性。

在图像分割领域,谱聚类实际上是图分割问题，设定不同的优化目标会得到不同的算法模型。然而，这些算法使用了广义Laplacian等矩阵的特征值,从整体上分割图像分割，忽略了图像的局部信息，容易造成随机分割误差。目前,在图像局部分割精化上有一些改进的方法。Mahoney等人在Ncut优化目标中增加约束条件，增大数据在指定方向上的投影。Maji等人提出了包含偏置信息的BiasedNcut算法,解决了图像指定区域的分割问题。李小斌和田铮基于谱聚类算法提出了一种图像的多尺度随机分割方法,提高了分割的精度。以上这些算法均以可见光图像或视频为研究对象,并未见到在SAR图像中得到应用。由于SAR图像具有斑点噪声,直接采用这些算法处理并不能有效地消除这些噪声,从而造成目标难以识别。因此，构造一种新的谱聚类算法，在消除斑点的同时鉴别目标区域成为一种现实需求。

发明内容

鉴于当前技术存在的不足，本发明基于近似SVD、QR分解和谱聚类算法，给出了一种基于投影谱聚类的去除SAR图像斑点的方法，其包括以下步骤：

S1:图像分解环节：

s101.按照设定的大小将图像以不重叠的正方形或者长方形进行分块，得到图像子块，并设定图像子块聚类数；建立数字标签对应像素类别对照表；

s102.不改变图像子块位置，依次将每个图像子块的像素值按列叠加，形成向量集，按列构成矩阵：

其中，由列构成的矩阵为r＝st；

分别标准化各列：假设则令j＝1,…,k，k为图像子块数量，得到

B＝(B₁,B₂,…,B_k)＝(b_ij)_r×k；

S2.去除斑点环节：

s201.通过S1环节中的向量集计算图像子块向量之间的相似度，构造相似矩阵，矩阵的对角线为0；

s202.累加相似矩阵的每行，然后依次把结果存放在一个零矩阵的对角线上，得到度矩阵；