[发明专利]基于超像素和分形网络演化算法的极化SAR图像分割方法

权利要求书

1.基于超像素和分形网络演化算法的极化SAR图像分割方法，其特征在于，包含如下步骤：

步骤1：对于待分割的极化SAR图像，生成超像素作为初始对象；

步骤2：计算初始对象中每个对象与相邻对象之间的相似性准则；具体过程为：计算初始对象中每个对象与相邻对象之间的统计相似性，构建相邻对象间综合统计特征和形状特征的相似性准则；其中，构建相邻对象间综合统计特征和形状特征的相似性准则的具体方法为：

步骤2.1：采用统计模型对极化SAR数据建模，并根据统计模型的概率密度函数估算统计模型的形状参数；统计模型为G⁰分布模型，统计模型的概率密度函数为：

式中：∑为相干矩阵的期望值，其估计值可以由样本的平均值来估算：∑＝E[T]，L为视数，α为形状参数，Γ(·)为Γ-函数，tr(·)和|·|分别表示求矩阵的迹和行列式，d为相干矩阵T的维度，在满足互易定理条件下d＝3；

根据统计模型的概率密度函数，并基于tr(∑^-1T)的二阶矩特征估算统计模型概率密度函数中的形状参数的计算公式为：

式中：M＝tr(∑^-1T)；

步骤2.2：采用似然函数计算对象的统计特性异质度；

步骤2.3：计算相邻对象间的统计相似性准则；

步骤2.4：将紧致度和光滑度设定权重，计算对象的形状特征异质度，并根据对象的形状特征异质度的变化描述相邻对象间的形状相似性准则；

步骤2.5：在统计特征和形状特征组成的多维特征空间内，将步骤2.3得到的统计相似性准则和步骤2.4得到的形状相似性准则进行加权，进而计算相邻对象间的综合相似性准则，即为相邻对象间综合统计特征和形状特征的相似性准则；

步骤3：统计每个对象与相邻对象之间相似性准则的最小值，若最小值小于或等于尺度参数，则合并两相邻对象生成新的对象，若最小值大于尺度参数，则不合并，遍历所有对象，完成一次分割，生成新的对象层；

步骤4：重复步骤2和步骤3直到对象数目不再变化，得到最终的对象层；

步骤5：根据步骤4生成对象多边形，即得到最终的分割结果。

2.根据权利要求1所述的基于超像素和分形网络演化算法的极化SAR图像分割方法，其特征在于，所述步骤1中，基于极化SAR图像生成超像素作为初始对象。

3.根据权利要求1所述的基于超像素和分形网络演化算法的极化SAR图像分割方法，其特征在于，所述步骤1中，对极化SAR图像进行Pauli分解生成PauliRGB图像；综合PauliRGB图像的极化特征距离和空间距离作为最终的距离度量，在局部范围内完成K均值迭代聚类，生成超像素作为初始对象。

4.根据权利要求3所述的基于超像素和分形网络演化算法的极化SAR图像分割方法，其特征在于，所述步骤1中，生成超像素的具体步骤为：

步骤1.1：确定期望的超像素大小g²，进而确定步长g，步长g为聚类内空间距离的最大值，按照步长采样选取种子点，并在3*3局部范围内调整种子点到PauliRGB图像的梯度最小点；

步骤1.2：在每个中心种子点2g*2g局部范围内分别计算每个像素和对应种子点间的距离；

步骤1.3：按照步骤1.2得到的每个像素和对应种子点间的距离进行局部K均值迭代聚类，直至收敛或达到最大迭代次数，即生成超像素；

步骤1.4：将像素数目小于设定数值的超像素合并到相邻且距离最近的超像素内，即得到作为初始对象的超像素。