[发明专利]基于空间约束和KD树的语义线段聚集集合的计算方法

权利要求书

1.基于空间约束和KD树的语义线段聚集集合的计算方法，其特征在于，所述语义线段指SAR图像素描图中被赋予语义信息的素描线段，包括如下步骤：

步骤1，建立语义线段的KD树，具体为：对于双侧和单侧聚集语义线段构成的集合X＝{x₁,...,x_i,...,x_n}，在2维空间上建立了该集合中语义线段中点的KD树；将语义线段x_i和距离语义线段x_i最近的k条语义线段放入一个集合，记为N_i＝{x_j|j∈Ψ(x_j),且其中Ψ(x_j)是由距离语义线段x_i最近的k条语义线段的索引组成；

计算语义线段x_i与集合N_i中每条语义线段x_j的距离，计算平均值记为μ_i，定义μ_i为语义线段x_i的聚集度，出现次数最多的μ_i记为μ_peak，记最优聚集度范围为

μ_best＝[μ_peak-δ,μ_peak+δ]，

其中δ是一个超参数，表示偏离最优聚集度的位移量；

步骤2，将语义线段集合X分为单侧聚集语义线段集合X_s和双侧聚集语义线段集合X_d；

步骤3，定义种子语义线段集合和区域生长集合，具体为：将定义为种子语义线段集合，其中|X_d|表示双侧聚集语义线段集合X_d中语义线段的条数；将定义为区域生长集合，初始为空，其中表示种子语义线段x_i的区域生长集合；将双侧聚集语义线段集合X_d中语义线段加入到种子语义线段集合SE中，利用种子语义线段集合SE中的每条语义线段x_i初始化区域生长集合U中每个区域生长集合

步骤4，以种子语义线段集合SE的语义线段为种子语义线段，计算种子语义线段的近邻集合，具体为：根据语义线段的聚集度，取出种子语义线段集合SE中聚集度最高的种子语义线段x_i；获得以聚集度最高的种子语义线段x_i中点为圆心，以最优聚集度μ_best上界为半径的圆形区域内的所有语义线段x_j，并将其构成种子语义线段x_i的近邻集合N_i；

步骤5，对种子语义线段x_i和种子语义线段x_i的近邻集合N_i中的语义线段x_j进行区域合并，具体为：对种子语义线段x_i的近邻集合N_i中的所有语义线段x_j，执行：

如果语义线段x_j尚未出现在区域生长集合U中，将语义线段x_j加入区域生长集合中；

否则将种子语义线段x_i所在的区域生长集合U_xi和语义线段x_j所在的区域生长集合合并为新的区域生长集合

步骤6，判断是否结束区域生长，具体为：从种子语义线段集合SE中移除种子语义线段x_i，然后执行下面步骤：如果种子语义线段集合SE非空时，执行步骤4；否则，结束区域生长过程，得到区域生长集合U。