[发明专利]基于费雪向量的自适应合成孔径雷达图像超像素分割方法

权利要求书

1.一种基于费雪向量的自适应合成孔径雷达图像超像素分割方法，其特征在于，包括以下步骤：

输入：输入合成孔径雷达图像，对所述合成孔径雷达图像进行设定；

初始化：计算所述合成孔径雷达图像的混合高斯模型中的权重、均值和标准差，根据所述权重、均值和标准差计算每个像素费雪向量的零阶信息、一阶信息和二阶信息，设定超像素个数和超像素中心，设定特征的维度，初始化不同特征的权重值，初始化距离度量，其中，所述权重、均值和标准差计算每个像素费雪向量的零阶信息、一阶信息和二阶信息，包括：

利用所述权重ω_m,均值μ_m,标准差σ_m计算每个像素费雪向量的零阶信息一阶信息和二阶信息

其中，和分别表示第i个像素的费雪向量中的零阶、一阶和二阶信息；分别表示的第m个元素；i表示像素的索引，i＝1,2,…,I，I表示图像中像素的总数量，β_m和φ_i,m是定义的三个中间变量，δ_i表示图像中第i个像素的灰度值，表示高斯函数，M表示用于表示合成孔径雷达图的混合高斯模型中高斯分布的个数，权重ω_m,均值μ_m,标准差σ_m根据期望-最大化算法计算得出；

更新像素标签：计算每一个超像素中心与第i个像素的距离，将所述距离与所述初始化距离度量比较，根据比较结果更新像素标签；

更新超像素中心：设定像素的特征表达，根据更新的像素标签计算所述像素的特征表达；

更新特征权重：根据特征权重更新公式更新特征权重；

判断迭代次数是否达到最大迭代次数，若是，则停止迭代，若不是，则返回更新像素标签步骤继续迭代；

后处理：消除超像素中的过小超像素；

输出：输出超像素分割结果。

2.根据权利要求1所述的基于费雪向量的自适应合成孔径雷达图像超像素分割方法，其特征在于，所述输入进一步包括：

确定所述合成孔径雷达图像的像素数量I，超像素大小S，乘性因子ξ，混合高斯模型中高斯成分的个数M，最大迭代次数Iter。

3.根据权利要求1所述的基于费雪向量的自适应合成孔径雷达图像超像素分割方法，其特征在于，所述初始化进一步包括：

在所述合成孔径雷达图中，按照正方形方格的形式设置L个超像素的中心{c_l,l＝1,2,...,L}，每个中心的间距为S，每个超像素的中心都是边长为S的正方形的顶点；

设定特征的维度R，其中，R＝5，初始化不同特征的权重值{θ_r＝1/R，r＝1,2,...,R}；

初始化距离度量表示第i个像素所记录的距离度量，I为像素数量。

4.根据权利要求1所述的基于费雪向量的自适应合成孔径雷达图像超像素分割方法，其特征在于，所述更新像素标签进一步包括：

对于每一个超像素中心c_l，计算超像素中心c_l与第i个像素的距离其中表示中心c_l的2S×2S邻域，对于第i个像素和第j个像素,定义为：

其中，R为特征的维度，R＝5，θ_r为不同特征的权重，ξ为乘性因子，d_r(i,j)为i与j之间的距离，i_t表示第i个像素的邻域中的第t个元素，j_t表示第j个像素的邻域中的第t个元素,G(t)表示标准的二维高斯核，{d₁,…d₅}分别表示两个像素在灰度、空间位置、费雪向量零阶信息、费雪向量一阶信息、费雪向量二阶信息上的差异。