[发明专利]基于SLIC超像素的SAR图像多特征区域合并方法

权利要求书

1.一种基于SLIC超像素的SAR图像多特征区域合并方法，其特征在于，包括如下步骤：

(1)采用SLIC超像素算法对SAR图像进行分割：

输入一幅大小为m×n的SAR图像，采用简单线性迭代聚类SLIC超像素算法对该SAR图像进行分割，得到K个超像素S＝{S₁,S₂,...,S_k,...,S_K}，其中，p为预设的超像素大小，20≤p≤25，S_k表示包含Q_k个像素且周长为λ_k的第k个超像素；

(2)设迭代次数为num，并令num＝0；

(3)提取每个超像素的灰度特征和纹理特征：

提取每个超像素S_k包括b个灰度级的灰度直方图H_k，将H_k作为超像素S_k的灰度特征，得到K个超像素S_k对应的灰度特征集合H＝{H₁,H₂,...,H_k,...,H_K}，同时通过灰度共生矩阵提取每个超像素S_k的纹理特征T_k＝{R_k,E_k,D_k}，得到K个超像素S_k对应的纹理特征集合T＝{T₁,T₂,...,T_k,...,T_K}，其中，R_k、E_k、D_k分别表示S_k的对比度、能量、熵；

(4)获取每两个相邻超像素之间的相似性系数：

(4a)计算每两个超像素S_i与S_j之间的灰度特征相似性系数G^H_i,j、纹理特征相似性系数G^T_i,j，并通过G^H_i,j和G^T_i,j计算S_i与S_j之间的相似性系数G_i,j：

G_i,j＝α(G^H_i,j+G^T_i,j)

其中，i∈[1，K]，j∈[1，K]，且i≠j，α表示相邻因子，β_i表示第i个超像素S_i的归一化系数，H_i(f)表示第i个超像素S_i的灰度直方图H_i第f个区间的值，G^R_i,j、G^E_i,j、G^D_i,j分别表示每两个超像素S_i与S_j之间的对比度相似性系数、能量相似性系数和熵相似性系数，ω₁、ω₂、ω₃分别表示G^R_i,j、G^E_i,j、G^D_i,j的权重；

(4b)将K个超像素S中U个相邻的超像素的相似性系数组合为相邻超像素对相似性系数集合G＝{G₁,G₂,...,G_u,...,G_U}；

(5)确定待合并的超像素对：

采用k均值聚类算法kmeans将相邻超像素对相似性系数集合G聚为c类，并计算每一类的平均相似性系数，然后将平均相似性系数最小的一类包含的Y个相邻超像素对相似性系数X＝{G₁,G₂,...,G_y,...,G_Y}对应的相邻超像素对O＝{W₁,W₂,...,W_y,...,W_Y}作为待合并的超像素对；

(6)计算每个待合并超像素对的合并指数：

计算每个待合并超像素对W_y的包围系数z_y，并通过z_y和W_y的相似性系数G_y计算W_y的合并指数A_y，得到合并指数集合A＝{A1,A2,...,A_y,...,A_Y}，其中：

A_y＝G_y×z_y

其中，λ_ρ和λ_τ分别表示相邻的超像素对W_y中两个超像素各自的周长，Δλ_y表示相邻超像素对W_y中两个超像素的公共周长；

(7)获取SAR图像多特征区域合并结果：

对合并指数集合A中指数值最小的相邻超像素对进行合并，判断num≥95％K是否成立，若是，输出包含5％K个新合并的超像素的SAR图像，否则令num＝num+1，并执行步骤(3)。