[发明专利]基于字典学习和稀疏表示的SAR图像分割方法

摘要

本发明公开了一种基于字典学习和稀疏表示的SAR图像分割技术，主要解决现有特征提取需要花费大量时间以及距离测度具有一定缺陷的问题。其实现过程是：1)输入待分割图像，确定分割类数k；2)为待分割图像每个像素点提取p×p窗口得到测试样本集，从测试样本集中随机选择少量样本得到训练样本集；3)提取训练样本集小波特征；4)利用谱聚类算法对训练样本集进行划分；5)对每一类训练样本，应用K-SVD算法训练字典；6)求解测试样本在字典上稀疏表示向量；7)计算测试样本的重构误差函数；8)根据重构误差函数求测试样本标签，得到图像分割结果。本发明具有分割快速且效果好的优点，该技术可以进一步用于SAR图像自动目标识别。

主权项

1.一种基于字典学习和稀疏表示的SAR图像分割方法，包括以下步骤：(1)输入待分割SAR图像，确定需要将图像划分的类数k；(2)以待分割SAR图像中每个像素点为中心提取p×p的窗口样本，得到规模为m的测试样本集F，从提取的所有测试样本中随机选择n个作为训练样本集Y，其中n＜＜m；(3)提取训练样本集Y中的训练样本的小波特征，得到规模为n的小波特征数据集Y′，该小波特征数据集Y′中的样本与训练样本集Y中的样本一一对应；(4)用谱聚类算法对小波特征数据集Y′进行聚类，得到小波特征数据集Y′的类别划分，同时得到训练样本集Y的类别划分Y_i，i＝1，2，3，...k；(5)将划分后的每一类训练样本Y_i，i＝1，2，3，...k，利用K-SVD算法分别训练，得到相应的字典D_i，i＝1，2，3，...，k；(6)利用正交匹配追踪OMP算法求解测试样本S在D_i上稀疏表示向量，得到稀疏向量αⁱ，i＝1，2，3，...，k，S∈F；(7)令表示测试样本S在D_i上的重构误差函数，对该误差函数进行高斯函数平滑，得到误差函数(8)根据新的误差函数求解测试样本S的标签得到每个测试样本的类别标签l(S)∈{1，2，3，...，k}，即得到图像分割结果。