-
公开(公告)号：CN102622756A
公开(公告)日：2012-08-01
申请号：CN201210066951.X
申请日：2012-03-14
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于全变分谱聚类的SAR图像分割方法，主要解决现有谱聚类方法用于SAR图像分割时出现的准确率低和区域一致性差的问题。其实现过程是：(1)对输入SAR图像进行全变分图像分解；(2)对SAR图像的结构部分提取灰度特征G；(3)对SAR图像的纹理部分提取小波特征T；(4)用灰度特征G和小波特征T计算总样本集S中任意两点i和j间的相似性Wij；(5)用从总样本集S中选取的采样样本集Sm根据逼近的方法，通过采样样本集Sm来逼近总样本集S谱映射后的特征向量空间，并取前k个最大特征值所对应的特征向量作为降维特征矩阵Y；(6)对降维特征向量矩阵Y进行k-means聚类，输出SAR图像的最终分割结果。本发明具有分割结果准确率高和区域一致性好的优点，可用于SAR图像目标检测和目标分割与识别。
-
公开(公告)号：CN102622756B
公开(公告)日：2014-04-16
申请号：CN201210066951.X
申请日：2012-03-14
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于全变分谱聚类的SAR图像分割方法，主要解决现有谱聚类方法用于SAR图像分割时出现的准确率低和区域一致性差的问题。其实现过程是：(1)对输入SAR图像进行全变分图像分解；(2)对SAR图像的结构部分提取灰度特征G；(3)对SAR图像的纹理部分提取小波特征T；(4)用灰度特征G和小波特征T计算总样本集S中任意两点i和j间的相似性Wij；(5)用从总样本集S中选取的采样样本集Sm根据逼近的方法，通过采样样本集Sm来逼近总样本集S谱映射后的特征向量空间，并取前k个最大特征值所对应的特征向量作为降维特征矩阵Y；(6)对降维特征向量矩阵Y进行k-means聚类，输出SAR图像的最终分割结果。本发明具有分割结果准确率高和区域一致性好的优点，可用于SAR图像目标检测和目标分割与识别。
-
公开(公告)号：CN102867307A
公开(公告)日：2013-01-09
申请号：CN201210333131.2
申请日：2012-09-10
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于特征向量集成谱聚类的SAR图像分割方法，主要解决现有谱聚类方法用于SAR图像分割时出现的准确率低和尺度参数敏感差的问题。其实现过程是：(1)对输入SAR图像进行3层小波变换，提取小波特征；(2)设定尺度参数σ的范围为0.1到1，设定集成特征个数为m；(3)在尺度参数σ中随机选取m个尺度参数，并用逼近计算出m个相似性矩阵W1,W2,...,Wm；(4)根据m个相似性矩阵W1,W2，...,Wm计算出拉普拉斯矩阵L1,L2，...,Lm，并分别进行非负矩阵分解得到特征向量矩阵V1,V2，...,Vm；(5)集成特征向量V1,V2,...,Vm，得到新特征向量U；(6)规范化特征向量矩阵U得到Y，并对Y进行K_means聚类，输出SAR图像的最终分割结果。本发明具有分割结果准确率高和尺度参数不敏感的优点，可用于SAR图像目标检测和目标分割与识别。
-
-
搜索结果
3 条记录 (耗时 0.024 秒)
