基于多特征的SAR图像的无监督分割.pdfVIP

第 37卷 第 10期 计 算 机 科 学 Vo1．37No．1O 2010年 1O月 Computer Science oct2010 基于多特征的SAR图像的无监督分割 王庆香 。 李 迪 张舞杰 (华南理工大学机械与汽车工程学院 广州510641) (f-州中医药大学信息技术学院 广州510006) 摘 要 针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提 出了一种基于多特征的SAR图像 的无监督分割方法。首先提取 了SAR图像的局部矩特征与灰度共生矩阵的统计量(对 比度、相关度、熵、同质性)特 征；然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征；最后使用 MeanShift方法对具有 2维特征信息的像素进行 自动聚类。由于MeanShift聚类过程中无需提供类别数，因此，这种 处理是一个无监督的 自动分割过程 。采用了多幅SAR图像和 Brodatz纹理合成图像做分割实验 ，结果证明：本方法与 单一利用灰度共生矩阵或矩特征的方法相 比，分割的准确性明显提 高。 关键词 SAR图像，纹理分割，多特征，MeanShift 中图法分类号 TP751．1 文献标识码 A UnsupervisedSAR ImageSegmentationBasedonMulti-features WANG Qing—xiang’ LIDi ZHANGWu-jie (SchoolOfMechanicalandAutomotiveEngineering，SouthChinaUniversityofTechnology，Guangzhou510641，China) (SchoolofInformationTechnology，GuangzhouUniversityofChineseMedichine，Guangzhou510006，China) Abstract Forsyntheticapertureradar(SAR)imageswiththecharacteristicsofcomplextexture，largebrightnessrange andvaguebridgeboundary，amethodofunsupervisedSAR imagesegmentationbasedonmulti-featureswaspresented． Firstofall，featuresofthelocalmomentsandthestatistics(contrast，correlation，entropy，homogeneity)ofgraylevelCO- occurrencematrixwereextracted．Secondly，thedimensionalreductionoperationbyprincipalcomponentanalysis(PCA) wasappliedtotheseextractedfeaturesinordertoobtain2-dimensionalfeatureswithadequatecategoryinformation．Fi— nally，pixelswith2-D featureinformationwereautomaticallyclusteredbytheMean Shiftmethod．AstheMeanShift clusteringmethodneedn’tprovidethenumberofcluster，thisprocessingisanunsupervisedprocessofautomaticseg— mentation．CompositeimagewithBrodatztexturesandSAR imagesweretestedinsegmentingexperimentsandthere— sultsdemonstratethemethodc