基于核模糊c—均值聚類與閾值分割的SAR影像分割算法
2014-12-13 15:46:56邱雙雙
科技創新與應用 2014年35期
摘 要：由于SAR影像存在強烈的相干斑點噪聲，傳統的方法分割方法存在缺陷。文章在SAR影像分割研究中引入模糊聚類分析，設計了基于核模糊c-均值聚類與閾值分割結合的SAR影像分割算法，對SAR影像實現分割實驗，通過實驗分割結果的分析，證明了算法的可靠性。
關鍵詞：SAR影像分割；多項式核模糊c-均值聚類；閾值分割
引言
近年來，SAR影像在國民經濟、科技、資源利用的作用日益突出，其在國防軍事中的重要地位更是不可小覷。國內外對SAR影像的分割研究中，分割方法可分為基于圖像驅動及基于模型驅動的方法。前一種方法有基于直方圖閾值、邊緣檢測、區域增長等的算法，后一種方法有基于馬爾可夫隨機場、模糊理論、神經網絡、多尺度和分水嶺等模型算法。兩類SAR影像分割方法各自存在缺陷。
文章中，將模糊聚類理論應用于SAR海陸影像分割中，建立基于核模糊c-均值聚類與閾值分割結合的SAR影像組合分割模型，實現對SAR影像的分割，并對文章算法進行評價。
1 核模糊c-均值聚類基本理論
1.1 模糊數學與模糊集合
L.A.Zadeh在1965年[1]提出了模糊數學這一概念，用隸屬程度來描述差異的中間過渡，它是用精確的數學語言對模糊性的一種描述。在實際模式識別中，利用“最大隸屬度原則”[2]進行對象分類識別。
1.2 核模糊c-均值聚類
核模糊聚類引入了模糊聚類分析與核函數，對樣本進行軟劃分，并且對非超球體、被噪聲污染、多種模式原型混合以及不對稱數據等多種數據結構分割更為理想。Girolami M[3]和張莉等[4]提出了將核函數引入到聚類分析中，在高維特征空間中進行聚類。伍忠東等[5]進一步構造基于核函數的模糊核c-均值算法（KFCM）。曲福恒等[6]利用Zangwill 收斂性定理，證明了核模糊c-均值聚類算法（ KFCM） 的收斂性。
2 SAR組合分割算法
2.1 圖像預處理
選擇增強Lee濾波器對SAR原影像進行斑點去噪。
2.2 SAR影像粗分割
選用多項式核模糊c-均值聚類算法（以下記為pKFCMClust）將圖像分割為3類：為油膜，水體和待分類別。
2.3 SAR影像細分割
細分割中，對粗分割中的待分類別區域單獨進行閾值分割細分，最終劃分為兩類。
3 分割實驗
文章采用的數據為青島附近海域SAR影像，攝于2010年7月4日，影像上有海水和油膜兩種物體。
3.1 實驗
圖1 實驗1分割處理圖
從實驗結果圖中可看出，經文章算法處理的分割圖的輪廓更接近于實際邊緣的輪廓，不受高亮雜質噪聲的影響，分割效果較好。
3.2 實驗結果
從上述實驗的評價結果來看，經文章算法處理得到的目標接近于真實目標，具有較為理想的分割效果。
4 結束語
文章章在SAR影像分割研究中引入模糊聚類分析，設計了基于核模糊c-均值聚類與閾值分割結合的SAR影像分割算法，對SAR影像實現分割實驗。從實驗分析結果可以得出結論：核模糊c-均值聚類算法能較好得抑制SAR噪聲，分割結果的目標不含過多雜質，對SAR影像的分割具有較高的可靠性。
參考文獻
[1]L.E.Zadeh.Fussy sets[J].Information and Control，1965，8（3）：338-353.
[2]趙偉舟.基于模糊聚類的SAR影像分割研究與實現[J].電腦知識與技術，2008，3（4）：768-769+779.
[3]Girolami M.Mercer Kernel Based clustering in Feature.Space[J].IEEE Trans on Neural Networks，2002，13（3）：780-784.
[4]張莉，周傳達，焦李成.核聚類算法[J].計算機學報，2002，25（6）：587-590.
[5]伍忠東，高新波，謝維信.基于核方法的模糊聚類算法[J].西安電子科技大學學報（自然科學版），2004，31（4）：533-537.
[6]曲福恒，胡雅婷，馬駟良，等.基于核的模糊c-均值聚類算法的收斂性定理[J].吉林大學學報（理學版），2011，49（6）：1079-1086.
作者簡介：邱雙雙（1989，10-）女，籍貫：江西省吉安市，本科，主要研究方向：測繪。endprint
摘 要：由于SAR影像存在強烈的相干斑點噪聲，傳統的方法分割方法存在缺陷。文章在SAR影像分割研究中引入模糊聚類分析，設計了基于核模糊c-均值聚類與閾值分割結合的SAR影像分割算法，對SAR影像實現分割實驗，通過實驗分割結果的分析，證明了算法的可靠性。
關鍵詞：SAR影像分割；多項式核模糊c-均值聚類；閾值分割
引言
近年來，SAR影像在國民經濟、科技、資源利用的作用日益突出，其在國防軍事中的重要地位更是不可小覷。國內外對SAR影像的分割研究中，分割方法可分為基于圖像驅動及基于模型驅動的方法。前一種方法有基于直方圖閾值、邊緣檢測、區域增長等的算法，后一種方法有基于馬爾可夫隨機場、模糊理論、神經網絡、多尺度和分水嶺等模型算法。兩類SAR影像分割方法各自存在缺陷。
文章中，將模糊聚類理論應用于SAR海陸影像分割中，建立基于核模糊c-均值聚類與閾值分割結合的SAR影像組合分割模型，實現對SAR影像的分割，并對文章算法進行評價。
1 核模糊c-均值聚類基本理論
1.1 模糊數學與模糊集合
L.A.Zadeh在1965年[1]提出了模糊數學這一概念，用隸屬程度來描述差異的中間過渡，它是用精確的數學語言對模糊性的一種描述。在實際模式識別中，利用“最大隸屬度原則”[2]進行對象分類識別。
1.2 核模糊c-均值聚類
核模糊聚類引入了模糊聚類分析與核函數，對樣本進行軟劃分，并且對非超球體、被噪聲污染、多種模式原型混合以及不對稱數據等多種數據結構分割更為理想。Girolami M[3]和張莉等[4]提出了將核函數引入到聚類分析中，在高維特征空間中進行聚類。伍忠東等[5]進一步構造基于核函數的模糊核c-均值算法（KFCM）。曲福恒等[6]利用Zangwill 收斂性定理，證明了核模糊c-均值聚類算法（ KFCM） 的收斂性。
2 SAR組合分割算法
2.1 圖像預處理
選擇增強Lee濾波器對SAR原影像進行斑點去噪。
2.2 SAR影像粗分割
選用多項式核模糊c-均值聚類算法（以下記為pKFCMClust）將圖像分割為3類：為油膜，水體和待分類別。
2.3 SAR影像細分割
細分割中，對粗分割中的待分類別區域單獨進行閾值分割細分，最終劃分為兩類。
3 分割實驗
文章采用的數據為青島附近海域SAR影像，攝于2010年7月4日，影像上有海水和油膜兩種物體。
3.1 實驗
圖1 實驗1分割處理圖
從實驗結果圖中可看出，經文章算法處理的分割圖的輪廓更接近于實際邊緣的輪廓，不受高亮雜質噪聲的影響，分割效果較好。
3.2 實驗結果
從上述實驗的評價結果來看，經文章算法處理得到的目標接近于真實目標，具有較為理想的分割效果。
4 結束語
文章章在SAR影像分割研究中引入模糊聚類分析，設計了基于核模糊c-均值聚類與閾值分割結合的SAR影像分割算法，對SAR影像實現分割實驗。從實驗分析結果可以得出結論：核模糊c-均值聚類算法能較好得抑制SAR噪聲，分割結果的目標不含過多雜質，對SAR影像的分割具有較高的可靠性。
參考文獻
[1]L.E.Zadeh.Fussy sets[J].Information and Control，1965，8（3）：338-353.
[2]趙偉舟.基于模糊聚類的SAR影像分割研究與實現[J].電腦知識與技術，2008，3（4）：768-769+779.
[3]Girolami M.Mercer Kernel Based clustering in Feature.Space[J].IEEE Trans on Neural Networks，2002，13（3）：780-784.
[4]張莉，周傳達，焦李成.核聚類算法[J].計算機學報，2002，25（6）：587-590.
[5]伍忠東，高新波，謝維信.基于核方法的模糊聚類算法[J].西安電子科技大學學報（自然科學版），2004，31（4）：533-537.
[6]曲福恒，胡雅婷，馬駟良，等.基于核的模糊c-均值聚類算法的收斂性定理[J].吉林大學學報（理學版），2011，49（6）：1079-1086.
作者簡介：邱雙雙（1989，10-）女，籍貫：江西省吉安市，本科，主要研究方向：測繪。endprint
摘 要：由于SAR影像存在強烈的相干斑點噪聲，傳統的方法分割方法存在缺陷。文章在SAR影像分割研究中引入模糊聚類分析，設計了基于核模糊c-均值聚類與閾值分割結合的SAR影像分割算法，對SAR影像實現分割實驗，通過實驗分割結果的分析，證明了算法的可靠性。
關鍵詞：SAR影像分割；多項式核模糊c-均值聚類；閾值分割
引言
近年來，SAR影像在國民經濟、科技、資源利用的作用日益突出，其在國防軍事中的重要地位更是不可小覷。國內外對SAR影像的分割研究中，分割方法可分為基于圖像驅動及基于模型驅動的方法。前一種方法有基于直方圖閾值、邊緣檢測、區域增長等的算法，后一種方法有基于馬爾可夫隨機場、模糊理論、神經網絡、多尺度和分水嶺等模型算法。兩類SAR影像分割方法各自存在缺陷。
文章中，將模糊聚類理論應用于SAR海陸影像分割中，建立基于核模糊c-均值聚類與閾值分割結合的SAR影像組合分割模型，實現對SAR影像的分割，并對文章算法進行評價。
1 核模糊c-均值聚類基本理論
1.1 模糊數學與模糊集合
L.A.Zadeh在1965年[1]提出了模糊數學這一概念，用隸屬程度來描述差異的中間過渡，它是用精確的數學語言對模糊性的一種描述。在實際模式識別中，利用“最大隸屬度原則”[2]進行對象分類識別。
1.2 核模糊c-均值聚類
核模糊聚類引入了模糊聚類分析與核函數，對樣本進行軟劃分，并且對非超球體、被噪聲污染、多種模式原型混合以及不對稱數據等多種數據結構分割更為理想。Girolami M[3]和張莉等[4]提出了將核函數引入到聚類分析中，在高維特征空間中進行聚類。伍忠東等[5]進一步構造基于核函數的模糊核c-均值算法（KFCM）。曲福恒等[6]利用Zangwill 收斂性定理，證明了核模糊c-均值聚類算法（ KFCM） 的收斂性。
2 SAR組合分割算法
2.1 圖像預處理
選擇增強Lee濾波器對SAR原影像進行斑點去噪。
2.2 SAR影像粗分割
選用多項式核模糊c-均值聚類算法（以下記為pKFCMClust）將圖像分割為3類：為油膜，水體和待分類別。
2.3 SAR影像細分割
細分割中，對粗分割中的待分類別區域單獨進行閾值分割細分，最終劃分為兩類。
3 分割實驗
文章采用的數據為青島附近海域SAR影像，攝于2010年7月4日，影像上有海水和油膜兩種物體。
3.1 實驗
圖1 實驗1分割處理圖
從實驗結果圖中可看出，經文章算法處理的分割圖的輪廓更接近于實際邊緣的輪廓，不受高亮雜質噪聲的影響，分割效果較好。
3.2 實驗結果
從上述實驗的評價結果來看，經文章算法處理得到的目標接近于真實目標，具有較為理想的分割效果。
4 結束語
文章章在SAR影像分割研究中引入模糊聚類分析，設計了基于核模糊c-均值聚類與閾值分割結合的SAR影像分割算法，對SAR影像實現分割實驗。從實驗分析結果可以得出結論：核模糊c-均值聚類算法能較好得抑制SAR噪聲，分割結果的目標不含過多雜質，對SAR影像的分割具有較高的可靠性。
參考文獻
[1]L.E.Zadeh.Fussy sets[J].Information and Control，1965，8（3）：338-353.
[2]趙偉舟.基于模糊聚類的SAR影像分割研究與實現[J].電腦知識與技術，2008，3（4）：768-769+779.
[3]Girolami M.Mercer Kernel Based clustering in Feature.Space[J].IEEE Trans on Neural Networks，2002，13（3）：780-784.
[4]張莉，周傳達，焦李成.核聚類算法[J].計算機學報，2002，25（6）：587-590.
[5]伍忠東，高新波，謝維信.基于核方法的模糊聚類算法[J].西安電子科技大學學報（自然科學版），2004，31（4）：533-537.
[6]曲福恒，胡雅婷，馬駟良，等.基于核的模糊c-均值聚類算法的收斂性定理[J].吉林大學學報（理學版），2011，49（6）：1079-1086.
作者簡介：邱雙雙（1989，10-）女，籍貫：江西省吉安市，本科，主要研究方向：測繪。endprint
