应用科学学报
應用科學學報
응용과학학보
JOURNAL OF APPLIED SCIENCES
2015年
1期
21-31
,共11页
吴诗婳%吴一全%周建江%孟天亮%戴一冕
吳詩婳%吳一全%週建江%孟天亮%戴一冕
오시획%오일전%주건강%맹천량%대일면
河流检测%SAR图像分割%Shearlet变换%Krawtchouk矩不变量%模糊局部信息C均值聚类
河流檢測%SAR圖像分割%Shearlet變換%Krawtchouk矩不變量%模糊跼部信息C均值聚類
하류검측%SAR도상분할%Shearlet변환%Krawtchouk구불변량%모호국부신식C균치취류
river detection%SAR image segmentation%Shearlet transform%Krawtchouk moment invariant%fuzzy local information C-means clustering (FLICM)
合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SAR图像进行Shearlet分解,提取其纹理特征,构成特征向量的前半部分;然后,计算河流SAR图像的Krawtchouk矩不变量,作为其形状特征,构成特征向量的后半部分;最后,利用模糊局部信息C均值算法依照上述特征向量进行聚类,由此得到河流SAR图像分割结果.大量实验结果表明,与近年来提出的脉冲耦合神经网络结合最大方差比准则分割法、Gabor小波变换结合模糊C均值聚类分割法、FLICM聚类分割法相比,所提出的方法在主观视觉效果以及客观定量评价指标误分割率上均有明显优势,且分割河流SAR图像更加准确.
閤成孔徑雷達(synthetic aperture radar,SAR)圖像分割是河流檢測與識彆的關鍵步驟,為瞭進一步提高河流SAR圖像分割的準確性,提齣一種基于Shearlet變換、Krawtchouk矩不變量及模糊跼部信息C均值聚類的河流SAR圖像分割方法.首先,對河流SAR圖像進行Shearlet分解,提取其紋理特徵,構成特徵嚮量的前半部分;然後,計算河流SAR圖像的Krawtchouk矩不變量,作為其形狀特徵,構成特徵嚮量的後半部分;最後,利用模糊跼部信息C均值算法依照上述特徵嚮量進行聚類,由此得到河流SAR圖像分割結果.大量實驗結果錶明,與近年來提齣的脈遲耦閤神經網絡結閤最大方差比準則分割法、Gabor小波變換結閤模糊C均值聚類分割法、FLICM聚類分割法相比,所提齣的方法在主觀視覺效果以及客觀定量評價指標誤分割率上均有明顯優勢,且分割河流SAR圖像更加準確.
합성공경뢰체(synthetic aperture radar,SAR)도상분할시하류검측여식별적관건보취,위료진일보제고하류SAR도상분할적준학성,제출일충기우Shearlet변환、Krawtchouk구불변량급모호국부신식C균치취류적하류SAR도상분할방법.수선,대하류SAR도상진행Shearlet분해,제취기문리특정,구성특정향량적전반부분;연후,계산하류SAR도상적Krawtchouk구불변량,작위기형상특정,구성특정향량적후반부분;최후,이용모호국부신식C균치산법의조상술특정향량진행취류,유차득도하류SAR도상분할결과.대량실험결과표명,여근년래제출적맥충우합신경망락결합최대방차비준칙분할법、Gabor소파변환결합모호C균치취류분할법、FLICM취류분할법상비,소제출적방법재주관시각효과이급객관정량평개지표오분할솔상균유명현우세,차분할하류SAR도상경가준학.
