基于核模糊c—均值聚类与阈值分割的SAR影像分割算法
2014-12-13 15:46邱双双
科技创新与应用 2014年35期
摘 要：由于SAR影像存在强烈的相干斑点噪声，传统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类分析，设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法，对SAR影像实现分割实验，通过实验分割结果的分析，证明了算法的可靠性。
关键词：SAR影像分割；多项式核模糊c-均值聚类；阈值分割
引言
近年来，SAR影像在国民经济、科技、资源利用的作用日益突出，其在国防军事中的重要地位更是不可小觑。国内外对SAR影像的分割研究中，分割方法可分为基于图像驱动及基于模型驱动的方法。前一种方法有基于直方图阈值、边缘检测、区域增长等的算法，后一种方法有基于马尔可夫随机场、模糊理论、神经网络、多尺度和分水岭等模型算法。两类SAR影像分割方法各自存在缺陷。
文章中，将模糊聚类理论应用于SAR海陆影像分割中，建立基于核模糊c-均值聚类与阈值分割结合的SAR影像组合分割模型，实现对SAR影像的分割，并对文章算法进行评价。
1 核模糊c-均值聚类基本理论
1.1 模糊数学与模糊集合
L.A.Zadeh在1965年[1]提出了模糊数学这一概念，用隶属程度来描述差异的中间过渡，它是用精确的数学语言对模糊性的一种描述。在实际模式识别中，利用“最大隶属度原则”[2]进行对象分类识别。
1.2 核模糊c-均值聚类
核模糊聚类引入了模糊聚类分析与核函数，对样本进行软划分，并且对非超球体、被噪声污染、多种模式原型混合以及不对称数据等多种数据结构分割更为理想。Girolami M[3]和张莉等[4]提出了将核函数引入到聚类分析中，在高维特征空间中进行聚类。伍忠东等[5]进一步构造基于核函数的模糊核c-均值算法（KFCM）。曲福恒等[6]利用Zangwill 收敛性定理，证明了核模糊c-均值聚类算法（ KFCM） 的收敛性。
2 SAR组合分割算法
2.1 图像预处理
选择增强Lee滤波器对SAR原影像进行斑点去噪。
2.2 SAR影像粗分割
选用多项式核模糊c-均值聚类算法（以下记为pKFCMClust）将图像分割为3类：为油膜，水体和待分类别。
2.3 SAR影像细分割
细分割中，对粗分割中的待分类别区域单独进行阈值分割细分，最终划分为两类。
3 分割实验
文章采用的数据为青岛附近海域SAR影像，摄于2010年7月4日，影像上有海水和油膜两种物体。
3.1 实验
图1 实验1分割处理图
从实验结果图中可看出，经文章算法处理的分割图的轮廓更接近于实际边缘的轮廓，不受高亮杂质噪声的影响，分割效果较好。
3.2 实验结果
从上述实验的评价结果来看，经文章算法处理得到的目标接近于真实目标，具有较为理想的分割效果。
4 结束语
文章章在SAR影像分割研究中引入模糊聚类分析，设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法，对SAR影像实现分割实验。从实验分析结果可以得出结论：核模糊c-均值聚类算法能较好得抑制SAR噪声，分割结果的目标不含过多杂质，对SAR影像的分割具有较高的可靠性。
参考文献
[1]L.E.Zadeh.Fussy sets[J].Information and Control，1965，8（3）：338-353.
[2]赵伟舟.基于模糊聚类的SAR影像分割研究与实现[J].电脑知识与技术，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]张莉，周传达，焦李成.核聚类算法[J].计算机学报，2002，25（6）：587-590.
[5]伍忠东，高新波，谢维信.基于核方法的模糊聚类算法[J].西安电子科技大学学报（自然科学版），2004，31（4）：533-537.
[6]曲福恒，胡雅婷，马驷良，等.基于核的模糊c-均值聚类算法的收敛性定理[J].吉林大学学报（理学版），2011，49（6）：1079-1086.
作者简介：邱双双（1989，10-）女，籍贯：江西省吉安市，本科，主要研究方向：测绘。endprint
摘 要：由于SAR影像存在强烈的相干斑点噪声，传统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类分析，设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法，对SAR影像实现分割实验，通过实验分割结果的分析，证明了算法的可靠性。
关键词：SAR影像分割；多项式核模糊c-均值聚类；阈值分割
引言
近年来，SAR影像在国民经济、科技、资源利用的作用日益突出，其在国防军事中的重要地位更是不可小觑。国内外对SAR影像的分割研究中，分割方法可分为基于图像驱动及基于模型驱动的方法。前一种方法有基于直方图阈值、边缘检测、区域增长等的算法，后一种方法有基于马尔可夫随机场、模糊理论、神经网络、多尺度和分水岭等模型算法。两类SAR影像分割方法各自存在缺陷。
文章中，将模糊聚类理论应用于SAR海陆影像分割中，建立基于核模糊c-均值聚类与阈值分割结合的SAR影像组合分割模型，实现对SAR影像的分割，并对文章算法进行评价。
1 核模糊c-均值聚类基本理论
1.1 模糊数学与模糊集合
L.A.Zadeh在1965年[1]提出了模糊数学这一概念，用隶属程度来描述差异的中间过渡，它是用精确的数学语言对模糊性的一种描述。在实际模式识别中，利用“最大隶属度原则”[2]进行对象分类识别。
1.2 核模糊c-均值聚类
核模糊聚类引入了模糊聚类分析与核函数，对样本进行软划分，并且对非超球体、被噪声污染、多种模式原型混合以及不对称数据等多种数据结构分割更为理想。Girolami M[3]和张莉等[4]提出了将核函数引入到聚类分析中，在高维特征空间中进行聚类。伍忠东等[5]进一步构造基于核函数的模糊核c-均值算法（KFCM）。曲福恒等[6]利用Zangwill 收敛性定理，证明了核模糊c-均值聚类算法（ KFCM） 的收敛性。
2 SAR组合分割算法
2.1 图像预处理
选择增强Lee滤波器对SAR原影像进行斑点去噪。
2.2 SAR影像粗分割
选用多项式核模糊c-均值聚类算法（以下记为pKFCMClust）将图像分割为3类：为油膜，水体和待分类别。
2.3 SAR影像细分割
细分割中，对粗分割中的待分类别区域单独进行阈值分割细分，最终划分为两类。
3 分割实验
文章采用的数据为青岛附近海域SAR影像，摄于2010年7月4日，影像上有海水和油膜两种物体。
3.1 实验
图1 实验1分割处理图
从实验结果图中可看出，经文章算法处理的分割图的轮廓更接近于实际边缘的轮廓，不受高亮杂质噪声的影响，分割效果较好。
3.2 实验结果
从上述实验的评价结果来看，经文章算法处理得到的目标接近于真实目标，具有较为理想的分割效果。
4 结束语
文章章在SAR影像分割研究中引入模糊聚类分析，设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法，对SAR影像实现分割实验。从实验分析结果可以得出结论：核模糊c-均值聚类算法能较好得抑制SAR噪声，分割结果的目标不含过多杂质，对SAR影像的分割具有较高的可靠性。
参考文献
[1]L.E.Zadeh.Fussy sets[J].Information and Control，1965，8（3）：338-353.
[2]赵伟舟.基于模糊聚类的SAR影像分割研究与实现[J].电脑知识与技术，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]张莉，周传达，焦李成.核聚类算法[J].计算机学报，2002，25（6）：587-590.
[5]伍忠东，高新波，谢维信.基于核方法的模糊聚类算法[J].西安电子科技大学学报（自然科学版），2004，31（4）：533-537.
[6]曲福恒，胡雅婷，马驷良，等.基于核的模糊c-均值聚类算法的收敛性定理[J].吉林大学学报（理学版），2011，49（6）：1079-1086.
作者简介：邱双双（1989，10-）女，籍贯：江西省吉安市，本科，主要研究方向：测绘。endprint
摘 要：由于SAR影像存在强烈的相干斑点噪声，传统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类分析，设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法，对SAR影像实现分割实验，通过实验分割结果的分析，证明了算法的可靠性。
关键词：SAR影像分割；多项式核模糊c-均值聚类；阈值分割
引言
近年来，SAR影像在国民经济、科技、资源利用的作用日益突出，其在国防军事中的重要地位更是不可小觑。国内外对SAR影像的分割研究中，分割方法可分为基于图像驱动及基于模型驱动的方法。前一种方法有基于直方图阈值、边缘检测、区域增长等的算法，后一种方法有基于马尔可夫随机场、模糊理论、神经网络、多尺度和分水岭等模型算法。两类SAR影像分割方法各自存在缺陷。
文章中，将模糊聚类理论应用于SAR海陆影像分割中，建立基于核模糊c-均值聚类与阈值分割结合的SAR影像组合分割模型，实现对SAR影像的分割，并对文章算法进行评价。
1 核模糊c-均值聚类基本理论
1.1 模糊数学与模糊集合
L.A.Zadeh在1965年[1]提出了模糊数学这一概念，用隶属程度来描述差异的中间过渡，它是用精确的数学语言对模糊性的一种描述。在实际模式识别中，利用“最大隶属度原则”[2]进行对象分类识别。
1.2 核模糊c-均值聚类
核模糊聚类引入了模糊聚类分析与核函数，对样本进行软划分，并且对非超球体、被噪声污染、多种模式原型混合以及不对称数据等多种数据结构分割更为理想。Girolami M[3]和张莉等[4]提出了将核函数引入到聚类分析中，在高维特征空间中进行聚类。伍忠东等[5]进一步构造基于核函数的模糊核c-均值算法（KFCM）。曲福恒等[6]利用Zangwill 收敛性定理，证明了核模糊c-均值聚类算法（ KFCM） 的收敛性。
2 SAR组合分割算法
2.1 图像预处理
选择增强Lee滤波器对SAR原影像进行斑点去噪。
2.2 SAR影像粗分割
选用多项式核模糊c-均值聚类算法（以下记为pKFCMClust）将图像分割为3类：为油膜，水体和待分类别。
2.3 SAR影像细分割
细分割中，对粗分割中的待分类别区域单独进行阈值分割细分，最终划分为两类。
3 分割实验
文章采用的数据为青岛附近海域SAR影像，摄于2010年7月4日，影像上有海水和油膜两种物体。
3.1 实验
图1 实验1分割处理图
从实验结果图中可看出，经文章算法处理的分割图的轮廓更接近于实际边缘的轮廓，不受高亮杂质噪声的影响，分割效果较好。
3.2 实验结果
从上述实验的评价结果来看，经文章算法处理得到的目标接近于真实目标，具有较为理想的分割效果。
4 结束语
文章章在SAR影像分割研究中引入模糊聚类分析，设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法，对SAR影像实现分割实验。从实验分析结果可以得出结论：核模糊c-均值聚类算法能较好得抑制SAR噪声，分割结果的目标不含过多杂质，对SAR影像的分割具有较高的可靠性。
参考文献
[1]L.E.Zadeh.Fussy sets[J].Information and Control，1965，8（3）：338-353.
[2]赵伟舟.基于模糊聚类的SAR影像分割研究与实现[J].电脑知识与技术，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]张莉，周传达，焦李成.核聚类算法[J].计算机学报，2002，25（6）：587-590.
[5]伍忠东，高新波，谢维信.基于核方法的模糊聚类算法[J].西安电子科技大学学报（自然科学版），2004，31（4）：533-537.
[6]曲福恒，胡雅婷，马驷良，等.基于核的模糊c-均值聚类算法的收敛性定理[J].吉林大学学报（理学版），2011，49（6）：1079-1086.
作者简介：邱双双（1989，10-）女，籍贯：江西省吉安市，本科，主要研究方向：测绘。endprint
