摘 要：由于SAR影像存在強(qiáng)烈的相干斑點(diǎn)噪聲，傳統(tǒng)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(shè)計(jì)了基于核模糊c-均值聚類與閾值分割結(jié)合的SAR影像分割算法，對SAR影像實(shí)現(xiàn)分割實(shí)驗(yàn)，通過實(shí)驗(yàn)分割結(jié)果的分析，證明了算法的可靠性。

關(guān)鍵詞：SAR影像分割；多項(xiàng)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(jīng)濟(jì)、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(nèi)外對SAR影像的分割研究中，分割方法可分為基于圖像驅(qū)動(dòng)及基于模型驅(qū)動(dòng)的方法。前一種方法有基于直方圖閾值、邊緣檢測、區(qū)域增長等的算法，后一種方法有基于馬爾可夫隨機(jī)場、模糊理論、神經(jīng)網(wǎng)絡(luò)、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(yīng)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(jié)合的SAR影像組合分割模型，實(shí)現(xiàn)對SAR影像的分割，并對文章算法進(jìn)行評價(jià)。

1 核模糊c-均值聚類基本理論

1.1 模糊數(shù)學(xué)與模糊集合

L.A.Zadeh在1965年[1]提出了模糊數(shù)學(xué)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(shù)學(xué)語言對模糊性的一種描述。在實(shí)際模式識(shí)別中，利用“最大隸屬度原則”[2]進(jìn)行對象分類識(shí)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(shù)，對樣本進(jìn)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(shù)據(jù)等多種數(shù)據(jù)結(jié)構(gòu)分割更為理想。Girolami M[3]和張莉等[4]提出了將核函數(shù)引入到聚類分析中，在高維特征空間中進(jìn)行聚類。伍忠東等[5]進(jìn)一步構(gòu)造基于核函數(shù)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(yù)處理

選擇增強(qiáng)Lee濾波器對SAR原影像進(jìn)行斑點(diǎn)去噪。

2.2 SAR影像粗分割

選用多項(xiàng)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(xì)分割

細(xì)分割中，對粗分割中的待分類別區(qū)域單獨(dú)進(jìn)行閾值分割細(xì)分，最終劃分為兩類。

3 分割實(shí)驗(yàn)

文章采用的數(shù)據(jù)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(shí)驗(yàn)

圖1 實(shí)驗(yàn)1分割處理圖

從實(shí)驗(yàn)結(jié)果圖中可看出，經(jīng)文章算法處理的分割圖的輪廓更接近于實(shí)際邊緣的輪廓，不受高亮雜質(zhì)噪聲的影響，分割效果較好。

3.2 實(shí)驗(yàn)結(jié)果

從上述實(shí)驗(yàn)的評價(jià)結(jié)果來看，經(jīng)文章算法處理得到的目標(biāo)接近于真實(shí)目標(biāo)，具有較為理想的分割效果。

4 結(jié)束語

文章章在SAR影像分割研究中引入模糊聚類分析，設(shè)計(jì)了基于核模糊c-均值聚類與閾值分割結(jié)合的SAR影像分割算法，對SAR影像實(shí)現(xiàn)分割實(shí)驗(yàn)。從實(shí)驗(yàn)分析結(jié)果可以得出結(jié)論：核模糊c-均值聚類算法能較好得抑制SAR噪聲，分割結(jié)果的目標(biāo)不含過多雜質(zhì)，對SAR影像的分割具有較高的可靠性。

參考文獻(xiàn)

[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(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，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(dá)，焦李成.核聚類算法[J].計(jì)算機(jī)學(xué)報(bào)，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(xué)學(xué)報(bào)（自然科學(xué)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(xué)學(xué)報(bào)（理學(xué)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(qiáng)烈的相干斑點(diǎn)噪聲，傳統(tǒng)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(shè)計(jì)了基于核模糊c-均值聚類與閾值分割結(jié)合的SAR影像分割算法，對SAR影像實(shí)現(xiàn)分割實(shí)驗(yàn)，通過實(shí)驗(yàn)分割結(jié)果的分析，證明了算法的可靠性。

關(guān)鍵詞：SAR影像分割；多項(xiàng)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(jīng)濟(jì)、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(nèi)外對SAR影像的分割研究中，分割方法可分為基于圖像驅(qū)動(dòng)及基于模型驅(qū)動(dòng)的方法。前一種方法有基于直方圖閾值、邊緣檢測、區(qū)域增長等的算法，后一種方法有基于馬爾可夫隨機(jī)場、模糊理論、神經(jīng)網(wǎng)絡(luò)、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(yīng)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(jié)合的SAR影像組合分割模型，實(shí)現(xiàn)對SAR影像的分割，并對文章算法進(jìn)行評價(jià)。

1 核模糊c-均值聚類基本理論

1.1 模糊數(shù)學(xué)與模糊集合

L.A.Zadeh在1965年[1]提出了模糊數(shù)學(xué)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(shù)學(xué)語言對模糊性的一種描述。在實(shí)際模式識(shí)別中，利用“最大隸屬度原則”[2]進(jìn)行對象分類識(shí)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(shù)，對樣本進(jìn)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(shù)據(jù)等多種數(shù)據(jù)結(jié)構(gòu)分割更為理想。Girolami M[3]和張莉等[4]提出了將核函數(shù)引入到聚類分析中，在高維特征空間中進(jìn)行聚類。伍忠東等[5]進(jìn)一步構(gòu)造基于核函數(shù)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(yù)處理

選擇增強(qiáng)Lee濾波器對SAR原影像進(jìn)行斑點(diǎn)去噪。

2.2 SAR影像粗分割

選用多項(xiàng)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(xì)分割

細(xì)分割中，對粗分割中的待分類別區(qū)域單獨(dú)進(jìn)行閾值分割細(xì)分，最終劃分為兩類。

3 分割實(shí)驗(yàn)

文章采用的數(shù)據(jù)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(shí)驗(yàn)

圖1 實(shí)驗(yàn)1分割處理圖

從實(shí)驗(yàn)結(jié)果圖中可看出，經(jīng)文章算法處理的分割圖的輪廓更接近于實(shí)際邊緣的輪廓，不受高亮雜質(zhì)噪聲的影響，分割效果較好。

3.2 實(shí)驗(yàn)結(jié)果

從上述實(shí)驗(yàn)的評價(jià)結(jié)果來看，經(jīng)文章算法處理得到的目標(biāo)接近于真實(shí)目標(biāo)，具有較為理想的分割效果。

4 結(jié)束語

文章章在SAR影像分割研究中引入模糊聚類分析，設(shè)計(jì)了基于核模糊c-均值聚類與閾值分割結(jié)合的SAR影像分割算法，對SAR影像實(shí)現(xiàn)分割實(shí)驗(yàn)。從實(shí)驗(yàn)分析結(jié)果可以得出結(jié)論：核模糊c-均值聚類算法能較好得抑制SAR噪聲，分割結(jié)果的目標(biāo)不含過多雜質(zhì)，對SAR影像的分割具有較高的可靠性。

參考文獻(xiàn)

[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(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，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(dá)，焦李成.核聚類算法[J].計(jì)算機(jī)學(xué)報(bào)，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(xué)學(xué)報(bào)（自然科學(xué)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(xué)學(xué)報(bào)（理學(xué)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(qiáng)烈的相干斑點(diǎn)噪聲，傳統(tǒng)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(shè)計(jì)了基于核模糊c-均值聚類與閾值分割結(jié)合的SAR影像分割算法，對SAR影像實(shí)現(xiàn)分割實(shí)驗(yàn)，通過實(shí)驗(yàn)分割結(jié)果的分析，證明了算法的可靠性。

關(guān)鍵詞：SAR影像分割；多項(xiàng)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(jīng)濟(jì)、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(nèi)外對SAR影像的分割研究中，分割方法可分為基于圖像驅(qū)動(dòng)及基于模型驅(qū)動(dòng)的方法。前一種方法有基于直方圖閾值、邊緣檢測、區(qū)域增長等的算法，后一種方法有基于馬爾可夫隨機(jī)場、模糊理論、神經(jīng)網(wǎng)絡(luò)、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(yīng)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(jié)合的SAR影像組合分割模型，實(shí)現(xiàn)對SAR影像的分割，并對文章算法進(jìn)行評價(jià)。

1 核模糊c-均值聚類基本理論

1.1 模糊數(shù)學(xué)與模糊集合

L.A.Zadeh在1965年[1]提出了模糊數(shù)學(xué)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(shù)學(xué)語言對模糊性的一種描述。在實(shí)際模式識(shí)別中，利用“最大隸屬度原則”[2]進(jìn)行對象分類識(shí)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(shù)，對樣本進(jìn)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(shù)據(jù)等多種數(shù)據(jù)結(jié)構(gòu)分割更為理想。Girolami M[3]和張莉等[4]提出了將核函數(shù)引入到聚類分析中，在高維特征空間中進(jìn)行聚類。伍忠東等[5]進(jìn)一步構(gòu)造基于核函數(shù)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(yù)處理

選擇增強(qiáng)Lee濾波器對SAR原影像進(jìn)行斑點(diǎn)去噪。

2.2 SAR影像粗分割

選用多項(xiàng)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(xì)分割

細(xì)分割中，對粗分割中的待分類別區(qū)域單獨(dú)進(jìn)行閾值分割細(xì)分，最終劃分為兩類。

3 分割實(shí)驗(yàn)

文章采用的數(shù)據(jù)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(shí)驗(yàn)

圖1 實(shí)驗(yàn)1分割處理圖

從實(shí)驗(yàn)結(jié)果圖中可看出，經(jīng)文章算法處理的分割圖的輪廓更接近于實(shí)際邊緣的輪廓，不受高亮雜質(zhì)噪聲的影響，分割效果較好。

3.2 實(shí)驗(yàn)結(jié)果

從上述實(shí)驗(yàn)的評價(jià)結(jié)果來看，經(jīng)文章算法處理得到的目標(biāo)接近于真實(shí)目標(biāo)，具有較為理想的分割效果。

4 結(jié)束語

文章章在SAR影像分割研究中引入模糊聚類分析，設(shè)計(jì)了基于核模糊c-均值聚類與閾值分割結(jié)合的SAR影像分割算法，對SAR影像實(shí)現(xiàn)分割實(shí)驗(yàn)。從實(shí)驗(yàn)分析結(jié)果可以得出結(jié)論：核模糊c-均值聚類算法能較好得抑制SAR噪聲，分割結(jié)果的目標(biāo)不含過多雜質(zhì)，對SAR影像的分割具有較高的可靠性。

參考文獻(xiàn)

[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(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，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(dá)，焦李成.核聚類算法[J].計(jì)算機(jī)學(xué)報(bào)，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(xué)學(xué)報(bào)（自然科學(xué)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(xué)學(xué)報(bào)（理學(xué)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