|
3.
基于Shearlet 变换和Krawtchouk 矩不变量的河流SAR 图像分割
吴诗婳1, 吴一全1,2,3,4,5, 周建江1, 孟天亮1, 戴一冕1
应用科学学报
2015, 33 (1):
21-31.
DOI: 10.3969/j.issn.0255-8297.2015.01.003
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.
参考文献 |
相关文章 |
多维度评价 |
评论(0)
|
|