基于动态K均值聚类算法的SAR图像分割

doi:10.7523/j.issn.2095-6134.2016.05.015

中国科学院大学学报 ›› 2016, Vol. 33 ›› Issue (5): 674-678.DOI: 10.7523/j.issn.2095-6134.2016.05.015

基于动态K均值聚类算法的SAR图像分割

邢涛¹, 黄友红², 胡庆荣¹, 李军¹, 王冠勇¹

1 中国航天二院二十三所, 北京 100854;
2 中国人民解放军驻航天二院二十三所军代表室, 北京 100854

收稿日期:2016-01-11 修回日期:2016-04-05 发布日期:2016-09-15
通讯作者: 邢涛
基金资助:
国家自然科学基金（61271417）和高分专项青年创新基金（GFZX04060103）资助

SAR image segmentation based on dynamical K-means clustering algorithm

XING Tao¹, HUANG Youhong², HU Qingrong¹, LI Jun¹, WANG Guanyong¹

1 No. 23 Institute of the Second Academy of China Aerospace, Beijing 100854, China;
2 The PLA Office in No. 23 Institute of the Second Academy of China Aerospace, Beijing 100854, China

Received:2016-01-11 Revised:2016-04-05 Published:2016-09-15

摘要/Abstract

摘要：

针对SAR图像的分割问题，对K均值聚类算法进行研究.分析动态K均值聚类算法，用聚类样本数的正比函数对该聚类适应度函数进行平均，改进适应度函数的计算.毫米波SAR图像分割实验结果表明，对于城区建筑及路、桥场景的分割，改进后的动态K均值聚类算法和自适应动态K均值聚类算法的分割质量与改进前相同，但是分割时间有一定的减少，改进适应度函数后分割效率得到了提高.

关键词: 合成孔径雷达, 图像分割, 聚类, K均值

Abstract:

We present our study on SAR image segmentation based on K-means clustering. We analyze dynamical K-means clustering algorithms and improve the adaptation degree function computation method which divides the raw adaptation degree function by a direct ratio function of the sample number in clustering. Millimeter SAR image segmentation results verify that, for urban area, road, and bridge scenes segmentation, dynamical K-means clustering algorithm and adaptive dynamical K-means clustering algorithm with the improved adaptation degree function computation method have the same segmentation quality while the segmentation efficiency is higher than before.

Key words: synthetic aperture radar(SAR), image segmentation, clustering, K-means

中图分类号:

TN957

邢涛, 黄友红, 胡庆荣, 李军, 王冠勇. 基于动态K均值聚类算法的SAR图像分割[J]. 中国科学院大学学报, 2016, 33(5): 674-678.

XING Tao, HUANG Youhong, HU Qingrong, LI Jun, WANG Guanyong. SAR image segmentation based on dynamical K-means clustering algorithm[J]. , 2016, 33(5): 674-678.

参考文献

[1] Ghasr M T, Case J T, Zoughi R. Novel reflectometer for millimeter-wave 3-D holographic imaging[J]. IEEE Instrumentation and Measurement Society, 2014, 63(5):1328-1336.
[2] Fjortoft R, Gaudin J, Pourthie N, et al. KaRIn on SWOT:characteristics of near-nadir Ka-band interferometric SAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(4):2172-2185.
[3] Anghel A, Vasile G, Cacoveanu R, et al. Short-range wideband FMCW radar for millimetric displacement measurements[J]. IEEE Transactions on Geoscience and Remote Sensing,2014, 52(9):5633-5642.
[4] Zhang S X, Xing M D, Xia X G, et al. Focus improvement of high-squint SAR based on azimuth dependence of quadratic range cell migration correction[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(1):150-154.
[5] Fiss J, Curless B, Szeliski R. Refocusing plenoptic images using depth-adaptive splatting[C]//Proc of IEEE International Conference on Computational Photography. 2014:1-9.
[6] Garren D A. Smear signature morphology of surface targets with arbitrary motion in spotlight synthetic aperture radar imagery[J]. IET Radar, Sonar & Navigation, 2014, 8(5):435-448.
[7] 折小强, 仇晓兰, 韩冰, 等. 一种基于变换域的滑动聚束SAR调频率估计方法[J]. 雷达学报, 2014, 3(4):419-427.
[8] 邢涛, 李军, 王冠勇, 等. 基于非均匀快速傅里叶变换的SAR方位向运动补偿算法[J]. 电子与信息学报, 2014, 36(5):1023-1029.
[9] 赵冠雄, 沈汀. 高分辨率SAR图像桥梁自动提取算法[J]. 计算机工程与设计, 2014, 35(8):2793-2797.
[10] 陈祥,孙俊,尹奎英, 等. 基于Otsu与海域统计特性的SAR图像海陆分割算法[J]. 数据采集与处理, 2014, 29(4):603-608.
[11] 张新野. 基于聚类分析的图像分割方法研究[D].大连:大连海事大学,2012.
[12] 梁烨炜. K-均值聚类算法的改进及其应用[D].长沙:湖南大学,2012.
[13] Sulaiman S N, Isa N A M. Adaptive fuzzy-K-means clustering algorithm for image segmentation[J]. IEEE Transactions on Consumer Electronics, 2010, 56(14):2661-2668.
[14] 赵丽. 全局K-均值聚类算法研究与改进[D].西安:西安电子科技大学,2013.
[15] Likas, Vlassis M, Verbeek J. The global k-means clustering algorithm[J]. Pattern Recognition, 2003, 36(2):451-461.
[16] Mashor M Y. Hybrid training algorithm for RBF network[J]. International Journal of the Computer, 2000, 8(2):50-65.
[17] Borsotti M, Campadelli P, Schettini R. Quantitative evaluation of color image segmentation results[J]. Pattern Recognition Letters, 1998, 19(8):741-747.

基于动态K均值聚类算法的SAR图像分割

SAR image segmentation based on dynamical K-means clustering algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[2]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.
[3]	刘雨洁, 齐向阳. 基于长时间间隔序贯SAR图像的运动舰船跟踪方法[J]. 中国科学院大学学报, 2021, 38(5): 642-648.
[4]	潘志刚, 王超, 曹舸. 基于距离方程组的机载SAR图像立体定位方法[J]. 中国科学院大学学报, 2020, 37(6): 798-804.
[5]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[6]	田东, 禹卫东. 电离层色散效应对星载SAR成像的影响[J]. 中国科学院大学学报, 2019, 36(3): 376-384.
[7]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[8]	杨随心, 耿修瑞, 杨炜暾, 赵永超, 卢晓军. 一种基于谱聚类算法的高光谱遥感图像分类方法[J]. 中国科学院大学学报, 2019, 36(2): 267-274.
[9]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[10]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[11]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[12]	杨国铮, 禹晶, 孙卫东. 基于相对全变分的复杂背景SAR图像舰船尾迹检测[J]. 中国科学院大学学报, 2017, 34(6): 734-742.
[13]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[14]	隋小芸, 朱廷劭, 汪静莹. 基于局部特征优化的语音情感识别[J]. 中国科学院大学学报, 2017, 34(4): 431-438.
[15]	潘志刚, 王小龙, 李志勇. SAR原始数据压缩的自适应比特分配BAQ算法[J]. 中国科学院大学学报, 2017, 34(1): 106-111.