基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割 |
| |
引用本文: | 吴诗婳,吴一全,周建江,孟天亮,戴一冕.基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割[J].应用科学学报,2015(1):21-31. |
| |
作者姓名: | 吴诗婳 吴一全 周建江 孟天亮 戴一冕 |
| |
作者单位: | 南京航空航天大学电子信息工程学院;长江水利委员会长江科学院武汉市智慧流域工程技术研究中心;黄河水利委员会黄河水利科学研究院 水利部黄河泥沙重点实验室;哈尔滨工业大学 城市水资源与水环境国家重点实验室;南京水利科学研究院 港口航道泥沙工程交通行业重点实验室 |
| |
基金项目: | 国家自然科学基金(No.60872065);长江科学院开放基金(No.CKWV2013225/KY);水利部黄河泥沙重点实验室开放基金(No.2014006);城市水资源与水环境国家重点实验室开放基金(No.LYPK201304);港口航道泥沙工程交通行业重点实验室开放基金;江苏高校优势学科建设工程基金资助 |
| |
摘 要: | 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.
|
关 键 词: | 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 |
本文献已被 CNKI 等数据库收录! |
|