专利名称：基于并行免疫克隆聚类的sar图像分割方法
技术领域：
本发明属于图像处理技术领域，涉及SAR图像分割，可用于雷达目标检测和目标识别。
背景技术：
合成孔径雷达SAR具有全天时、全天候的探测与侦察能力。它利用脉冲压缩技术获得高的距离分辨率，利用合成孔径原理提高方位分辨率，从而相比真实孔径雷达在遥感领域具有独特的优势。对SAR图像的理解和解译属于图像处理范畴，还涉及信号处理，模式识别及机器学习等众多学科。SAR图像分割作为SAR图像处理的关键环节之一，在国防和民用领域正受到越来越广泛的关注。现有的SAR图像分割方法有阈值分割法、形态学的方法、 聚类的方法、及随机场的方法等。其中，基于聚类的SAR图像分割方法，是将SAR图像中具有某方面相似特征的区域尽量划分成一类。已经有很多成熟的聚类算法被用到SAR图像分割中。其中包括免疫克隆聚类算法，它具有并行性和搜索变化的随机性，在搜索中不易陷入局部最优值，能以较大的概率获得问题的全局最优解，且具有较快的收敛速度。但随着科学技术的发展，在实际SAR 图像分割中，经常遇到大规模、超高维、复杂分布的数据，对于这些数据，现有的免疫克隆聚类算法由于受到算法里面操作算子复杂度的限制，在时间和分割效果上都显得力不从心， 无法在有限的时间内给出令人满意的分割结果。
发明内容
本发明的目的在于克服上述已有技术的不足，提出了一种基于并行免疫克隆聚类的SAR图像分割方法，以减小聚类的时间和空间复杂度，从而能够有效快速的对大规模数据的SAR图像进行分割。为实现上述目的，本发明包括以下步骤(1)对待分割的SAR图像进行3层平稳小波变换，图像像素点总个数为z，对每个像素点提取出10维子带能量特征，构成大小为ZXlO的输入数据样本X = IxiIi = 1， 2 j ... j ζ}
权利要求
1.一种基于并行免疫克隆聚类的SAR图像分割算法，包括以下步骤(1)对待分割的SAR图像进行3层平稳小波变换，图像像素点总个数为z，对每个像素点提取出10维子带能量特征，构成大小为ζΧΙΟ的输入数据样本X= {Xi|i = 1,2,...，
2.根据权利要求1所述的SAR图像分割方法，其中步骤(4)所述的对各个处理器节点上的分块数据进行免疫克隆局部优化，并在优化过程中对优秀抗体按亲和度值从大到小排序迁移，按照如下步骤进行4a)设置免疫克隆初始参数迭代次数T = 9，抗体种群大小η = 20，克隆规模经验值 n。= 50，多项式变异概率Pm = 0. 5 ；4b)对每个处理器节点上的分块数据随机选取m个样本点实数编码作为初始抗体Ai = (A1, A2, -,Ak), i = 1,…，n，n表示选择抗体种群大小，k表示聚类中心个数，然后对每个初始抗体进行解码，得到η组候选聚类中心；4c)根据候选聚类中心对初始抗体Ai按照PBM指标计算每个抗体的亲和度
3.根据权利要求1所述的SAR图像分割方法，步骤(3a)所述的用createjob命令创建作业，其中创建作业是指由用户建立指定操作。步骤(3c)所述的用waiti^orState命令将各个任务安排到相应的任务队列里等待各个处理器节点的执行，其中各个任务是指分配到各个处理器节点的分块数据将要执行的免疫克隆优化算法。
全文摘要
本发明公开了一种并行免疫克隆聚类的SAR图像分割技术方法，主要解决现有聚类技术在解决大规模SAR图像分割时速度慢、分割效果不理想问题。其实现过程是1)对待分割的SAR图像提取特征得到输入数据样本；2)配置MATLAB并行计算环境；3)在并行计算环境中将数据样本向各个处理器进行并行任务划分；4)对各个处理器上的分块数据免疫克隆优化并迁移，得到聚类中心和相应聚类标签；5)将聚类标签与SAR图像像素点一一对应，得到分割结果。本发明能够有效克服现有聚类技术在运算量和存储空间上的瓶颈问题，对大规模SAR图像分割效果显著，适用于SAR图像目标检测和目标识别。
文档编号G06T5/00GK102360497SQ20111031906
公开日2012年2月22日 申请日期2011年10月19日 优先权日2011年10月19日
发明者庄雄, 张向荣, 徐聪, 杨淑媛, 杨静瑜, 焦李成, 缑水平, 费全花 申请人:西安电子科技大学