基于稀疏域噪聲分布約束的sar圖像抑斑方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于稀疏域噪聲分布約束的SAR圖像抑斑方法，主要解決現(xiàn)有抑斑方法不能同時(shí)保持圖像紋理細(xì)節(jié)及輻射特性的問(wèn)題。主要步驟為：1.對(duì)原始SAR圖像進(jìn)行對(duì)數(shù)變換，將變換后的圖像劃分成重疊的大小相同子圖像塊，并用K均值聚類(lèi)的方法對(duì)圖像塊進(jìn)行聚類(lèi)；2.用主成分分析的方法求出每一個(gè)聚類(lèi)的稀疏表示子字典，并用非局部均值算法計(jì)算每個(gè)子圖像塊對(duì)應(yīng)的無(wú)噪子圖的稀疏表示系數(shù)的估計(jì)值；3.用軟閾值收縮算法求得最終的無(wú)噪稀疏表示系數(shù)，并通過(guò)反稀疏變換得到去噪后的子圖像塊；4.拼接子圖像塊并使用反對(duì)數(shù)變換得到抑斑后的SAR圖像。本發(fā)明相干斑抑制能力強(qiáng)，圖像的紋理細(xì)節(jié)及輻射特性保持好，可用于目標(biāo)識(shí)別與特征提取。
【專(zhuān)利說(shuō)明】基于稀疏域噪聲分布約束的SAR圖像抑斑方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，具體地說(shuō)是一種合成孔徑雷達(dá)SAR圖像抑斑方法，可用于目標(biāo)識(shí)別與特征提取。
【背景技術(shù)】
[0002]合成孔徑雷達(dá)是一種主動(dòng)式微波遙感器件，具有全天時(shí)，全天候成像能力，在軍事和民用方面得到了廣泛的應(yīng)用。但是SAR的相干成像機(jī)制導(dǎo)致成像結(jié)果含有很強(qiáng)的相干斑噪聲，使得目標(biāo)的識(shí)別和特征提取變得相當(dāng)困難，因此有必要展開(kāi)SAR圖像的相干斑抑制工作。
[0003]SAR圖像抑斑主要有兩個(gè)目標(biāo)，其一是有效地抑制圖像同質(zhì)區(qū)域的相干斑噪聲，其二是盡可能的保留圖像中場(chǎng)景的邊緣，紋理，點(diǎn)目標(biāo)等細(xì)節(jié)信息。
[0004]最初的SAR圖像抑斑采用空域的處理方法，在上世紀(jì)80年代得到了極大的發(fā)展，涌現(xiàn)了很多優(yōu)秀濾波算 法，例如，Lee濾波器，Kuan濾波器，F(xiàn)rost濾波器及其增強(qiáng)版本等。這些降班方法都是利用圖像的局部 圖像塊信息進(jìn)行去噪，其優(yōu)點(diǎn)是圖像的輻射特性保持很好，但是大小固定的濾波窗口容易對(duì)圖像的細(xì)節(jié)和紋理產(chǎn)生過(guò)平滑現(xiàn)象。
[0005]CA Deledalle等人在2009年提出的“基于圖像塊最大似然概率迭代加權(quán)的SAR去噪”簡(jiǎn)記為PPB方法，是迄今為止最優(yōu)秀的去噪方法之一。該方法能夠在抑制相干斑的同時(shí)較好地保持圖像的紋理和細(xì)節(jié)，但是具有非常明顯的輻射特性損失。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于針對(duì)上述現(xiàn)有的技術(shù)問(wèn)題，提出一種基于稀疏域噪聲分布約束的SAR圖像抑斑方法，以在保持圖像紋理和細(xì)節(jié)的同時(shí)，減小輻射特性損失。
[0007]為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下步驟:
[0008](I)將原始SAR圖像進(jìn)行對(duì)數(shù)變換，得到變換后的圖像m，并將m劃分為大小相同的重疊的子圖像塊M = Im1, m2，- ,Iiii, - , mL}, i = I, 2,..., L，其中L為劃分的子圖像塊總數(shù)；
[0009](2)用K均值聚類(lèi)方法將子圖像塊M聚為K類(lèi)(S1, S2，-,Sq,…，SK}，q= 1，2，…，K ;
[0010](3)用主成分分析的方法計(jì)算得到每一個(gè)聚類(lèi)的子字典D,，并將子字典順序拼接得到稀疏表不字典D ；
[0011](4)計(jì)算第i個(gè)含噪子圖HIi的稀疏表示系數(shù)QyCIi = Dt1v并用稀疏域非局部均值的方法計(jì)算Hli對(duì)應(yīng)的無(wú)噪子圖稀疏表示系數(shù)的估計(jì)值焉4導(dǎo)到稀疏域噪聲《( =-- ；
[0012](5)利用變換后的圖像m，并根據(jù)稀疏域噪聲ε ,的稀疏特性，構(gòu)建如下目標(biāo)函數(shù):
[0013]at = argmin||/?,-? - Dai|~ + Ki |a(.-Si| J, 1 = 1,2,.,,?L ,
[0014]其中Ri是抽取圖像m中第i個(gè)圖像塊的矩陣，K i是稀疏約束項(xiàng)的正則參數(shù)，11.112表示向量的2范數(shù)，Il.M1表示向量的I范數(shù)，爲(wèi)表示降噪稀疏表示系數(shù)；
[0015](6)求解目標(biāo)函數(shù)，得到去噪后的SAR圖像:
[0016](6a)初始化目標(biāo)函數(shù)的正則參數(shù)KiSO,
[0017](6b)通過(guò)迭代收縮算法求解目標(biāo)函數(shù)，得到每一個(gè)子圖像塊最終的降噪稀疏表示
系數(shù)忒；
[0018](6c)對(duì)最終的降噪稀疏表示系數(shù)戎進(jìn)行反稀疏變換，得到降噪后的子圖像塊
m, = Dai?
[0019](6d)拼接降噪后的子圖像塊得到完整的圖像，并對(duì)該圖像進(jìn)行反對(duì)數(shù)變換，得到去噪后的SAR圖像。
[0020]本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn):
[0021]第一，抑斑能力強(qiáng):以等效視數(shù)ENL為評(píng)價(jià)指標(biāo)，本發(fā)明的SAR圖像同質(zhì)區(qū)域抑斑能力明顯好于傳統(tǒng)的經(jīng)典Frost濾波器。
[0022]第二，輻射特性保持度好:以比值圖像的均值為評(píng)價(jià)指標(biāo)，本發(fā)明的SAR圖像的輻射特性保持能力優(yōu)于傳統(tǒng)的Frost濾波方法和最近提出的經(jīng)典迭代版PPB濾波方法。
[0023]第三，圖像的紋理和細(xì)節(jié)保持較好:以比值圖像的視覺(jué)效果展示，用本發(fā)明的方法抑斑后，SAR圖像的紋理和細(xì)節(jié)的保持能力明顯好于傳統(tǒng)的Frost濾波方法，并且優(yōu)于迭代版PPB濾波方法。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0024]圖1是本發(fā)明的總流程圖；
[0025]圖2是原始的SAR圖像；
[0026]圖3是采用現(xiàn)有Frost方法對(duì)圖2抑斑后的圖像；
[0027]圖4是采用現(xiàn)有Frost方法對(duì)圖2抑斑后的圖像的比值圖；
[0028]圖5是采用現(xiàn)有迭代版PPB方法對(duì)圖2抑斑后的圖像；
[0029]圖6是采用現(xiàn)有迭代版PPB方法對(duì)圖2抑斑后的圖像的比值圖；
[0030]圖7是采用本發(fā)明方法對(duì)圖2抑斑后的圖像；
[0031]圖8是采用本發(fā)明方法對(duì)圖2抑斑后的圖像的比值圖。
【具體實(shí)施方式】
[0032]下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)描述。
[0033]參照?qǐng)D1，本發(fā)明的具體實(shí)施步驟如下:
[0034]步驟1，對(duì)原始的SAR圖像進(jìn)行對(duì)數(shù)變換并劃分為重疊的子圖像塊。
[0035]將原始SAR圖像先進(jìn)行對(duì)數(shù)變換，得到變換后的圖像m ;再將變換后的圖像m劃分為L(zhǎng)個(gè)大小相同的重疊的子圖像塊M = Im1, m2，…，Iiii,…，mj , Hii表示i個(gè)子圖像塊，i =1，2，...，L，各子圖像塊的大小均為5 X 5，子圖像塊的像素總數(shù)為T(mén) = 25。
[0036]步驟2，對(duì)子圖像塊M進(jìn)行K均值聚類(lèi)。
[0037](2a)先對(duì)子圖像 塊M進(jìn)行高通濾波處理，得到濾波后的子圖像塊為Λ#,( ={μ；',λ4,...--*?..%<},其中》f是第i個(gè)子圖Hii濾波后的子圖像塊，i = 1，2，...，L ;
[0038](2b)隨機(jī)選取濾波后的子圖像塊Mh中的K個(gè)子圖作為初始聚類(lèi)的幾何中心，其中K為聚類(lèi)總數(shù)，大小為K = 70;
[0039](2c)計(jì)算濾波后的子圖像塊Mh中的每一個(gè)子圖到所有幾何中心的歐氏距離，并將該子圖歸入歐氏距離最小的聚類(lèi)中；
[0040](2d)計(jì)算每一個(gè)聚類(lèi)里面所有圖像塊的均值，得到新的幾何中心；
[0041](2e)重復(fù)(2c)_(2d)，經(jīng)過(guò)12次迭代，將濾波后的子圖像塊Mh聚為K類(lèi)IC1, C2，…，Cq，…，CK}，q= 1，2，…，K;
[0042](2f)根據(jù)子圖像塊M濾波前后的一一對(duì)應(yīng)關(guān)系，將相應(yīng)的子圖像塊M直接劃分為K類(lèi){Si，S2,…，S,，…，SK}，其中Sq表示第q個(gè)聚類(lèi)，q = 1,2,…，K。 [0043]步驟3，用主成分分析的方法構(gòu)造稀疏表示字典D。
[0044](3a)計(jì)算子圖像塊M的第q個(gè)聚類(lèi)Sq的協(xié)方差矩陣' = SJ(Sq)U= 1，2，…，K，
[0045]其中T表示矩陣轉(zhuǎn)置，K表示聚類(lèi)總數(shù)；
[0046](3b)對(duì)協(xié)方差矩陣Ψ,進(jìn)行奇異值分解，將其分解為正交矩陣Dq，特征值矩陣Λ q及正交矩陣\，即Ψ, = Dq Λ JqH，其中H表示共軛轉(zhuǎn)置，取正交矩陣Dq為聚類(lèi)Sq的子字典；
[0047](3c)將子字典Dq順序拼接，得到稀疏表示字典D，q = 1，2，…，K。
[0048]步驟4，計(jì)算各子圖Hii對(duì)應(yīng)的無(wú)噪子圖稀疏表示系數(shù)的估計(jì)值。
[0049](4a)先計(jì)算子圖Hii與其周?chē)笮?8X28的正方形鄰域內(nèi)所有子圖的歐氏距
離，并保留歐氏距離最小的P個(gè)子圖，P = 13,記為Ili = {ma,mi2,...,ZKijmiPj c M , Inij是
子圖Hii的第j個(gè)相似子圖，j = 1，2，".，Ρ，其中g(shù)是包含于符號(hào)，i = 1，2，...，L，L為子圖像塊總數(shù)；
[0050](4b)計(jì)算子圖Hii的第j個(gè)相似子圖Hiij在字典D下的稀疏表示系數(shù)，a = D1Hiij ；
[0051](4c)計(jì)算子圖Hii對(duì)應(yīng)的無(wú)噪子圖稀疏表示系數(shù)的估計(jì)值5；,其中




W / I
__/ r*| t~~wf r\ l/{H)
Qij表示加權(quán)系數(shù)，% =(2 e零[Ls|(xf+,f)」/[[_[exp(2xJ+acp(2yi)jj , W是歸一化因
P
子，，Xt為子圖Hli的第t個(gè)像素值，yt為子圖Hli的第j個(gè)相似子圖Hlij的第t個(gè)像
J I
素值，T為子圖的像素總數(shù)，h為衰減參數(shù)，h的大小設(shè)定為圖像m噪聲方差的12~15倍。
[0052]步驟5，構(gòu)造目標(biāo)函數(shù)。
[0053]利用對(duì)數(shù)變換后的圖像m，稀疏表示字典D，并根據(jù)稀疏域噪聲i =1，2，...，L的稀疏特性，構(gòu)建如下目標(biāo)函數(shù):
[0054]4 = arS {||尺謂一Dai ||; + ||?i —戌 |} - 1...,L ,
[0055]其中Ri是抽取圖像m中第i個(gè)圖像塊的矩陣，K i是稀疏約束項(xiàng)的正則參數(shù)，
I.112表示向量的2范數(shù)，11.111表示向量的I范數(shù)，眞表示降噪稀疏表示系數(shù)。
[0056]步驟6，求解目標(biāo)函數(shù)，得到各子圖像塊HIi的最終降噪稀疏表示系數(shù)。[0057](6a)初始化目標(biāo)函數(shù)的正則參數(shù)KiX),設(shè)總迭代次數(shù)為N = 15,迭代次數(shù)初始值為η = I ;
[0058](6b)用K均值聚類(lèi)方法更新子圖像塊M的聚類(lèi)，記更新后的聚類(lèi)為
…Spj,其中Sf表示第n次迭代中的第q個(gè)聚類(lèi)，q= 1，2，…，K，K表示
聚類(lèi)總數(shù)；
[0059](6c)用主成分分析方法更新字典D，記第η次更新后的字典為D(n)；
[0060](6d)用稀疏表示系數(shù)估計(jì)方法更新第i個(gè)子圖Hii對(duì)應(yīng)的無(wú)噪子圖稀疏表示系數(shù)
的估計(jì)值5；,記第η次更新后的估計(jì)值為i = 1，2，...，L，L表示子圖像塊的總數(shù)；
[0061](6e)用軟閾值收縮算子計(jì)算并更新降噪稀疏表示系數(shù)離》得到第η次更新后的第i個(gè)降噪稀疏表示系數(shù)為Sf=SOfthw -卻,)4 ,其中‘soft’表示表示經(jīng)典的軟閾值收縮
算子，#表示第i個(gè)子圖Hii在字典D(n)下的稀疏表示系數(shù)，K i是目標(biāo)函數(shù)稀
疏約束項(xiàng)的正則參數(shù)；
[0062](6f)用反稀疏變換更新降噪后的子圖像塊龜，記第η次更新后的第i個(gè)降噪子圖像塊為卻?;η>,其中D(n)為第η次更新后的字典；
[0063](6g)用第η次更新后的第i個(gè)降噪子圖像塊<>替換子圖像塊M中第i個(gè)子圖像塊叫；
[0064](6h)判斷是否滿(mǎn)足總迭代次數(shù)N，若不滿(mǎn)足，將迭代次數(shù)η加1，重復(fù)^b)-^f)繼續(xù)迭代；若滿(mǎn)足總迭代次數(shù)，則用最后一次迭代得到的降噪稀疏表示系數(shù)(if1作為最終的
降噪稀疏表示系數(shù):為。
[0065]步驟7，獲得抑斑后的SAR圖像。
[0066](7a)對(duì)最終的降噪稀疏表示系數(shù)《進(jìn)行反稀疏變換，得到降噪后的子圖像塊Ai = Dai，i = 1，2，...，L ;
[0067](7b)將降噪后的各個(gè)子圖像塊進(jìn)行拼接，得到完整的圖像，并對(duì)該圖像進(jìn)行反對(duì)數(shù)變換，得到去噪后的SAR圖像。
[0068]本發(fā)明的仿真效果可以通過(guò)下述仿真實(shí)驗(yàn)加以說(shuō)明
[0069]1.仿真條件
[0070]運(yùn)行平臺(tái)配置:
[0071]CPU:1nter (R)Core(TM)i565003.20GHz ；
[0072]內(nèi)存:8GB(三星 DDR31600MHz)；
[0073]操作系統(tǒng):Windows7旗艦版64位SPl ;
[0074]仿真軟件: MATLABR (20 Ilb)。
[0075]2.仿真內(nèi)容與結(jié)果
[0076]仿真1，用現(xiàn)有Frost抑斑方法對(duì)圖2進(jìn)行抑斑，并獲取抑斑前后的比值圖，結(jié)果如圖3和圖4。其中:
[0077]圖3(a)為對(duì)圖2(a)所示的梯田圖像抑斑后的結(jié)果，
[0078]圖3(b)為對(duì)圖2(b)所示的港口圖像抑斑后結(jié)果，
[0079]圖4(a)為圖2(a)與圖3(a)各像素點(diǎn)的比值圖，
[0080]圖4(b)為圖2(b)與圖3(b)各像素點(diǎn)的比值圖。
[0081]仿真2，用現(xiàn)有PPB抑斑方法對(duì)圖2進(jìn)行抑斑，并獲取抑斑前后的比值圖，結(jié)果如圖5和圖6。其中:
[0082]圖5(a)為對(duì)圖2(a)所示的梯田圖像抑斑后的結(jié)果，
[0083]圖5 (b)為對(duì)圖2 (b)所示的港口圖像抑斑后結(jié)果，
[0084]圖6 (a)為圖2 (a)與圖5 (a)各像素點(diǎn)的比值圖，
[0085]圖6(b)為圖2(b)與圖5(b)各像素點(diǎn)的比值圖。
[0086]仿真3，用本發(fā)明的抑斑方法對(duì)圖2進(jìn)行抑斑，并獲取抑斑前后的比值圖，結(jié)果如圖7和圖8。其中:
[0087]圖7(a)為對(duì)圖2(a)所示的梯田圖像抑斑后的結(jié)果，
[0088]圖7 (b)為對(duì)圖2 (b)所示的港口圖像抑斑后結(jié)果，
[0089]圖8(a)為圖2(a)與圖7(a)各像素點(diǎn)的比值圖，
[0090]圖8(b)為圖2(b)與圖7(b)各像素點(diǎn)的比值圖。
[0091]3.仿真結(jié)果分析
[0092](3.1)計(jì)算仿真1，仿真2和仿真3三種不同抑斑方法得到的各個(gè)抑斑后的圖像的同質(zhì)區(qū)域的等效視數(shù)，結(jié)果如表1所示。表中等效視數(shù)值越大說(shuō)明抑斑能力越強(qiáng)。
[0093]表1三種不同方法得到抑斑后的圖像的同質(zhì)區(qū)域的等效視數(shù)
[0094]
【權(quán)利要求】
1.一種基于稀疏域噪聲分布約束的SAR圖像抑斑方法，包括如下步驟: (1)將原始SAR圖像進(jìn)行對(duì)數(shù)變換，得到變換后的圖像m，并將m劃分為大小相同的重疊的子圖像塊M = Im1, m2,...,Iiii,...，mL}，i = 1,2,..., L,其中L為劃分的子圖像塊總數(shù)；(2)用K均值聚類(lèi)方法將子圖像塊M聚為K類(lèi)以，S2,…，S,，…，SK}，q= 1，2，…，K ; (3)用主成分分析的方法計(jì)算得到每一個(gè)聚類(lèi)的子字典D,，并將子字典順序拼接得到稀疏表不字典D ； (4)計(jì)算第i個(gè)含噪子圖HIi的稀疏表示系數(shù)ai，Qi = Dy，并用稀疏域非局部均值方法計(jì)算Ini對(duì)應(yīng)的無(wú)噪子圖稀疏表示系數(shù)的估計(jì)值Sj，得到稀疏域噪聲€.=ai ，i =12I.(5)利用變換后的圖像m，并根據(jù)稀疏域噪聲εi的稀疏特性，構(gòu)建如下目標(biāo)函數(shù):
a, = argmm— Dai|丨;+ Kj |α;, i = 1,2,,..,1,, 其中Ri是抽取圖像m中第i個(gè)圖像塊的矩陣，Ki是稀疏約束項(xiàng)的正則參數(shù)，Il.||2表示向量的2范數(shù)，Μ.M1 表示向量的I范數(shù)，必表示降噪稀疏表示系數(shù)； (6)求解目標(biāo)函數(shù)，得到去噪后的SAR圖像: (6a)初始化目標(biāo)函數(shù)的正則參數(shù)K i > O, (6b)通過(guò)迭代收縮算法求解目標(biāo)函數(shù)，得到每一個(gè)子圖像塊最終的降噪稀疏表示系數(shù)?..(6c)對(duì)最終的降噪稀疏表示系數(shù)忒進(jìn)行反稀疏變換，得到降噪后的子圖像塊Mi = Dai ； (6d)拼接降噪后的子圖像塊得到完整的圖像，并對(duì)該圖像進(jìn)行反對(duì)數(shù)變換，得到去噪后的SAR圖像。
2.根據(jù)權(quán)利要求1所述的基于稀疏域噪聲分布約束的SAR圖像抑斑方法，其中第(2)步所述的用K均值聚類(lèi)方法將子圖像塊M聚為K類(lèi)，按如下步驟進(jìn)行: (2a)對(duì)子圖像塊M進(jìn)行高通濾波處理，記濾波后的子圖像塊為 = …,《f,…其中BIf是第i個(gè)子圖Hii濾波后的子圖像塊，i = 1，2，...，L ; (2b)用K均值聚類(lèi)的方法對(duì)濾波后的子圖像塊Mh進(jìn)行聚類(lèi): (2bl)隨機(jī)選取濾波后的子圖像塊Mh中的K個(gè)子圖作為初始聚類(lèi)的幾何中心，其中K為聚類(lèi)總數(shù)； (2b2)計(jì)算濾波后的子圖像塊Mh中的每一個(gè)子圖到所有幾何中心的歐氏距離，并將該子圖歸入歐氏距離最小的聚類(lèi)中； (2b3)計(jì)算每一個(gè)聚類(lèi)里面所有圖像塊的均值，得到新的幾何中心； (2b4)重復(fù)(2b2)-(2b3)，經(jīng)過(guò)12次迭代，將濾波后的子圖像塊Mh聚為K類(lèi)IC1, C2，…，Cq，…，CK}，q= 1，2，…，K; (2c)根據(jù)子圖像塊M濾波前后的一一對(duì)應(yīng)關(guān)系，將相應(yīng)的子圖像塊M直接劃分為K類(lèi)(S1, S2,…，Sq,…，SK},其中Sq表不第q個(gè)聚類(lèi)，q = I, 2,…，K。
3.根據(jù)權(quán)利要求1所述的基于稀疏域噪聲分布約束的SAR圖像抑斑方法，其中步驟(3)所述的用主成分分析的方法計(jì)算得到每一個(gè)聚類(lèi)的子字典D,，按如下步驟進(jìn)行: (3a)計(jì)算子圖像塊M的第q個(gè)聚類(lèi)Sq的協(xié)方差矩陣Ψ, = Sq* (Sq)T, q = 1，2，…，K，其中T表示矩陣轉(zhuǎn)置，K表示聚類(lèi)總數(shù)；(3b)對(duì)協(xié)方差矩陣Ψ,進(jìn)行奇異值分解，將其分解為正交矩陣Dq，特征值矩陣Aq及正交矩陣\，即
4.根據(jù)權(quán)利要求1所述的基于稀疏域噪聲分布約束的SAR圖像抑斑方法，其中步驟(4)所述的用稀疏域非局部均值的方法計(jì)算子圖!1^對(duì)應(yīng)的無(wú)噪子圖稀疏表示系數(shù)的估計(jì)值g，按如下步驟進(jìn)行:(4a)計(jì)算子圖Hii與其周?chē)笮閣Xw的正方形鄰域內(nèi)所有子圖的歐氏距離，并保留歐氏距離最小的P個(gè)子圖，記為
5.根據(jù)權(quán)利要求1所述的基于稀疏域噪聲分布約束的SAR圖像抑斑方法，其中步驟(6)中的^b)所述的通過(guò)迭代收縮算法求解目標(biāo)函數(shù)，得到每一個(gè)子圖像塊最終的降噪稀疏表示系數(shù)名,按如下步驟進(jìn)行: (6bl)總迭代次數(shù)設(shè)為N，迭代次數(shù)初始值設(shè)為η = I ;(6b2)用K均值聚類(lèi)方法更新子圖像塊M的聚類(lèi)，記更新后的聚類(lèi)為.…，Sf.SM ,其中表示第η次迭代中的第q個(gè)聚類(lèi)
【文檔編號(hào)】G06T5/00GK103971346SQ201410229349
【公開(kāi)日】2014年8月6日 申請(qǐng)日期:2014年5月28日 優(yōu)先權(quán)日:2014年5月28日
【發(fā)明者】王成龍, 趙光輝, 周丹鳳, 石光明, 沈方芳 申請(qǐng)人:西安電子科技大學(xué)