买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西安电子科技大学申请的专利基于SLIC超像素的SAR图像多特征区域合并方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115423838B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211072177.3，技术领域涉及：G06T7/187；该发明授权基于SLIC超像素的SAR图像多特征区域合并方法是由余航;刘志恒;孙逸博;蒋浩然;周绥平设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本基于SLIC超像素的SAR图像多特征区域合并方法在说明书摘要公布了：本发明提出了一种基于SLIC超像素的SAR图像多特征区域合并方法，用于提高SAR图像分割精度。实现步骤为：采用SLIC超像素算法对SAR图像进行分割；提取每个超像素的灰度特征和纹理特征；获取每两个相邻超像素之间的相似性系数；确定待合并的超像素对；计算每个待合并超像素对的合并指数；获取SAR图像多特征区域合并结果；判断超像素的个数与阈值的大小；输出新合并的超像素的SAR图像。本发明首先使用SLIC超像素算法对SAR图像进行过分割，然后借助不同特征将相邻超像素融合，提高了SAR图像的分割精度。

本发明授权基于SLIC超像素的SAR图像多特征区域合并方法在权利要求书中公布了：1.一种基于SLIC超像素的SAR图像多特征区域合并方法，其特征在于，包括如下步骤：1采用SLIC超像素算法对SAR图像进行分割：输入一幅大小为m×n的SAR图像，采用简单线性迭代聚类SLIC超像素算法对该SAR图像进行分割，得到K个超像素S＝{S1,S2,...,Sk,...,SK}，其中，p为预设的超像素大小，20≤p≤25，Sk表示包含Qk个像素且周长为λk的第k个超像素；2设迭代次数为num，并令num＝0；3提取每个超像素的灰度特征和纹理特征：提取每个超像素Sk包括b个灰度级的灰度直方图Hk，将Hk作为超像素Sk的灰度特征，得到K个超像素Sk对应的灰度特征集合H＝{H1,H2,...,Hk,...,HK}，同时通过灰度共生矩阵提取每个超像素Sk的纹理特征Tk＝{Rk,Ek,Dk}，得到K个超像素Sk对应的纹理特征集合T＝{T1,T2,...,Tk,...,TK}，其中，Rk、Ek、Dk分别表示Sk的对比度、能量、熵；4获取每两个相邻超像素之间的相似性系数：4a计算每两个超像素Si与Sj之间的灰度特征相似性系数GHi,j、纹理特征相似性系数GTi,j，并通过GHi,j和GTi,j计算Si与Sj之间的相似性系数Gi,j：Gi,j＝αGHi,j+GTi,j 其中，i∈[1，K]，j∈[1，K]，且i≠j，α表示相邻因子，βi表示第i个超像素Si的归一化系数，Hif表示第i个超像素Si的灰度直方图Hi第f个区间的值，GRi,j、GEi,j、GDi,j分别表示每两个超像素Si与Sj之间的对比度相似性系数、能量相似性系数和熵相似性系数，ω1、ω2、ω3分别表示GRi,j、GEi,j、GDi,j的权重；4b将K个超像素S中U个相邻的超像素的相似性系数组合为相邻超像素对相似性系数集合G＝{G1,G2,...,Gu,...,GU}；5确定待合并的超像素对：采用k均值聚类算法kmeans将相邻超像素对相似性系数集合G聚为c类，并计算每一类的平均相似性系数，然后将平均相似性系数最小的一类包含的Y个相邻超像素对相似性系数X＝{G1,G2,...,Gy,...,GY}对应的相邻超像素对O＝{W1,W2,...,Wy,...,WY}作为待合并的超像素对；6计算每个待合并超像素对的合并指数：计算每个待合并超像素对Wy的包围系数zy，并通过zy和Wy的相似性系数Gy计算Wy的合并指数Ay，得到合并指数集合A＝{A1,A2,...,Ay,...,AY}，其中： Ay＝Gy×zy其中，λρ和λτ分别表示相邻的超像素对Wy中两个超像素各自的周长，Δλy表示相邻超像素对Wy中两个超像素的公共周长；7获取SAR图像多特征区域合并结果：对合并指数集合A中指数值最小的相邻超像素对进行合并，判断num≥95％K是否成立，若是，输出包含5％K个新合并的超像素的SAR图像，否则令num＝num+1，并执行步骤3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。