·554. 智能系统学报 第5卷 (a)源图像 b)木文算法 (c)经典K聚类算法 图2与经典K聚类分割结果比较 Fig.2 Comparison of segmentation results the classic K-mean algorithm 3.2参数选取 很多的细节信息.图3为不同参数时的分割结果对 核参数依据经验设置，σ在0~0.15之间取值 比.当σ的取值过小时，分割结果只是几个点，无法 当参数值过大，会产生过分割，选的太小，则会丢失 对图像进行分割， (a)原始图像 (6)=0.12 (c)=0.012 图3参数取不同值时的分制结果对比 Fig.3 Comparison of segmentation with different parameters 4结束语 参考文献： 在本文中引入谱图分割理论先对图像进行压缩 [1]ARDHUIN F G,MERCIER G,GARELLO R.Oil slick de- 预处理，然后针对SAR图像中含有丰富的纹理特 tection by SAR imagery:potential and limitation.Digital Ob- 征，用灰度共生矩阵进行相应的特征提取，选取合适 ject Identifier10.1109/0 CEANS.2003.178539:164-169. 的特征矩阵，建立新的数据点间相似度公式，构造相 [2]FUMIAKI T,TSUJI S.Computer analysis of visual textures 似性矩阵，对其拉普拉斯矩阵的第2小特征值对应 [M].Boston:Kluwer Academic Publishers,1990:3-10. 的特征向量，用K-均值聚类的算法进行聚类.输入 [3]HARALICK M.Statistical and structural approaches to tex- 多幅图像，结果验证了该算法的稳健性，而且新算法 ture[C ]//Proceedings of the IEEE,1979,67(5):786- 804. 在减少运算时间的同时，保证了分割的精度和效果. [4]郭巍，张平，朱良，陈曦。基于AdaBoost.EC(0C的合成孔 但是由于谱聚类算法仍处于发展初期，算法本 径雷达图像目标识别研究[J].哈尔滨工程大学学报， 身还存在很多值得深入研究的问题.如何用有效的 2010,(2):232236. 算法减少运算量，如何自动地选取最佳核参数，还需 GUO Wei,ZHANG Ping,ZHU Liang,CHEN Xi.Research 要做进一步研究 on synthetic aperture radar image target recognition based on AdaBoost.ECOC[J].Journal of Harbin Engineering Uni-