[發明專利]基于改進剪切波變換的SAR圖像水域邊緣檢測方法

有效

• 申請號: 200910022501.9
• 申請日: 2009-05-13
• 公開（公告）號: CN101551456A
• 公開（公告）日: 2009-10-07
• 發明（設計）人: 焦李成;胡育輝;侯彪;張向榮;王爽;馬文萍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G06K9/46
• 代理公司: 陜西電子工業專利中心
• 代理人: 王品華;朱紅星

技術領域

本發明屬于數字圖像處理領域，具體地說是一種涉及合成孔徑雷達SAR圖像水域邊緣檢測方法。

背景技術

圖像邊緣是圖像最基本的特征之一，往往攜帶著圖像的大部分信息，這些信息對于我們進行高層次的特征描述、識別和理解等有著重大影響。SAR圖像中的水域目標在軍事和民用上具有重要的意義，經常應用于目標識別、船舶導航、地圖更新、災害檢測等。因此，對SAR圖像水域邊緣檢測具有積極的意義。由于成像雷達發射的是純相干波，因而SAR圖像受到嚴重的相干斑噪聲影響，圖像的信噪比較低，給邊緣檢測造成了困難。

目前的水域邊緣檢測主要集中在海岸線和河流邊緣，典型的方法有早期的基于微分算子的如Canny和Sobel算子等，這類方法雖然算法簡單、速度快，但在保持邊緣的連續性方面，需要更復雜的邊緣后處理方法；后來發展的邊界追蹤法和Markovian分割法等，這些算法的速度比較慢，檢測效果也不理想；蛇模型算法，由于其抗噪能力差，很難處理輪廓曲線分離或合并的情況，因此不能直接應用于邊界細節復雜的SAR圖像水域檢測；近年來，小波變換由于其時頻分析的優越性和多尺度性，也較多的應用于海岸線和河流的邊緣檢測。

邊緣檢測的不確定性表明邊緣檢測算子的抑噪能力和定位精度是一對矛盾，小尺度算子雖然有利于邊緣定位，但對噪聲極為敏感；大尺度算子雖然抑噪能力強，但邊緣定位精度差，甚至會丟失某些局部細節。多尺度幾何邊緣檢測為解決此問題的提供了有效途徑，在眾多的多尺度幾何分析方法中，K.Guo和D.Labate發展的剪切波Shearlet變換，不僅具有小波變換的多尺度性，而且具有良好的方向信息，但是當其用于SAR水域邊緣檢測時，由于自身變換的限制和SAR圖像中相干斑的影響，對圖像中的曲線不能較完全的捕獲和檢測，從而影響檢測效果。

發明內容

本發明的目的在于克服現有SAR圖像邊緣檢測中，傳統算法很難同時兼顧噪聲抑制和對邊緣準確定位的缺點和現有的Shearlet變換不能較完整捕獲圖像中曲線的不足，提供一種基于改進Shearlet變換的SAR圖像水域邊緣檢測方法，以提高邊緣檢測的準確性和完整性。

實現本發明目的的技術方案是對傳統Shearlet變換作改進并利用改進后的Shearlet變換對圖像曲線較完整的捕獲能力，首先對SAR圖像進行多尺度改進Shearlet分解；之后通過對梯度圖像在特定尺度上進行模極大值抑制并結合模糊C均值聚類方法，對圖像水域邊緣提取；最后，基于蛇模型最小能量準則被用于對不連續的邊緣在3×3的鄰域內利用邊界跟蹤法來進行連接，得到最終的邊緣。具體實現過程如下：

(1)輸入待檢測的含水域SAR圖像，將其轉換為灰度圖像；

(2)對輸入灰度圖像進行平穩小波分解，得到每一個尺度上的水平、垂直和斜向的平穩小波分解系數；

(3)將平穩小波分解后的每一個尺度上的水平、垂直和斜向的系數，分別用Shearlet變換中的水平、垂直和斜向剪切濾波器進行濾波，得到每個尺度上改進的Shearlet變換分解系數圖像；

(4)對獲得改進的Shearlet變換分解系數的圖像，在設定的尺度上計算其模值圖像e_ju[k]和梯度圖像grad(j，k)：

eju[k]=Σd=02(Σl,jSH(d)u[j,l,k])2]]>