[發(fā)明專利]一種多尺度SAR圖像邊緣檢測方法

在審

• 申請?zhí)枺?/td>: 201910981758.0
• 申請日: 2019-10-16
• 公開（公告）號: CN110782471A
• 公開（公告）日: 2020-02-11
• 發(fā)明（設(shè)計）人: 郎豐鎧
• 申請（專利權(quán)）人: 中國礦業(yè)大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136
• 代理公司: 32200 南京經(jīng)緯專利商標代理有限公司
• 代理人: 許方

1.一種多尺度SAR圖像邊緣檢測方法，其特征在于：包括以下步驟：

步驟1：設(shè)置最大檢測窗口W_max和最小檢測窗口W_min，獲得N_W＝(W_max–W_min)/2+1個大小不同的窗口W；

步驟2：對于N_W個大小不同的窗口，分別設(shè)置其檢測模板參數(shù)l、w、d、θ，每個大小為W的窗口可獲得N_θ＝π/θ個模板，則共獲得N＝N_W*N_θ個不同大小W、不同方向θ的模板；其中，l是模板長度，w是模板寬度，d是模板區(qū)域R₁和R₂間的距離，θ是模板對應(yīng)的角度；

步驟3：對于每個像素p，利用N個不同大小W、不同方向θ的模板，計算模板區(qū)域R₁和R₂之間的梯度D_W(θ)，共獲得N個梯度值以及對應(yīng)的角度值；

步驟4：選擇N個梯度值中的最大值，記錄該值及其對應(yīng)的角度，繼續(xù)處理下一個像素，直到所有像素都處理完畢，得到一幅梯度圖像和一幅角度圖像；

步驟5：進行梯度方向非極大值抑制，得到細化后的梯度圖像；

步驟6：將細化后的梯度圖像進行二值化處理，得到最終的單像素寬度的邊緣圖像。

2.根據(jù)權(quán)利要求1所述的一種多尺度SAR圖像邊緣檢測方法，其特征在于：所述步驟3中，對于SAR圖像，梯度的計算公式為：

其中，x₁、x₂分別表示方向θ下模板區(qū)域R₁和區(qū)域R₂的SAR圖像幅度或強度；

對于極化SAR圖像，梯度的計算公式為：

D_W(θ)＝2ln|X₁+X₂|-ln|X₁|-ln|X₂|+2q ln2

其中，X₁、X₂分別表示方向θ下模板區(qū)域R₁和區(qū)域R₂的q×q的極化SAR圖像相干矩陣或協(xié)方差矩陣，q表示矩陣維度。

3.根據(jù)權(quán)利要求1所述的一種多尺度SAR圖像邊緣檢測方法，其特征在于：所述步驟5中，進行梯度方向非極大值抑制，得到細化后的梯度圖像；具體如下：

對于梯度圖像中的每個像素p，沿對應(yīng)角度圖像中所指示的角度的法線方向，比較相鄰像素值的大小；如果像素p小于其相鄰像素，則將像素p的梯度值設(shè)為0，否則，保留其原始值，所有像素處理完畢后得到細化后的梯度圖像。

4.根據(jù)權(quán)利要求1-3任一所述的一種多尺度SAR圖像邊緣檢測方法，其特征在于：所述步驟6中，采用熵閾值法進行二值化處理，具體包括：

步驟6.1：對細化后的梯度圖像進行圖像增強處理；

步驟6.2：將步驟6.1處理后的梯度圖像中的像素分為n個灰度級，計算每個灰度級i中像素占總像素數(shù)的比率p_i；

步驟6.3：設(shè)灰度級s將圖像分為A和B兩部分，每個部分的熵分別為H_A和H_B；則A和B的熵的和為：H_sum＝H_A+H_B，計算每個灰度級i對應(yīng)的H_sum；

步驟6.4：求出n個灰度級中最大的H_sum及其對應(yīng)的灰度級s，則s就是分割閾值，將小于或等于s的像素設(shè)為0，將大于s的像素設(shè)為1，即得到二值化圖像。