[發明專利]一種多尺度SAR圖像邊緣檢測方法

在審

• 申請號: 201910981758.0
• 申請日: 2019-10-16
• 公開（公告）號: CN110782471A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 郎豐鎧
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136
• 代理公司: 32200 南京經緯專利商標代理有限公司
• 代理人: 許方

本發明公開了一種多尺度SAR圖像邊緣檢測方法，利用大小不同的窗口計算圖像中不同方向的邊緣梯度，然后將不同大小、不同方向的所有的梯度中的最大值及其對應的方向信息保留下來，最后通過非極大值抑制得到最終寬度為一個像素的邊緣圖像，該方法可以利用不同大小、不同方向的窗口檢測邊緣，有效克服單一窗口邊緣檢測時得到的邊緣位置不準的缺陷。

技術領域

本發明屬于圖像處理技術領域，尤其涉及一種多尺度SAR圖像邊緣檢測方法。

背景技術

圖像中的邊緣是圖像中最基本的、不易改變的特征，是圖像中信息最集中的地方，是進行圖像特征提取、目標識別、圖像分割等處理的基礎，因此，邊緣檢測是圖像處理領域最基本的問題之一。然而，由于成像過程中傳感器、成像原理、成像位置及成像對象等因素的影響，圖像中的邊緣信息在圖像中的表現千差萬別，這使得邊緣難于被精確檢測出來。

目前的圖像邊緣檢測算法大致可分為：1)基于空域梯度的邊緣檢測算法；2)基于頻域的小波邊緣檢測算法；3)基于機器學習的邊緣檢測算法；4)基于其它理論技術的邊緣檢測算法。這些方法中，基于空域梯度的邊緣檢測算法最為經典、影響最大，而其中又以Canny邊緣檢測算法最為典型。但是這類算法的檢測窗口均為固定大小，在圖像噪聲水平較高時，表現很差。

在合成孔徑雷達(Synthetic Aperture Radar，SAR)圖像處理領域，由于相干斑噪聲強烈，一般的邊緣檢測算法難以達到理想效果，常用的邊緣檢測器是均值比(Ratio ofAverage，ROA)檢測器。該檢測器是一種基于空域梯度的檢測器，其檢測窗口和方向均可以作為參數進行手動調節，并且由于采用了區域均值來代替單個像素值，因此具有較好的抗噪性。但是，該檢測器的窗口大小仍然是單一的，而對于一幅圖像來說，可能在不同的區域其合適的檢測窗口大小是不同的。例如，在細節信息豐富的區域，一般比較適合用小窗口進行檢測，因為當使用較大窗口進行邊緣檢測時，在一些點、線等目標周圍檢測出的邊緣位置會有較大偏差；而邊緣信息較弱，同質像素較多的區域，一般比較適合用大窗口進行檢測，因為小窗口對噪聲較為敏感，檢測出的虛假邊緣較多。因此，單一大小的檢測窗口無法同時滿足要求。

發明內容

本發明的目的在于克服常規ROA邊緣檢測器利用單一大小的檢測窗口無法滿足要求的缺陷，提出了一種綜合利用不同大小檢測窗口的多尺度SAR圖像邊緣檢測方法。

技術方案：為實現本發明的目的，本發明所采用的技術方案是：一種多尺度SAR圖像邊緣檢測方法，包括以下步驟：

步驟1：設置最大檢測窗口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，分別設置其檢測模板參數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是模板區域R₁和R₂間的距離，θ是模板對應的角度；

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，計算模板區域R₁和R₂之間的梯度D_W(θ)，共獲得N個梯度值以及對應的角度值；

步驟4：選擇N個梯度值中的最大值，記錄該值及其對應的角度，繼續處理下一個像素，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；具體如下：