sar图像边缘检测问题研究.docxVIP

sar图像边缘检测问题研究 1 sar图像边缘检测算子 图像的边缘是视觉感知的重要标志。边缘检测广泛应用于轮廓提取、特征匹配和纹理分析等领域。在Marr的计算机视觉系统中,图像边缘检测占据着重要位置,它位于系统的最底层,为其他模块所依赖,其性能在很大程度上影响着一系列处理的整体效果。 合成孔径雷达(synthetic aperture radar, SAR)具有高分辨率、全天候、全天时等优点,其图像的应用研究已成为该领域的研究热点。目前国内外正在广泛开展SAR图像目标的自动识别研究,例如识别桥梁、公路、机场等。而边缘检测是开展这方面研究的基础,所以研究SAR图像的边缘检测具有非常重要的意义。 景物目标的边缘反映在图像上就是灰度的变化,灰度变化有多种形式,最基本的是图1(a)所示的理想化模型,依据这个模型生成的理想边缘是一组相连像素的集合,每个像素都处在灰度级跃变的一个垂直的台阶上。然而实际上,成像系统、取样和其他图像采集的不完善性使得得到的边缘是模糊的;对于SAR图像来说,由成像机制导致的乘性相干斑噪声还会进一步造成边缘的恶化。图1(b)是实测SAR图像边缘的一条水平灰度剖面线,乘性噪声模糊了相邻区域的对比度,使得相邻区域的跃变趋于平缓,边缘处出现了一个明显的过渡带,不再是理想情况下的单像素边缘,因此难以确定边缘的准确位置。同样是由于相干斑的影响,图像上原本具有常数后向散射系数的均匀同质区域的灰度并不均匀,而是围绕着某一均值随机起伏,导致均匀区域出现类似于边缘的灰度跃变,且区域灰度均值越大,跃变的幅度越大,这是造成经典边缘检测方法不适用于SAR图像的主要原因。因为经典的基于梯度的边缘检测算法通常依赖于这样一个假设:图像受加性噪声污染;但SAR图像的噪声是乘性的,梯度算子用于SAR图像得到的边缘检测结果不是恒虚警的,而是随着图像局部强度均值的变化而变化,这样就容易在亮区检测出虚假边缘,而在暗区则丢失很多真实边缘。为了解决这个问题,必须研究专门针对SAR图像乘性噪声的边缘检测算子。所以,从20世纪80年代开始,研究者们在这一领域展开了深入的研究,取得了很大的进展。 早期的适用于雷达图像的边缘检测器是方差系数检测器和Frost等人提出的一种似然比检测器,这两种检测器都是各向同性的恒虚警检测器。1988年,Touzi等人和Bovik等人分别提出了两种均值比(ratio of averages, ROA)检测器,这类检测器克服了经典梯度边缘检测器对乘性噪声非常敏感的缺点,同时考虑到了边缘的方向性,获得较好的检测效果。此后的几年中,研究者们陆续提出了MROA(modified ratio of averages)、RGOA(ratio and gradient of averages)和MSP-ROA(maximum strength edge pruned ratio of averages)等以ROA为基础的检测器。1996年,Oliver等人提出了一种考虑边缘方向性的似然比检测算法,他们特别强调了SAR图像边缘定位精确度的问题,此后这一问题也受到越来越多的研究人员的关注。1997年,Lopès和Fj?rtoft等人组成的研究小组提出了指数加权均值比(ratio of exponentially weighted averages, ROEWA)检测器和多分辨率边缘检测方法,他们系统研究了多种SAR图像边缘检测方法,最终总结出一个完整的SAR图像边缘检测与分割算法的框架。 Touzi、Oliver、Lopès和Fj?rtoft等人的研究工作代表了自20世纪80年代中后期至20世纪90年代末SAR图像边缘检测研究领域的主流方向,他们提出的3种主要边缘检测器在应用中取得了很大的成功。同时期也有其他一些边缘检测方法被提出,如基于分形的方法、无参数检测方法等,但是这些方法的后继研究很少,在实际应用中也较少采用。20世纪90年代末以后,一方面,多分辨率的思想逐渐受到人们的关注,多种基于小波分析的SAR图像边缘检测方法相继被提出[11,12,13,14,15,16],这类方法在SAR图像海岸线提取等应用中取得不错的效果;另一方面,基于进化计算等智能方法的边缘检测器也丰富了SAR图像边缘检测的内容。此外,边缘定位仍然是研究热点之一, Germain等人通过建模分析了边缘定位不准的原因,并提出基于统计主观轮廓的定位方法。本文对SAR图像边缘检测的问题进行了系统的研究,对近年来边缘检测的研究状况进行了分析和总结,对边缘检测、边缘定位、边缘检测性能定量评估的基本思想和方法进行了探讨,并对边缘检测的进一步发展提出了展望。 2 边缘检测算法 边缘像素实际上是局部图像范围内灰度的急剧变化点(奇异点),图像边缘就是2维图像中奇异点的集合。类似于文献中建立的边缘