基于星载SAR影像的苏北地区海岸线提取研究

介绍了K-means聚类分割法和形态学处理,并对比了几种边缘算子;针对Prewitt算子和Roberts算子在像素点邻近区域内受噪声影响较大、边缘检测效果不佳的问题,选用Canny算子提取海岸线。首先对SAR影像进行K-means算法、形态学处理,再采用Canny算子提取海岸线。与其他边缘提取算法相比,该方法提取的海岸线连续性较好,平滑度也十分优秀,与真实的海岸线吻合度较高。     

FCM聚类算法协同Canny算子的遥感影像边缘检测方法

提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法,算法采用中值滤波消除原始遥感影像中的非高斯噪声;采用FCM(Fuzzy C-mean)聚类算法将滤波处理后的遥感影像中的像素分为两类:边缘类像素和非边缘类像素,并得到聚类影像;最后采用Canny算子对聚类影像进行边缘检测得到遥感影像地物边缘信息。实验结果表明,文中提出的方法能有效消除遥感影像中的混合噪声并准确地检测出地物目标的边缘,是一种有效的遥感影像边缘检测方法。     

基于色差的遥感影像海岸线提取

分析了Canny算子边缘检测的基本原理和存在的问题,介绍了彩色空间及计算方法.根据海岸地带遥感影像特征,探讨了基于色差的Canny算子自适应边缘提取算法.实验表明,改进的算子具有较高信噪比,能达到比较理想的海岸线检测效果.     

一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

Canny双阈值算子在边缘提取中的优势

对Canny双阈值算子原理进行了分析,并利用Canny算子处理图像仿真实验对研究区图像边缘进行提取。利用Prewitt算子、Sobel算子、形态学算子处理研究区影像,并将结果进行对比。结果表明,Canny双阈值算子不仅能去除遥感图像中的椒盐噪声,而且能保证边缘提取的精度;与其他算法相比,在提取效率上也有明显优势和优异的稳健性。     

基于色差的遥感影像海岸线提取

分析了Canny算子边缘检测的基本原理和存在的问题,介绍了彩色空间及计算方法.根据海岸地带遥感影像特征,探讨了基于色差的Canny算子自适应边缘提取算法.实验表明,改进的算子具有较高信噪比,能达到比较理想的海岸线检测效果.     

基于数学形态学细化算子的改进Canny算法研究

边缘检测是图像处理领域研究的一个重要内容。本文基于数学形态学改进现有Canny算子。该方法首先用Canny算子进行滤波,然后采用非极大抑制技术,将强边缘图像和弱边缘图像的边缘进行连接,再对提取的边缘利用形态学细化算子细化。针对不同图像采用不同门限比例,可取得不同的边缘提取效果。本文采用峰值信噪比、均方误差、平均绝对误差三个评价指标对边缘检测算法的优越性进行度量。实验分析表明,本文算法优于Sobel算子、Roberts算子、Log算子及传统Canny算法。     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

SAR影像的城市街区边缘直线特征提取算法研究

针对城市街区边缘特征的提取问题,提出了一种基于高斯伽马形双窗与Gabor组合滤波器的城市街区边缘提取算法。算法首先设计了一种高斯伽马形双窗与Gabor的组合滤波器算子,采用该算子对影像进行滤波处理,可以很好地消除噪声等因素产生的虚假响应,并得到边缘结构特征;然后基于滤波后的SAR影像,采用LSD算法进行直线边缘提取,并对LSD算法进行优化改进,实现短直线特征的删除、合并和延长处理,获得较为连续的长直线特征;最后采用多组雷达影像数据对本文提出算法进行实验验证。实验结果表明,该算法能够有效克服相干斑噪声等因素的影响,提取得到真实、准确且连续性较强的城市街区边缘特征。     

新型Canny算法的SAR图像边缘检测

干涉作用会使合成孔径雷达回波信号产生相干斑点噪声,以致在图像边缘检测时产生许多虚假边缘;Canny边缘检测器能检测图像形状密度的变化,并寻找图像的边界。针对SAR图像的噪声特点和低像素级的特点,引进了小波去噪的方法来代替传统的高斯滤波,提出了在搜索算法上以广度搜索来代替深度搜索,由此改进了Canny算法,使用VC++编程实现了改进的算法对SAR图像进行边缘提取实验,对比结果证明此方法比以往算法有明显改进。     

SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

噪声抑制的多极化SAR海冰图像分割

合成孔径雷达(SAR)海冰图像分割对全球气候研究和保证船舶航行安全具有重要意义。现有的基于区域的马尔可夫随机场(MRF)多极化SAR分割方法,由于受相干斑噪声影响,其区域划分不尽合理,不能有效完成分割。因此,提出一种噪声抑制的多极化SAR海冰图像分割算法,首先在极化总功率图上引入降低噪声的滤波算法,合理划分初始区域,其次考虑区域之间的差异度,从而实现多极化SAR海冰图像的准确分割。以RADARSAT-2和SIR-C获得的全极化海冰图像为实验数据进行验证,结果表明:和其他较先进算法相比,本文算法优势明显,既能高效保持图像连通性,又能增强图像的细节信息,具有更高的分割精度。     

基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF (Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

多通道SAR影像中道路的探测

提出了一种探测多通道SAR影像中道路的新方案。首先阐述了从边缘探测器中建构线状探测器。然后,介绍了应用到SAR影像中的多参数统计假设检验方法。利用传统的亮线提取过程对初期结果进行了矢量化。实验表明:该方法应用到全极化SAR影像中的道路的提取中效果较好。     

复杂背景下航拍图像的电力线自动提取算法

无人机对电力线巡检的关键问题是如何从复杂背景的航拍图像中准确地提取电力线。本文提出了一种基于二维变分模态分解 (2D-VMD) 提取电力线的新算法。首先对原始航拍图像进行预处理,加快数据处理速度;然后采用2D-VMD算法对预处理后的图像进行分解,通过改进后的点锐度算法,选取带有电力线特征的IMF分量图,并利用Roberts算子进行边缘检测;最后利用形态学改进的Hough变换,完成对电力线的提取。试验结果表明,本文方法比传统的Canny算子结合Hough变换方法、LSD方法、Roberts 算法结合形态学改进的Hough变换方法更具精确性、抗噪性、自动化。     

基于二维 Log Butterworth滤波器的全方向边缘检测的频域实现方法

由于人类识别图像特征涉及非线性的识别机制,本文提出了基于改进二维Log Butterworth滤波器的全方向边缘检测方法,该方法从频域角度出发,利用正反快速傅里叶变换来实现边缘检测工作。首先,将非线性Log函数引入Butterworth滤波器,获得二维Log Butterworth滤波器。当图像行列数不一致时,中心频率分布于椭圆之上,椭圆的长短轴之比与图像长宽比相等,进而给出以角度为变量滤波器表达式;其次,为方便滤波器参数的优化选取,本文对二维 Log Butterworth滤波器参数进行归一化等处理;再次,本文利用F-measure和PSNR (峰值信噪比)值来衡量不同参数下的边缘检测结果,确定最优的二维 Log Butterworth滤波器参数范围;然后,为了分析本文方法的边缘检测效率,对比了本文方法与空域算子（Canny算子）的乘法次数和加法次数,同时以不同大小的图像作为实验数据来比较两种方法的边缘检测耗时;最后,以BSDS（伯克利图像分割数据库）图像和高空间分辨率遥感图像为实验数据,对本文方法的边缘检测结果进行了评价分析。结果表明：本文方法可以有效地应用于图像边缘检测。     

边缘约束下的分形网络分割算法

分形网络演化算法（fractal net evolution approach，FNEA）是一种有效的多尺度影像分割算法，但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达（synthetic aperture radar，SAR）图像，直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA（edge restricted FNEA，eFNEA）算法，通过加入边缘信息和构建异质性规则来为分割融入更多信息，提高分割效果。实验结果表明，对于微弱边缘和噪声污染严重等情形，eFNEA算法的分割结果均优于FNEA算法。     

一种改进均值的自适应中值滤波算法

针对自适应中值滤波算法在滤除高浓度椒盐噪声和保留图像边缘细节中的不足，提出了一种改进均值的自适应中值滤波（IMAMF）算法。该算法采用扩充图像边界的方式，使得原图像的边界点能在自适应的滤波窗口下参与噪声检测和滤波处理，并在检测噪声和信号时，增加了噪声阈值判定，将存在噪声的像素点用修正后的均值滤波器值输出，信号点则用原始灰度值输出。为了验证算法的可行性，采用了5种不同的算法进行仿真对比分析，并从主观角度和客观指标上进行效果评价。试验结果表明：该算法能有效滤除浓度为10%~90%范围内的椒盐噪声，且图像细节和边缘信息得到了更好的保留，滤波性能明显优于其他算法。