[发明专利]基于对数变换与伽柏卷积的SAR图像边缘检测方法

权利要求书

1.一种基于对数变换与伽柏卷积的SAR图像边缘检测方法，其特征在于，生成伽柏函数卷积核模型，获得对数变换卷积图，获得对数变换边缘定位图；该方法的具体步骤包括如下：

(1)生成伽柏函数卷积核模型：

(1a)按照的排列顺序，依次设置第一至第四十八的伽柏函数卷积核的倾斜角，将第一至第十六的伽柏函数卷积核的边长均设置为9，将第十七至第三十二的伽柏函数卷积核的边长均设置为13，将第三十三至第四十八的伽柏函数卷积核的边长均设置为15；

(1b)按照下式，利用设置的伽柏函数卷积核的参数，计算每个伽柏函数在不同坐标位置的卷积核的数值，将每个伽柏函数卷积核中所有坐标位置的卷积核的数值，组成该伽柏函数卷积核，将所有的伽柏函数卷积核组成伽柏函数卷积核模型：

其中，w_ixy表示第i个伽柏函数卷积核中位于横坐标x_i，纵坐标y_i处的伽柏函数卷积核的数值，exp表示以自然常数e为底的指数操作，x_i，y_i分别表示第i个伽柏函数卷积核中卷积值的横坐标和纵坐标，W_i表示第i个伽柏函数卷积核的边长，sin表示正弦操作，π表示圆周率，cos表示余弦操作，θ_i表示第i个伽柏函数卷积核的倾斜角；

(2)获得卷积图：

(2a)输入一幅待处理的单通道SAR图像，该SAR图像为灰度图像；

(2b)用伽柏函数卷积核模型中的每个伽柏函数卷积核,对输入的SAR图像进行卷积操作，得到每个卷积核的卷积图，共48个卷积图；

(3)获得边缘定位图：

(3a)从48个卷积图中选取所有相同序号的像素中的最大值像素，将所有的最大值像素组成图像边缘强度图；

(3b)将所有最大值像素对应的卷积图的序号值作为梯度像素值，将所有的梯度像素组成图像边缘梯度图；

(3c)对图像边缘强度图进行非极大抑制操作，得到边缘非抑制图；

(3d)对边缘非抑制图的每个像素进行下述滞后阈值操作，得到图像的边缘定位图：

第一步：根据不同的SAR图像，分别设置对应的高、低阈值；

第二步：遍历边缘非抑制图中的每个像素，将每个像素的值分别与高、低阈值对比，将大于高阈值的像素作为确定特征像素，将小于高阈值且大于低阈值的每个像素作为待定特征像素，将所有的确定特征像素组成确定像素集；

第三步：将以每个确定特征像素为中心的8邻域内的8个像素组成一个补充集；

第四步：将补充集中的每个待定特征像素作为确定特征像素；

第五步：将第二步与第四步得到的所有的确定特征像素组成边缘定位图；

(4)获得对数变换卷积图：

(4a)对输入待处理的单通道SAR图像中的每个像素值取自然对数，将所有对数变换后的像素组成对数变换图；

(4b)用伽柏函数卷积核模型中的每一个伽柏函数卷积核,对对数变换图进行卷积操作，得到每个卷积核的对数变换卷积图，共48个对数变换卷积图；

(5)获得对数变换边缘定位图:

(5a)从48个对数变换卷积图中选取所有相同序号的像素中的最小值像素，按照下式，计算每个最小值像素的指数变换值，将所有的指数变换像素组成变换边缘强度图：

M_i＝1-expN_i

其中，M_i表示第i个最小值像素的指数变换值，N_i表示第i个最小值像素的值；

(5b)将所有最小值像素对应的对数变换卷积图的序号值，作为变换梯度像素值，将所有变换梯度像素组成变换边缘梯度图；

(5c)采用与步骤(3c)相同的方法，对变换边缘强度图进行非极大抑制操作，得到变换边缘非抑制图；

(5d)采用与步骤(3d)相同的方法，对变换边缘非抑制图的每个像素进行滞后阈值操作，得到对数变换边缘定位图；

(6)获得SAR图像的边缘检测图：

将边缘定位图和对数变换边缘定位图中的所有确定特征像素组成SAR图像边缘检测图。

2.根据权利要求1所述的基于对数变换与伽柏卷积的SAR图像边缘检测方法，其特征在于，步骤(3c)中所述非极大抑制操作的具体步骤如下：

第一步，按照下式，计算图像边缘强度图中每个像素的梯度方向：

其中，G_m表示图像边缘强度图中第m像素的梯度方向值，T_m表示图像边缘梯度图中第m像素值，π表示圆周率；

第二步，根据图像边缘强度图中每个像素的梯度方向，将以该像素为中心的8邻域像素中，位于对应梯度方向上的2个像素作为该像素的对比像素；

第三步，遍历图像边缘强度图中的每个像素，对比每个像素与其2个对比像素的值的大小，将大于2个对比像素的像素值作为一个非抑制像素值；

第四步，将所有的非抑制像素值组成边缘非抑制图。