[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

说明书

本发明公开了一种基于对数变换与伽柏卷积的SAR图像边缘检测方法，主要解决现有技术合成孔径雷达SAR图像边缘检测不准确以及耗时长的问题。其实现步骤如下：(1)生成含有48个伽柏卷积核的卷积核模型；(2)计算每个卷积核对应的卷积图；(3)通过计算卷积图获得图像的梯度边缘；(4)计算每个卷积核对应的对数变换卷积图；(5)通过计算对数变换边缘卷积图获得图像的比率边缘；(6)将梯度边缘和比率边缘进合并，从而得到最终的SAR图像边缘检测结果。本发明得到了良好SAR图像的边缘检测结果，可用于SAR图像的地形检测，灾害探测。

技术领域

本发明属于图像处理技术领域，更进一步涉及雷达图像处理技术领域中的一种基于对数变换与伽柏卷积的SAR(Synthetic Aperture Radar)图像边缘检测方法。本发明可应用于对合成孔径雷达SAR图像中的不同区域进行边缘检测提取，可用于地形检测、灾害探测、农田分布等领域中的雷达图像边缘检测。

背景技术

传统的光学图像由于通常具有明显的目标边缘信息，且无明显噪声，所以可以直接用常规的边缘检测算子进行边缘检测。然而SAR图像由于其独特的成像机理，导致其中往往分布着大量相干斑噪声，且这种噪声是加权噪声。正因为这种加权噪声的存在，使得常规光学图像的边缘检测方法无法有效对SAR图像的边缘进行检测，导致SAR图像的边缘检测难度大大提高。

Yuming Xiang，Feng Wang，Ling Wan等人在其发表的论文“一种先进的基于伽柏滤波器的SAR图像多尺度边缘检测器”(IEEE Geoscience and Remote Sensing Letters,2017,14(9):1522-1526.)中提出了一种基于伽柏滤波器的SAR图像结构边缘检测方法。该方法首先生成多个伽柏滤波器作为边缘检测模板；接着使用检测模板在SAR图像进行滑动，并计算对应滑窗内的比值作为检测强度响应；接着使用非极大抑制操作和连接操作获得初步边缘；根据边缘的角度和距离关系进行边缘线筛选，获得最终的图像边缘检测结果。该方法的不足之处在于，该方法中计算对应滑窗内的比值作为检测强度响应，在像素点灰度值高的位置会出现图像边缘的漏检。

西安电子科技大学在其申请的专利“基于各向异性形态学方向比率的SAR图像边缘检测方法”(专利申请号201710523319.6，公开号107358616A.)中公开了一种基于各向异性形态学方向比率的SAR图像边缘检测方法。该方法根据输入的SAR图像设置高斯伽马形双窗的参数；逆时针旋转高斯伽马形双窗，得到多方向的高斯伽马形双窗，并对其进行加权中值滤波；利用加权中值计算多方向的图像边缘响应并对其进行增强；根据边缘响应计算边缘强度映射；从边缘强度映射中抽取极大值点，作为候选边缘点；对候选边缘点进行双阈值门限决策，得到最终图像的边缘检测结果。该方法存在的不足之处在于，该方法中进行加权中值滤波、利用加权中值计算多方向的图像边缘响应，是比较复杂的计算过程，导致该边缘检测方法计算量大，需要消耗大量时间。

发明内容

本发明的目的是针对上述已有技术的不足，提出了一种基于对数变换与伽柏卷积的SAR图像边缘检测方法，解决在像素点灰度值高的位置会出现图像边缘漏检的问题，以及边缘检测方法计算量大，需要消耗大量时间的问题。

实现本发明目的的思路是，SAR图像边缘通常分布在高比率值和高梯度值的位置。当边缘所在位置的灰度值较高时，计算对应滑窗内的比值所得的结果，是一个十分接近数值1的检测结果，该结果难以与非图像边缘处的检测结果区分，导致在阈值筛选中被去除，出现图像边缘的漏检。而这些位置若存在真实的图像边缘，则其在图像灰度值上会有较大的差异，这些差异能够使用梯度的方式检测。但是传统的边缘检测算子会被SAR图像的相干斑噪声影响而出现大量噪声，而使用多尺度的伽柏卷积核作为边缘检测，由于其包括不同尺度的大量像素参与加权检测过程，能够有效降低噪声影响。使用梯度方式的检测结果弥补比值边缘检测的缺陷，能够解决在像素点灰度值高的位置会出现图像边缘漏检的问题。