[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

摘要

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。

主权项

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：/n(1)生成伽柏函数卷积核模型：/n(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；/n(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：/n /n其中，w_ixy表示第i个伽柏函数卷积核中位于横坐标x，纵坐标y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；/n(2)获得卷积图：/n(2a)输入一幅待处理的单通道SAR图像，该SAR图像为灰度图像；/n(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；/n(3)获得边缘定位图：/n(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；/n(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；/n(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；/n(3d)对边缘非抑制图的每个像素进行滞后阈值操作，得到图像的边缘定位图；/n(4)获得对数变换卷积图：/n(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；/n(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；/n(5)获得对数变换边缘定位图:/n(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：/nM_i＝1-expN_i/n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；/n(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；/n(5c)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；/n(5d)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；/n(6)获得SAR图像的边缘检测图：/n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。/n