CN107564027A - 一种合成孔径雷达图像的边缘矢量计算方法 - Google Patents
一种合成孔径雷达图像的边缘矢量计算方法 Download PDFInfo
- Publication number
- CN107564027A CN107564027A CN201711007980.8A CN201711007980A CN107564027A CN 107564027 A CN107564027 A CN 107564027A CN 201711007980 A CN201711007980 A CN 201711007980A CN 107564027 A CN107564027 A CN 107564027A
- Authority
- CN
- China
- Prior art keywords
- edge
- degree
- vector
- axis
- causal filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 44
- 238000000205 computational method Methods 0.000 title abstract 3
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000001364 causal effect Effects 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 11
- 238000003708 edge detection Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000002156 mixing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种合成孔径雷达图像的边缘矢量计算方法，涉及遥感领域中的合成孔径雷达(SAR)图像的边缘强度和边缘方向的计算方法。首先，利用迭代卷积方法计算得出SAR图像任意像素点周围4个区域的亮度指数加权均值；然后，将SAR逆时针旋转45°，并计算得出旋转后图像任意像素点周围4个区域的亮度指数加权均值；最后，将以上计算得出的8个区域的亮度指数加权均值表示成边缘矢量分量的形式，利用矢量合成的方法计算得出SAR图像的边缘矢量。本发明能精准的计算出[0,2p)范围的边缘方向，同时计算得到的边缘强度具有较高水平的恒虚警能力和抗断裂能力。
Description
技术领域
本发明涉及遥感领域中的一种合成孔径雷达(SAR)图像的边缘矢量计算方法，特别适用于提取合成孔径雷达图像的边缘强度和边缘方向。
背景方法
目前用于SAR图像边缘检测的方法主要有以下两类，在性能上虽各有特点，但均存在某种不足。
1、基于单边模型的均值比边缘检测算法。该类方法通过计算两个相邻检测窗口内的像素均值比来判定边缘点，因此具有恒虚警性。然而这种基于单边模型的边缘检测算法在局部区域存在多边缘的情况下，边缘提取的准确性会受到严重影响。
2、基于多边模型的均值比边缘检测算法。该类方法中应用最广的是ROEWA(Ratioof Exponentially Weighted Averages)指数加权均值比率算法，但是这种算法存在无法计算边缘方向的缺陷。其他基于多方向模板的均值比边缘检测算法以及改进型ROEWA算法，均是以硬分割方法直接将边缘方向划分为多个方向域，而实际中边缘方向都是连续变化的，因此必然导致分割线附近的区域划分不准确。
发明内容
本发明的目的在于避免上述背景方法中的不足之处而提供一种SAR图像边缘矢量计算方法。本发明具有计算复杂度低、恒虚警、抗躁能力强、边缘强度计算性能优良和边缘方向计算精准的特点。
本发明解决其技术问题所采用的技术方案是：
一种合成孔径雷达图像的边缘矢量计算方法，包括以下步骤：
(1)利用迭代卷积方法计算得出合成孔径雷达图像中任意像素点I(x,y)周围A、B、C和D四个区域的亮度指数加权均值：l1(x,y)，l2(x,y)，l3(x,y)和l4(x,y)；所述的A、B、C和D四个区域分别为以像素点I(x,y)的x行和y列为分界，将整幅图像分成左上A区域、左下B区域、右上C区域和右下D区域；
(2)将合成孔径雷达图像逆时针旋转45°，计算得出任意像素点I(x,y)周围A'、B'、C'和D'四个区域的亮度指数加权均值：l5(x,y)，l6(x,y)，l7(x,y)和l8(x,y)；所述的A'、B'、C'和D'四个区域分别为A、B、C和D四个区域逆时针旋转45°后的区域；
(3)定义合成孔径雷达图像中任意一点(x,y)的8个边缘矢量分量分别为和其方向分别为0°，45°，90°，135°，180°，225°，270°和315°，其模值分别为l6(x,y)，l2(x,y)，l8(x,y)，l4(x,y)，l7(x,y)，l3(x,y)，l5(x,y)，l1(x,y)；
(4)利用边缘矢量合成的方法，由 和合成像素点I(x,y)处的边缘矢量
其中，所述步骤(4)具体包括以下步骤：
(401)令0°为X轴主方向，90°为Y轴主方向，对 和各矢量做矢量分解，可得：
其中，和分别表示X轴正方向、Y轴方向、X轴负方向和Y轴负方向的合成矢量。
(402)则X轴和Y轴主方向边缘合成矢量分别为：
其中，为X轴主方向边缘合成矢量，为Y轴主方向边缘合成矢量；
(403)计算得到边缘矢量的模值
计算得到边缘矢量的角度Dire(x,y)：
其中，所述步骤(1)具体包括以下步骤：
(101)使用一个因果滤波器f1(x)在垂直方向上与合成孔径雷达图像中任意像素点I(x,y)进行列卷积操作，卷积结果记为s1(x,y)；
(102)使用一个因果滤波器f1(y)在水平方向上与s1(x,y)进行行卷积操作，卷积结果记为l1(x,y)；
(103)使用一个非因果滤波器f2(x-1)在垂直方向上与合成孔径雷达图像中任意像素点I(x,y)进行列卷积操作，卷积结果记为s2(x,y)；
(104)使用一个因果滤波器f1(y)在水平方向上与s2(x,y)进行行卷积操作，卷积结果记为l2(x,y)；
(105)使用一个非因果滤波器f2(y)在水平方向上与s1(x,y)进行行卷积操作，卷积结果记为l3(x,y)；
(106)使用一个非因果滤波器f2(y)在水平方向上与s2(x,y)进行行卷积操作，卷积结果记为l4(x,y)；
其中，因果滤波器f1(x)和非因果滤波器f2(x)的表达式如下：
其中，0<a＝1-b<1，0<a<1为常数，建议取值a＝0.5。H(x)为Heaviside函数，其表达式为：
本发明相比背景算法有如下优点：
1、本发明不仅具有比广泛应用的ROEWA边缘算法更优秀的边缘强度计算能力，而且具有[0,2π)范围内边缘方向的精准计算能力。
2、本发明计算得到的边缘方向是连续的，比传统基于多方向模板的边缘方向计算方法获得的边缘方向更加精准、应用更加灵活。
附图说明
图1是直接通过I(x,y)计算得到的4个边缘矢量分量示意图。
图2是将I(x,y)逆时针旋转45°得到的I’(x,y)图像。
图3是将l’1顺时针旋转45°得到的l’5图像。
图4是通过I’(x,y)计算得到的4个边缘矢量分量示意图。
图5是边缘矢量合成示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图5，一种合成孔径雷达图像的边缘矢量计算方法，包括以下步骤：
1)使用一个因果滤波器f1(x)在垂直方向上与I(x,y)进行列卷积操作，卷积结果记为s1(x,y)，其中s1(x,y)可以使用式(3)的方法计算得到：
s1(x,y)＝f1(x)*I(x,y)＝a[I(x,y)-s1(x-1)]+s1(x-1) (3)
其中，s1(1,:)＝I(1,:)，x＝1，2，...M；
2)使用一个因果滤波器f1(y)在水平方向上与s1(x,y)进行行卷积操作，卷积结果记为l1(x,y)，其中l1(x,y)可以参照式(3)的方法计算得到：
3)使用一个非因果滤波器f2(x-1)在垂直方向上与I(x,y)进行列卷积操作，卷积结果记为s2(x,y)，其中s2(x,y)可以使用式(4)的方法计算得到：
s2(x,y)＝f2(x-1)*I(x,y)＝a[I(x,y)-s2(x+1)]+s2(x+1) (4)
其中，s2(N,:)＝I(N,:)，x＝M,M-1,...1；
4)使用一个因果滤波器f1(y)在水平方向上与s2(x,y)进行行卷积操作，卷积结果记为l2(x,y)，l2(x,y)可以参照式(3)的方法计算得到；
5)使用一个非因果滤波器f2(y)在水平方向上与s1(x,y)进行行卷积操作，卷积结果记为l3(x,y)，l3(x,y)可以使用式(4)的方法计算得到；
6)使用一个非因果滤波器f2(y)在水平方向上与s2(x,y)进行行卷积操作，卷积结果记为l4(x,y)，l4(x,y)可以使用式(4)的方法计算得到；
参照图1，对于图像I(x,y)中的任意一点，I(x,y)左侧区域(yi<y,i＝1,2,…y-1)以x行为界分为A、B两个区域，(x,y)右侧区域(yj>y,j＝y+1,y+2,…M)以x行为界分为C、D两个区域，则l1(x,y)，l2(x,y)，l3(x,y)和l4(x,y)分别对应A、B、C和D区域的亮度指数加权均值；
7)将I(x,y)逆时针旋转45°，记为I’(x,y)。参照图2，I’(x,y)比I(x,y)多出来的区域，像素值均置为0；
8)用I’(x,y)替换I(x,y),重复步骤1)～6)，分别得出l’1(x,y)，l’2(x,y)，l’3(x,y)和l’4(x,y)；
9)分别将l’1(x,y)，l’2(x,y)，l’3(x,y)和l’4(x,y)顺时针旋转45°，计算得到l5(x,y)，l6(x,y)，l7(x,y)和l8(x,y)。其详细过程包含：
9.1)分别将l’i(x,y),i＝1,2,3,4顺时针旋转45°，得到l”i(x,y)。参照图3，图3是以l’1(x,y)为例。l”i(x,y)比l’i(x,y)多出来的区域，像素值均置为0；
9.2)假设l”i(x,y)的尺寸为M’×N’，令m＝(M’-M)/2，n＝(N’-N)/2，则提取l”i(m:m+M,n:n+N)区域，分别记为l5(x,y)，l6(x,y)，l7(x,y)和l8(x,y)。其中(m:m+M)表示区间[m,m+M]，(n:n+N)表示区间[n:n+N]。参照图4，对于图像I(x,y)中的任意一点，l5(x,y)，l6(x,y)，l7(x,y)和l8(x,y)分别为图4所示4个区域的亮度指数加权均值。
10)参照图5，定义SAR图像中任意一点(x,y)的8个边缘矢量分量分别为和其方向分别为0°，45°，90°，135°，180°，225°，270°，315°，其模值分别为l6(x,y)，l2(x,y)，l8(x,y)，l4(x,y)，l7(x,y)，l3(x,y)，l5(x,y)，l1(x,y)；
11)参照图5，利用矢量合成的方法计算I(x,y)中每一个点的边缘矢量其详细过程如下：
11.1)令0°(笛卡尔坐标系)为X轴主方向，90°为Y轴主方向。对各矢量做矢量分解，可得：
11.2)将r0、r1、r2和r3按方向作比值归一化：
11.3)则X轴和Y轴主方向边缘合成矢量分别为：
11.4)本发明的边缘矢量的模值计算方法如下：
11.5)本发明的边缘矢量的角度计算方法如下：
最后说明的是，以上实施例仅仅是对于本发明专利精神作举例说明。本发明专利所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方法替代，但并不会偏离本发明专利的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.一种合成孔径雷达图像的边缘矢量计算方法，其特征在于，包括以下步骤：
(1)利用迭代卷积方法计算得出合成孔径雷达图像中任意像素点I(x,y)周围A、B、C和D四个区域的亮度指数加权均值：l1(x,y)，l2(x,y)，l3(x,y)和l4(x,y)；所述的A、B、C和D四个区域分别为以像素点I(x,y)的x行和y列为分界，将整幅图像分成左上A区域、左下B区域、右上C区域和右下D区域；
(2)将合成孔径雷达图像逆时针旋转45°，计算得出任意像素点I(x,y)周围A'、B'、C'和D'四个区域的亮度指数加权均值：l5(x,y)，l6(x,y)，l7(x,y)和l8(x,y)；所述的A'、B'、C'和D'四个区域分别为A、B、C和D四个区域逆时针旋转45°后的区域；
(3)定义合成孔径雷达图像中任意一点(x,y)的8个边缘矢量分量分别为和其方向分别为0°，45°，90°，135°，180°，225°，270°和315°，其模值分别为l6(x,y)，l2(x,y)，l8(x,y)，l4(x,y)，l7(x,y)，l3(x,y)，l5(x,y)，l1(x,y)；
(4)利用边缘矢量合成的方法，由 和合成像素点I(x,y)处的边缘矢量
2.根据权利1所述的一种合成孔径雷达图像的边缘矢量计算方法，其特征在于：所述步骤(4)具体包括以下步骤：
(401)令0°为X轴主方向，90°为Y轴主方向，对 和各矢量做矢量分解，可得：
其中，和分别表示X轴正方向、Y轴方向、X轴负方向和Y轴负方向的合成矢量。
(402)则X轴和Y轴主方向边缘合成矢量分别为：
其中，为X轴主方向边缘合成矢量，为Y轴主方向边缘合成矢量；
(403)计算得到边缘矢量的模值
计算得到边缘矢量的角度Dire(x,y)：
3.根据权利1所述的一种合成孔径雷达图像的边缘矢量计算方法，其特征在于：所述步骤(1)具体包括以下步骤：
(101)使用一个因果滤波器f1(x)在垂直方向上与合成孔径雷达图像中任意像素点I(x,y)进行列卷积操作，卷积结果记为s1(x,y)；
(102)使用一个因果滤波器f1(y)在水平方向上与s1(x,y)进行行卷积操作，卷积结果记为l1(x,y)；
(103)使用一个非因果滤波器f2(x-1)在垂直方向上与合成孔径雷达图像中任意像素点I(x,y)进行列卷积操作，卷积结果记为s2(x,y)；
(104)使用一个因果滤波器f1(y)在水平方向上与s2(x,y)进行行卷积操作，卷积结果记为l2(x,y)；
(105)使用一个非因果滤波器f2(y)在水平方向上与s1(x,y)进行行卷积操作，卷积结果记为l3(x,y)；
(106)使用一个非因果滤波器f2(y)在水平方向上与s2(x,y)进行行卷积操作，卷积结果记为l4(x,y)。
4.根据权利要求3所述的一种合成孔径雷达图像的边缘矢量计算方法，其特征在于：
因果滤波器f1(x)和非因果滤波器f2(x)的表达式如下：
其中，0<a＝1-b<1，0<a<1为常数，H(x)为Heaviside函数，其表达式为：
5.根据权利要求4所述的一种合成孔径雷达图像的边缘矢量计算方法，其特征在于：a＝0.5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711007980.8A CN107564027B (zh) | 2017-10-25 | 2017-10-25 | 一种合成孔径雷达图像的边缘矢量计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711007980.8A CN107564027B (zh) | 2017-10-25 | 2017-10-25 | 一种合成孔径雷达图像的边缘矢量计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107564027A true CN107564027A (zh) | 2018-01-09 |
| CN107564027B CN107564027B (zh) | 2020-07-14 |
Family
ID=60987171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711007980.8A Active CN107564027B (zh) | 2017-10-25 | 2017-10-25 | 一种合成孔径雷达图像的边缘矢量计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107564027B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875636A (zh) * | 2018-06-20 | 2018-11-23 | 中国电子科技集团公司第五十四研究所 | 一种基于辅助判别策略的合成孔径雷达图像海陆分割方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376564A (zh) * | 2014-11-24 | 2015-02-25 | 西安工程大学 | 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法 |
| CN106251332A (zh) * | 2016-07-17 | 2016-12-21 | 西安电子科技大学 | 基于边缘特征的sar图像机场目标检测方法 |
| CN106683107A (zh) * | 2016-11-08 | 2017-05-17 | 成都理工大学 | 基于roewa改进的sar图像边缘检测方法 |
| CN106780584A (zh) * | 2016-11-28 | 2017-05-31 | 国家海洋局第二海洋研究所 | 基于灰度共生矩阵的纹理方向精细估算方法 |
-
2017
- 2017-10-25 CN CN201711007980.8A patent/CN107564027B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376564A (zh) * | 2014-11-24 | 2015-02-25 | 西安工程大学 | 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法 |
| CN106251332A (zh) * | 2016-07-17 | 2016-12-21 | 西安电子科技大学 | 基于边缘特征的sar图像机场目标检测方法 |
| CN106683107A (zh) * | 2016-11-08 | 2017-05-17 | 成都理工大学 | 基于roewa改进的sar图像边缘检测方法 |
| CN106780584A (zh) * | 2016-11-28 | 2017-05-31 | 国家海洋局第二海洋研究所 | 基于灰度共生矩阵的纹理方向精细估算方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875636A (zh) * | 2018-06-20 | 2018-11-23 | 中国电子科技集团公司第五十四研究所 | 一种基于辅助判别策略的合成孔径雷达图像海陆分割方法 |
| CN108875636B (zh) * | 2018-06-20 | 2022-03-01 | 中国电子科技集团公司第五十四研究所 | 一种基于辅助判别策略的合成孔径雷达图像海陆分割方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107564027B (zh) | 2020-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109191476B (zh) | 基于U-net网络结构的生物医学图像自动分割新方法 | |
| CN109389556B (zh) | 一种多尺度空洞卷积神经网络超分辨率重构方法及装置 | |
| CN110473231B (zh) | 一种具有预判式学习更新策略的孪生全卷积网络的目标跟踪方法 | |
| CN107194408B (zh) | 一种混合块稀疏协作模型的目标跟踪方法 | |
| CN109242972B (zh) | 一种基于顶点特征的双法向网格模型光顺方法 | |
| WO2022141145A1 (zh) | 面向对象的高分辨率遥感影像多尺度分割方法及系统 | |
| CN104899830B (zh) | 一种图像超分辨方法 | |
| CN106204454B (zh) | 基于纹理边缘自适应数据融合的高精度快速图像插值方法 | |
| CN105118067A (zh) | 一种基于高斯平滑滤波的图像分割方法 | |
| CN107507232B (zh) | 基于多尺度迭代的立体匹配方法 | |
| CN103700101A (zh) | 一种非刚性脑图像配准方法 | |
| CN104732546B (zh) | 区域相似性和局部空间约束的非刚性sar图像配准方法 | |
| CN110992263A (zh) | 一种图像拼接方法及系统 | |
| JP2013536960A (ja) | 写真から肖像スケッチを合成するシステム及び方法 | |
| CN113298039B (zh) | 一种顾及遥感图像旋转目标的目标检测方法 | |
| CN103886606B (zh) | 基于联合广义伽玛分布参数的sar图像分割方法 | |
| CN108492263B (zh) | 一种镜头径向畸变校正方法 | |
| CN112215079B (zh) | 一种全局多阶段目标跟踪方法 | |
| CN111260694A (zh) | 卫星遥感视频目标跟踪方法及装置 | |
| CN107564027B (zh) | 一种合成孔径雷达图像的边缘矢量计算方法 | |
| CN110070545A (zh) | 一种城镇纹理特征密度自动提取城镇建成区的方法 | |
| CN104680536A (zh) | 利用改进的非局部均值算法对sar图像变化的检测方法 | |
| CN114119437A (zh) | 一种基于gms的用于改善运动物体畸变的图像拼接方法 | |
| CN102663750A (zh) | 数字图像边缘检测方法 | |
| CN102800069A (zh) | 一种融合软决策自适应插值与双三次插值的图像超分辨率方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |