CN117541611A - 基于分数阶累积量谱的sar图像边缘检测装置和方法 - Google Patents

Abstract

基于分数阶累积量谱的SAR图像边缘检测装置和方法属计算机图像处理技术领域，本发明的方法包括：基于分数阶微积分原理对SAR图像进行分数阶矩估计，得到矩特征图像；基于分数阶矩估计计算分数阶累积量，得到累积量特征图像；提出分数阶累积量谱的定义，计算SAR图像的分数阶累积量谱，得到谱特征图像；计算分数阶累积量谱差值，实现含噪SAR图像的边缘检测。本发明的方法在边缘检测的过程中，通过将SAR图像进行基于分数阶累积量谱的特征提取，获取有利于特征强化的谱图像，能有效降低噪声对SAR图像特征提取的影响，且后续通过谱特征的差值计算，能获取较准确的图像边缘，使含噪SAR图像的边缘检测准确度得到很大提升。

Description

基于分数阶累积量谱的SAR图像边缘检测装置和方法

技术领域

本发明属计算机图像处理技术领域，具体涉及一种基于分数阶累积量谱的SAR图像边缘检测装置和方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)可以通过发射微波主动成像，为民生或军事应用提供不受恶劣气候条件影响的观测图像。目前SAR图像处理技术已经成为遥感领域的研究热点。边缘检测可以通过图像灰度等信息检测场景颜色变化较大的位置。但是，SAR图像本身存在难以去除的非高斯噪声，该噪声本质上服从对称α稳定分布，并非常见的高斯噪声，常见的图像去噪方法对其效果不佳。基于分数阶累积量谱特征的SAR图像边缘检测可以在不进行图像去噪的情况下，对边缘进行提取和检测。具有噪声鲁棒性的特征，可以有效避免在去噪过程中造成的图像细节信息的损失。

基于分数阶累积量谱的SAR图像边缘检测方法：即在获取相应的SAR图像后，通过图像处理技术进行分数阶累积量谱的计算，利用所提出的谱特征自动对边缘进行检测。现有的SAR图像边缘检测方法，有基于均值比(ratioofaverages，ROA)检测器的边缘检测方法；还有学者利用边缘的多方向性和小波变换的方向选择性，用边缘检测算子检测出小波变换系数在不同方向上所对应的边缘；还有以窗口中变化最大方向上的灰度变化率为测度进行检测的。现有方法中，或仍会受到较大幅度噪声严重影响，或受限于有限方向性，或受限于尺度窗口变化率，都无法有效避免非高斯噪声对边缘检测的不良影响，导致SAR图像边缘检测不够准确明晰。

发明内容

本发明的目的在于提供一种基于分数阶累积量谱的SAR图像边缘检测装置和方法，其适用于基于所提出的分数阶累积量谱对SAR图像的边缘进行检测的图像处理操作，在边缘检测的过程中，通过对SAR图像进行基于分数阶累积量谱的特征提取，能获取特征强化的谱图像，并有效降低噪声对SAR图像特征提取的影响，且后续通过计算谱特征的差值，获取了较为准确的图像边缘，使含噪SAR图像的边缘提取准确度得到了较大的提升。

本发明的一种基于分数阶累积量谱的SAR图像边缘检测装置，由图像获取模块01、分数阶矩估计模块02、分数阶累积量转换模块03、分数阶累积量谱计算模块04、边缘检测模块05组成，图像获取模块01、分数阶矩估计模块02、分数阶累积量转换模块03、分数阶累积量谱计算模块04、边缘检测模块05自前至后顺序排列并连接。

图像获取模块01用于获取SAR图像；分数阶矩估计模块02用于估计SAR图像像素点的分数阶矩，得到矩特征图像；分数阶累积量转换模块03用于利用分数阶矩估计值计算分数阶累积量，得到累积量特征图像；分数阶累积量谱计算模块04用于计算具有噪声鲁棒性的分数阶累积量谱，得到谱特征图像；边缘检测模块05用于对谱特征图像进行特征差值计算，获取准确的SAR图像边缘。

本发明的一种基于分数阶累积量谱的SAR图像边缘检测计算机设备，由处理器1、总线2、内存储器3、输入装置4、显示器5、网络接口6、数据库7、计算机程序8、操作系统9和非易失性存储介质10组成，其中数据库7、计算机程序8、操作系统9置于非易失性存储介质10中，并经总线2与处理器1连接；内存储器3、输入装置4、显示器5和网络接口6自前至后顺序排列，并经总线2与处理器1连接。

本发明的一种基于分数阶累积量谱的SAR图像边缘检测方法，包括下列步骤：

1)基于分数阶微积分原理对SAR图像进行分数阶矩估计，得到矩特征图像，如下式：

其中：τ_k表示第k个数据点间隔，当k为4时，上式为：

2)基于分数阶矩估计计算分数阶累积量，得到累积量特征图像，如下式：

其中：cum为所求位置分数阶累积量；mom^kp为像素点指定范围内的分数阶矩估计值；

3)提出分数阶累积量谱的定义，计算SAR图像的分数阶累积量谱，得到谱特征图像，包括下列步骤：

3.1提出分数阶矩谱的定义，如下式：

其中：m^kp(τ₁,τ₂,…,τ_k-1)表示k阶分数阶矩；x为随机变量；ω为角频率；表示Mittag-Leffler方程，如下：

3.2提出并计算分数阶累积量谱，得到谱特征图像，如下式：

其中：C^kp(τ₁,τ₂,…,τ_k-1)表示k阶分数阶累积量；对于数字图像，上式为：

3.3验证分数阶累积量谱对噪声的鲁棒性，如下式：

3.4利用分数阶累积量估计值，计算分数阶累积量谱；

4)通过计算分数阶累积量谱差值，获取分数阶累积量谱流向梯度图，实现含噪SAR图像的边缘检测，如下式：

其中：row和col为谱图像像素点的行列坐标；angle取值为0°,45°,90°,135°；Gr_angle(row,col)表示在不同角度下的谱特征差值，计算如下：

本发明提出的基于分数阶累积量谱的SAR图像边缘检测装置和方法，从理论上验证了分数阶累积量谱的噪声鲁棒性，能有效抑制非高斯噪声对边缘检测的影响，实现准确的SAR图像边缘检测，有利于后续的图像分割等相关工作。

附图说明

图1为基于分数阶累积量谱的SAR图像边缘检测方法的简易流程图；

图2为基于分数阶累积量谱的SAR图像边缘检测方法的详细流程图；

图3为矩特征图像；

其中：(a)为SAR图像；(b)为矩特征图像；

图4为累积量特征图像；

图5为谱特征图像；

图6和图7为边缘检测结果示例图；

其中：(a)为SAR图像；(b)为边缘图像；

图8为基于分数阶累积量谱的SAR图像边缘检测装置的结构框图；

其中：01.图像获取模块02.分数阶矩估计模块03.分数阶累积量转换模块04.分数阶累积量谱计算模块05.边缘检测模块；

图9为计算机设备的结构框图；

其中：1.处理器2.总线3.内存储器4.输入装置5.显示器6.网络接口7.数据库8.计算机程序9.操作系统10.非易失性存储介质。

具体实施方式

下面结合附图描述本发明。

如图8所示，本发明的一种基于分数阶累积量谱的SAR图像边缘检测装置，由图像获取模块01、分数阶矩估计模块02、分数阶累积量转换模块03、分数阶累积量谱计算模块04、边缘检测模块05组成，图像获取模块01、分数阶矩估计模块02、分数阶累积量转换模块03、分数阶累积量谱计算模块04、边缘检测模块05自前至后顺序排列并连接。

图像获取模块01用于获取SAR图像；分数阶矩估计模块02用于估计SAR图像像素点的分数阶矩，得到矩特征图像；分数阶累积量转换模块03用于利用分数阶矩估计值计算分数阶累积量，得到累积量特征图像；分数阶累积量谱计算模块04用于计算具有噪声鲁棒性的分数阶累积量谱，得到谱特征图像；边缘检测模块05用于对谱特征图像进行特征差值计算，获取准确的SAR图像边缘。

如图9所示，本发明的一种基于分数阶累积量谱的SAR图像边缘检测计算机设备，由处理器1、总线2、内存储器3、输入装置4、显示器5、网络接口6、数据库7、计算机程序8、操作系统9和非易失性存储介质10组成，其中数据库7、计算机程序8、操作系统9置于非易失性存储介质10中，并经总线2与处理器1连接；内存储器3、输入装置4、显示器5和网络接口6自前至后顺序排列，并经总线2与处理器1连接。

本发明的一种基于分数阶累积量谱的SAR图像边缘检测方法，其特征在于，包括下列步骤：

1)基于分数阶微积分原理对SAR图像进行分数阶矩估计，得到矩特征图像，如下式：

其中：τ_k表示第k个数据点间隔，当k为4时，上式为：

2)基于分数阶矩估计计算分数阶累积量，得到累积量特征图像，如下式：

其中：cum为所求位置分数阶累积量；mom^kp为像素点指定范围内的分数阶矩估计值；

3)提出分数阶累积量谱的定义，计算SAR图像的分数阶累积量谱，得到谱特征图像，包括下列步骤：

3.1提出分数阶矩谱的定义，如下式：

其中：m^kp(τ₁,τ₂,…,τ_k-1)表示k阶分数阶矩；x为随机变量；ω为角频率；表示Mittag-Leffler方程，如下：

3.2提出并计算分数阶累积量谱，得到谱特征图像，如下式：

其中：C^kp(τ₁,τ₂,…,τ_k-1)表示k阶分数阶累积量；对于数字图像，上式为：

3.3验证分数阶累积量谱对噪声的鲁棒性，如下式：

3.4利用分数阶累积量估计值，计算分数阶累积量谱；

4)通过计算分数阶累积量谱差值，获取分数阶累积量谱流向梯度图，实现含噪SAR图像的边缘检测，如下式：

其中：row和col为谱图像像素点的行列坐标；angle取值为0°,45°,90°,135°；Gr_angle(row,col)表示在不同角度下的谱特征差值，计算如下：

二、实验分析

实验选取高分卫星采集的SAR图像作为测试图源，体现了本发明边缘检测的准确性。从图5可见，相比于原图像，谱特征图像的对比度更高，纹理更为清晰。从图6中可见，本方法在处理对比度较低的图像时，仍可检测到较为准确的边缘。由图7可以看出，即使受到严重噪声影响，本发明的方法检测的边缘仍是准确的。

Claims (3)

1.一种基于分数阶累积量谱的SAR图像边缘检测装置，其特征在于，由图像获取模块(01)、分数阶矩估计模块(02)、分数阶累积量转换模块(03)、分数阶累积量谱计算模块(04)、边缘检测模块(05)组成，图像获取模块(01)、分数阶矩估计模块(02)、分数阶累积量转换模块(03)、分数阶累积量谱计算模块(04)、边缘检测模块(05)自前至后顺序排列并连接。

2.一种基于分数阶累积量谱的SAR图像边缘检测计算机设备，其特征在于，由处理器(1)、总线(2)、内存储器(3)、输入装置(4)、显示器(5)、网络接口(6)、数据库(7)、计算机程序(8)、操作系统(9)和非易失性存储介质(10)组成，其中数据库(7)、计算机程序(8)、操作系统(9)置于非易失性存储介质(10)中，并经总线(2)与处理器(1)连接；内存储器(3)、输入装置(4)、显示器(5)和网络接口(6)自前至后顺序排列，并经总线(2)与处理器(1)连接。

3.一种基于分数阶累积量谱的SAR图像边缘检测方法，其特征在于，包括下列步骤：

1)基于分数阶微积分原理对SAR图像进行分数阶矩估计，得到矩特征图像，如下式：

其中：τ_k表示第k个数据点间隔，当k为4时，上式为：

2)基于分数阶矩估计计算分数阶累积量，得到累积量特征图像，如下式：

其中：cum为所求位置分数阶累积量；mom^kp为像素点指定范围内的分数阶矩估计值；

3)提出分数阶累积量谱的定义，计算SAR图像的分数阶累积量谱，得到谱特征图像，包括下列步骤：

3.1提出分数阶矩谱的定义，如下式：

其中：m^kp(τ₁,τ₂,…,τ_k-1)表示k阶分数阶矩；x为随机变量；ω为角频率；表示Mittag-Leffler方程，如下：

3.2提出并计算分数阶累积量谱，得到谱特征图像，如下式：

其中：C^kp(τ₁,τ₂,…,τ_k-1)表示k阶分数阶累积量；对于数字图像，上式为：

3.3验证分数阶累积量谱对噪声的鲁棒性，如下式：

3.4利用分数阶累积量估计值，计算分数阶累积量谱；

4)通过计算分数阶累积量谱差值，获取分数阶累积量谱流向梯度图，实现含噪SAR图像的边缘检测，如下式：

其中：row和col为谱图像像素点的行列坐标；angle取值为0°,45°,90°,135°；Gr_angle(row,col)表示在不同角度下的谱特征差值，计算如下：