利用区域划分的合成孔径雷达图像相干斑抑制算法

为在有效保护合成孔径雷达(SAR)图像边缘特征的同时进一步提高乘性相干斑噪声的抑制性能,提出了一种基于区域划分的SAR图像相干斑抑制(DABRS)算法.首先利用带方向的高斯-伽马平行窗通过比率运算生成边缘强度映射(ESM),并利用阈值化ESM对SAR图像进行区域划分,然后利用改进的变窗Kuan滤波与改进的Sigma滤波分别对SAR图像的均匀区域与边缘区域进行相干斑抑制.为进一步提高抑斑效果,两种改进抑斑算法均采用迭代滤波方式,且改进Kuan滤波的窗尺度随迭代次数的增加而增大.实验结果表明:与多种抑斑算法相比,DABRS算法在抑斑与边缘保护方面具有优势,等效视数提高超过30%,边缘保持指数提高8%以上,而且抑斑图像同质区还具有更平滑的视觉效果.

SAR图像相干斑噪声的各向异性扩散滤波算法

传统各向异性扩散滤波算法以梯度作为边缘检测与扩散系数生成的主要依据,当其用于抑制SAR图像中的乘性相干斑噪声时,存在对噪声敏感,边缘检测非恒虚警,扩散不均衡等问题,为此提出了一种新的各向异性扩散滤波算法。该算法利用平行窗通过比率运算生成边缘强度映射(ESM),然后利用ESM代替梯度作为边缘检测与扩散系数生成的主要参数,并将方向扩散与反向扩散结合对图像边缘进行去噪与锐化,从而有效克服了传统扩散滤波算法在处理相干斑噪声时存在的问题。实验表明:与传统扩散滤波算法相比,新算法在SAR图像去噪与边缘保护性能上均有提升,且锐化了图像边缘。

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。

边缘惩罚层次区域合并SAR图像分割算法

该文利用方向边缘强度信息,建立一种新的边缘惩罚SAR图像分割模型,提出一种最小化该模型的层次区域合并算法。利用多方向比例边缘检测算子(MDRED)提取边缘强度信息,并结合分水岭变换获得高质量的初始过分割结果。利用多边形近似区域边缘,提取边缘的方向,将方向边缘强度映射(OESM)融入边缘惩罚中,获得惩罚强度与边缘强度呈反比的惩罚项。逐渐增大边缘惩罚项的强度,获得由图像特征驱动的层次区域合并算法。利用区域邻接图(RAG)表示图像分割,提高区域合并的速度。实验表明:该文方法与其它方法相比在性能和效率上都有优势,获得更好的分割结果。

基于边缘强度映射的SAR图像等效视数非监督估计方法

该文结合边缘强度映射(Edge Strength Map,ESM)对SAR图像等效视数(Equivalent Number of Looks,ENL),提出一种自适应非监督估计方法。该方法先利用各向异性高斯核平行窗通过比率运算生成ESM,进而在简单的图像分块处理基础上,利用一种有效的非监督估计方法分别估计各分块图像在比率ESM下的区域阈值,并由各分块图像的阈值化ESM操作完成对SAR图像的区域划分,然后对非边缘区域中的所有像素在ESM的两次约束下,通过施加大尺度不规则窗完成局部ENL估计,最后通过直方图统计方法从局部ENL中获得全局ENL估计。实验表明:该文方法可有效克服传统空域估计方法 ENL估计值受局域统计方法选择影响大的不足,同时也可避免基于统计模型的估计方法需要相干斑先验信息且对抑斑后SAR图像估计失效的弊端。

一种基于双尺度高斯核方向导数的图像轮廓检测算法

为了降低图像轮廓检测中纹理对检测结果的影响,提出一种基于双尺度高斯核方向导数滤波器的图像轮廓检测算法。结合大小两个尺度高斯核方向导数滤波器构造图像的边缘强度映射(ESM),小尺度高斯核方向导数滤波器增强了图像细节信息的检测能力,而大尺度高斯核方向导数滤波器起到抑制纹理的作用。利用ESM自身的全局和局部信息对ESM进行均衡化。通过阈值化和形态学处理,得到最终轮廓检测结果。实验表明,该方法有效可行。

基于各向异性和边缘强度修正因子的边缘检测算法

融合了各向同性和各向异性高斯滤波器的边缘检测算法IAGK存在边缘拉伸效应,引起复杂边缘处产生伪边缘,各向同性高斯导数滤波器的引入,也导致算法对噪声的鲁棒性下降。同时,IAGK算法的各向异性因子非最优取值,理论上不具有最优信噪比和最优定位性能。基于自动各向异性高斯核选择最优各向异性因子,并加入边缘强度修正因子修正IAGK算法的边缘强度公式,抑制伪边缘的产生和噪声的影响。利用经典边缘检测数据集对提出的边缘检测算法进行测试,实验结果显示,与Canny、AAGK和IAGK算法相比,提出的算法具有更好的噪声鲁棒性和更强的弱边缘检测能力,同时可进一步抑制伪边缘效应。在含噪声情况下,所提算法的边缘品质因子(FOM)分别比Canny、AAGK和IAGK算法高3%,4%和7%。

边缘强度映射与区域划分的SAR图像非局部平均滤波算法

为减少合成孔径雷达(synthetic aperture radar,SAR)图像的乘性相干斑噪声,给出了一种改进的非局部平均滤波(non-local means,NLM)算法。首先,用变差系数(coefficient of variation,CV)来估计SAR图像区域划分阈值,根据阈值估计区域划分因子,并利用区域划分因子将SAR图像划分为纹理区和同质区;其次,采用不同尺度的相似窗估计不同区域的像素所对应的边缘强度映射(edge strength map,ESM),进而分别选取搜索窗中每个像素在相似窗下的ESM矩阵与中心像素的ESM矩阵,并利用二者各对应元素比值的2范数来构建适应乘性噪声的相似性测量参量,通过相似性参量和CV控制的自适应衰减因子耦合得到滤波值;最后,对不同区域使用不同的滤波值实现对SAR图像的非局部平均加权滤波。同以均值比与CV联合构建的NLM算法相比,该算法在等效视数上提高至少0.3%,边缘保持指数提高至少0.1%。

具有曲线形结构的物体边界和骨架的提取

用各向同性扩散得到梯度矢量流场的能量,并获得初始边界和骨架点(无须任何初始化);最后利用蛇模型演化这些初始点,当模型能量达到最小时演化停止.最终的点即为所需要的边界和骨架.该方法能同时得到物体的边界和骨架,改进了曲线结构强度图的计算,减少了计算量.采用人工图像和实际图像验证了该方法的有效性.

各向异性的多尺度边缘检测算法

提出了一种各向异性的多尺度边缘检测算法。首先,在给定的多个尺度下分别应用各向异性的高斯滤波器获取图像的边缘强度图。然后,将所获取的多幅边缘强度图融合为一幅边缘分辨率高、拓散效应小的边缘强度图。最后,将融合的边缘强度图嵌入到Canny边缘检测算法的框架中,获得最终的边缘检测结果。创新性地提出基于“信号平均”技术的多尺度融合策略,并从理论分析和数值实验角度解释了新策略相比于现有的“几何平均”融合策略所具有的优势。实验结果表明,所提算法通过使用多尺度融合策略,有效解决了各向异性滤波器在单一尺度下存在的边缘拓散问题,能够在保持稳健噪声鲁棒性的同时,获得了比现有算法更好的边缘检测效果。