[发明专利]一种多光谱图像边缘特征检测方法

说明书

技术领域

本发明涉及一种图像处理方法，特别涉及一种多光谱图像边缘特征检测方法。

背景技术

图像的边缘集中了图像的大部分信息，边缘特征的检测是数字图像处理的核心内容之一，其检测精度直接影响到后续的图像识别与理解的效果。图像可大致分为灰度图像、彩色图像和多光谱图像三类。

目前，灰度图像边缘特征检测方法主要依赖于图像的一阶或二阶微分运算，前者根据水平、垂直或交叉方向的一阶微分运算获得图像的梯度特征，如Roberts算子、Prewitt算子、Sobel算子等；后者根据二阶微分运算的零交叉点确定边缘的位置，如Laplacian算子，LoG算子等。彩色图像具有RGB三个分量，其边缘检测主要依赖于IHS(I指亮度，H指色调，S指饱和度)变换等色彩空间变换，通过对变换后的亮度分量进行边缘增强获得边缘特征。

多光谱图像与灰度图像、彩色图像的一个主要不同之处在于，它往往拥有三个以上的多光谱波段，因此难以利用色彩空间变换的方法检测边缘特征。目前多光谱图像边缘特征检测仍没有好的解决方案，较为直观的方法是首先运用梯度算子分别对各个波段进行检测，然后通过和、模、最大值、最小值等代数运算或主成分变换进行降维处理。这样的降维处理缺乏物理基础，而且因为多光谱图像上的地物边界在不同波段并不一致，必然使边缘检测结果出现较大的不确定性。

发明内容

发明目的：针对上述现有存在的问题和不足，本发明的目的是提供一种无需降维处理，直接利用多光谱信息计算边缘特征的多光谱图像边缘特征检测方法。

技术方案：为实现上述发明目的，本发明采用的技术方案为一种多光谱图像边缘特征检测方法，包含如下步骤：

(1)计算多光谱图像N个波段的水平方向的梯度G_ix和垂直方向的梯度G_iy，其中N为自然数，i＝1，2，3，…，N；

(2)逐像元将所述步骤(1)中N个波段的水平方向的梯度平方相加，得到水平方向的特征元素G_xx，逐像元将所述步骤(1)中N个波段的垂直方向的梯度平方相加，得到垂直方向的特征元素G_yy，逐像元将所述步骤(1)中N个波段的水平方向的梯度G_ix和垂直方向的梯度G_iy的乘积相加，得到水平和垂直双方向的特征元素G_xy和G_yx，由G_xx、G_yy、G_xy、G_yx组成特征矩阵G(x，y)；

(3)逐像元计算所述步骤(2)中特征矩阵G(x，y)的特征值λ₊与λ_-；

(4)利用步骤(3)中得到的特征值λ₊与λ_-计算图像的梯度值g(x，y)，从而得到多光谱图像的边缘特征。

所述步骤(1)中，一阶微分算子为最简单的一阶差分，方便快捷。

所述波段可以是所述图像的所有波段，也可以根据应用目的选择部分最佳的波段。如检测植被的边缘时，可以选择对植被指示最为敏感的红光和近红外波段进行检测。

所述步骤(3)中计算的特征值λ₊与λ_-指示了多光谱边缘的幅度。

所述步骤(4)中计算图像的梯度值g(x，y)的方法可以为计算所述特征值λ₊与λ_-的差值的平方根，还可以为计算所述特征值λ₊与λ_-的和或比值等其它代数运算。

有益效果：本发明同时利用了各个波段的梯度信息，以直观、快速的方式获得多光谱图像的边缘特征。检测时既可以选择所有波段计算边缘特征，也可以根据应用需要选择最合适的某几个波段计算边缘特征。这种直接利用多光谱信息进行边缘特征检测的方法，比用代数运算的方法综合多波段的梯度信息更加合理和高效。

附图说明

图1为本发明的流程图；

图2为高分辨率的QuickBird卫星多光谱图像；

图3为利用计算机编程语言实现的本发明结果示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。