[发明专利]一种差分-比例型无偏SAR边缘检测方法

说明书

本发明属于SAR图像检测技术领域，公开了一种差分‑比例型无偏SAR边缘检测方法，首先，选定一个可分离的2D边缘滤波器；逆时针旋转2D边缘滤波器，旋转角度为θ，可获得方向滤波器；使用方向滤波器计算每个像素点强度指标；根据计算出来的强度指标来计算边缘强度图；最后，对所得的边缘强度图，使用NSHT算法即可得二值边缘图。

技术领域

本发明属于SAR图像检测技术领域，尤其涉及一种差分-比例型无偏SAR边缘检测方法。

背景技术

图像边缘检测算法分为普通的光学图像边缘检测算法和合成孔径雷达图像(Synthetic Aperture Radar，缩写为SAR)边缘检测算法。尽管光学图像和SAR图像成像方式(图像获取方式)有所不同，但是在两种图像中，场景物理特性的突变，比如高度，表面反射率的改变等，总是在图像中以边缘的形式呈现。从初始简图的构成分析可知，边缘的信息含量远大于平坦区域，占据了主导地位。人类视觉研究表明，图像边缘的这种主导地位恰好可以被视觉细胞捕获，真实的反应到人类大脑中。轮廓，也就是边缘，在辨识和区别不同的物体可提供重要的信息。因此，为了降低处理图像信息的耗时，而又不损耗过多的图像信息，边缘检测在图像处理领域就显的尤为重要。

普通光学图像，也就是传统的视网膜成像，总是很鲜明的表现出物体的特征，而SAR图像往往都是“含蓄”的表现物体的特征。这意味着，同光学图像的信息提取过程相比，SAR图像特征提取过程更为复杂和困难。光学图像中，边缘像素既可以通过计算梯度方向的梯度幅值判断，又可以通过二阶导数的过零点判断。然而，在SAR图像中，由于同时包含加性噪声和乘性相干斑噪声，两种方法都不适用，其中乘性相干斑噪声是导致传统的边缘检测算法无法完成SAR图像边缘检测任务的主要原因。如果使用梯度的边缘检测方法检测SAR图像，这些检测算法会在高反射系数的区域内产生较多的虚警，而在低反射系数区域产生较少的虚警。当传统检测方法被用于检测SAR图像的边缘时，它们将不再具有恒虚警特性(Constant False Alarm Rate，缩写为CFAR)。

所以如何在降低边缘检测算法错误率的同时保持甚至提高其正确率水平是一个难题。理想边缘模型将边缘描述为区域间散射系数(灰度值)的突变过程。实际上，由于噪声的影响，SAR图像中区域间散射系数(灰度值)的改变过程并不是突变式的。因此很难利用理想边缘模型来描述SAR图像中的模糊边缘。通过反复的分析和对比，可得到非理想边缘模型更适合用来描述SAR图像中的边缘。然而，在非理想边缘模型下，常见的SAR图像边缘检测算子的检测结果大多是定位有偏的。

发明内容

针对上述问题，本发明的目的在于提供一种差分-比例型无偏SAR边缘检测方法，可用于检测SAR图像中的非理想边缘的差分-比例型无偏边缘检测算子(Difference-RatioUnbiased，缩写为DRU)，该算子的检测精度对边缘对比度以及过渡带尺寸的变化不敏感。主、客观实验均表明该检测算子具有较好的检测性能。

由于相干斑噪声的影响，比例型检测算子往往无法定位无偏的检测出非理想边缘，差分算子虽然具有无偏性，却不具备CFAR特性。该方法针对此问题提出的检测算子既可以提供无偏的检测结果又同时具有CFAR特性，差分-比例型检测算子中的差分操作保证了算子的无偏性，而比例操作则保证了算子的CFAR特性。

为达到上述目的，本发明采用如下技术方案予以实现。

一种差分-比例型无偏SAR边缘检测方法，所述方法包括如下步骤：

步骤1，确定一个可分离的二维边缘滤波器；

步骤2，设定多个旋转角度，依次按照每个旋转角度逆时针旋转所述二维边缘滤波器，得到对应的多个方向滤波器；

步骤3，根据多个方向滤波器，计算SAR图像中每个像素对应的多个强度指标；

步骤4，根据所述SAR图像中每个像素对应的多个强度指标，确定所述SAR图像的边缘强度图；