一种基于均值比率和最佳熵的SAR影像边缘检测方法.pdf

《一种基于均值比率和最佳熵的SAR影像边缘检测方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第6期武汉大学学报·信息科学版Vol.32No.62007年6月GeomaticsandInformationScienceofWuhanUniversityJune2007文章编号:167128860(2007)0620494204文献标志码:A一种基于均值比率和最佳熵的SAR影像边缘检测方法1213刘俊怡李德仁李微梅新(1武汉大学遥感信息工程学院,武汉市珞喻路129号,430079)(2武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079)(3中国科学院遥感应用研究所,北京市大屯路97

2、18信箱,100101)摘要:针对比率边缘检测算子提出了一种自动确定阈值的方法,该方法引入最佳熵的理论到SAR边缘检测中,把基于比率的边缘检测均值比率影像分割成边缘和非边缘两类。此方法执行起来简单、快速,无需人工干预,能避免人为因素的影响。关键词:SAR影像;边缘检测;自动阈值;均值比率;最佳熵中图法分类号:TP751;P237.3[1]1988年,Touzi等人证明了针对SAR影像选择最佳边缘检测阈值在现有文献中很少提及的均值比率(ratioofaverages,RoA)边缘检测算到。子是恒虚警的,即在高亮度区域边缘

3、检测虚警率等同于低亮度区域边缘检测虚警率,并且针对均1基于均值比率的边缘检测值比率算子的弱边缘漏检多、边缘定位精度低等缺点,提出了用不同尺度窗口分别检测并合并其均值比率算法最初是在滑动检测窗中,取中结果,同时用形态学细化边缘片段以得到边缘线。心像素点为待检测点,沿着过该点某直线的方向,[2]Bovik分析了RoA边缘检测算子和高斯拉普拉计算两侧不重叠区域内各N个点的灰度均值μ1、-1斯(Laplacian2of2a2Gaussian,LOG)边缘检测算μ2,求两均值之比R,取R和R中小于1的值为子两者的优缺点,将RoA

4、与LoG结合起来,获得r。作为检验统计量的r值仅与两均值之比有关,了较好的检测结果。针对基于比率的边缘检测算而与均值大小无关。故可仅用一个阈值T与r[3][5]子检测的边缘定位精度低的缺点,Ganugapati值比较,当r

5、2来进行线检测。D2算法与D1算法思路基本相[4]entofaverages)和改进的RGoA检测算子也被似,只是在计算相邻两个区域的比值时,D2算子相继提出来用于检测SAR噪声影像,它们联合了除了像D1算子考虑平均值外,还考虑到两个区梯度边缘强度信息来改进在空间相关的乘性噪声域的标准差。因此,本文以D2算子为例来进行下的边缘检测能力,并且取得了比仅基于梯度算SAR影像边缘检测的研究。子更好的检测结果。虽然改进的RGoA算法能图1是一个9×9大小的检测窗口,将其划分自动确定比率阈值,但是梯度阈值还是预先定义为3个区域,

6、首先计算1、2、3各区域的均值μ1、或者根据实验来选取的。因此,阈值的选择对边μ2、μ3及标准差σ1、σ2、σ3。缘检测的结果起着决定性作用。遗憾的是,如何定义Rij为该检测器关于区域i和区域j的收稿日期:2007203212。项目来源:国家自然科学基金资助项目(60602013);国家973计划资助项目(2006CB701300)。第32卷第6期刘俊怡等:一种基于均值比率和最佳熵的SAR影像边缘检测方法495根据Shannon熵概念,灰度范围在[0,L-1]的影像,其灰度熵的测量为:L-1H=-∑pilnpi(3)i

7、=0式中,pi为灰度级i的出现概率。令灰度在[0,t]间出现的总概率Pt及熵Ht为:t图19×9检测窗口图2边缘检测方向Pt=∑pi(4)Fig.19×9DetectionFig.2DirectionalPatterni=0WindowofEdgeDetectiontHt=-∑pilnpi(5)i=0边缘检测的输出响应:设有阈值t将均值比率影像划分为边缘和非22μiRij=sqrt(1/(1+(ni+nj)(nivi2+边缘两类,即ωe、ωn分别是:μjp0p1pt2μi2ωn:,,⋯,,[0,t]的分布(6)njvj

8、)/(ninj(-1))))(1)PtPtPtμjpt+1pt+2pL-1式中,i、j分别表示两相邻区域;ni、nj表示两个区ωe:,,⋯,,1-Pt1-Pt1-Pt域内像素的个数。vi为局域方差系数,即[t+1,L—1]的分布(7)vi=σi/μi(2)每个分布对应的熵分别为Hn(t)和He(t):式(1)描述了检测窗口中像素与