极化SAR影像边缘检测综述

极化合成孔径雷达（SAR）图像包含目标丰富的散射信息,在边缘检测中具有重大的潜力。对极化SAR影像边缘检测问题进行了系统的研究,从单极化SAR出发,分析了极化SAR边缘检测问题,对已有的方法进行了分类总结,重点介绍了极化SAR边缘检测的最新进展,指出了当前存在的问题,对极化SAR边缘检测的发展趋势进行了展望。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

信息融合技术在SAR图像边缘检测中的应用

合成孔径雷达(SAR)图像包含丰富的信息,对SAR图像边缘特征的提取对战场侦察、打击效果评估等具有重要的意义,但SAR严重的相干斑噪声,给SAR图像边缘检测增加了极大的难度。该文在分析常用图像边缘检测算子性能的基础上,考虑各微分检测算子检测特性的优缺点,从信息融合角度出发,提出了一种针对SAR图像保留边缘的融合方法,在计算量不显著增加的前提下,提高了边缘检测的质量,实验结果证明此方法既保留了图像的边缘特征,又一定程度地抑制了图像的噪声,效果较好。     

基于边缘检测的SAR图像快速滤波

对SAR图像的滤波方法进行了研究,在研究SAR图像经典滤波方法的基础上,研究了一种在边缘保持、滤波效果及滤波速度上综合效果最佳的滤波方法。首先使用一种边缘检测算子检测边缘方向,然后在边缘区沿边缘方向进行滤波,在非边缘区域使用统计局域方差系数方法滤波,最后以实验证明了这种方法是有效的。     

一种多方向的合成孔径雷达图像边缘检测方法

经典的边缘检测方法 (Canny,Roberts,Prewitt等)受合成孔径雷达(SAR)图像斑点噪声的影响致使其检测效果不佳;基于SAR图像的假设检验方法 (Ratio算法等)其检测性能不随图像强度的变化而变化,边缘检测错误率低,但检测到的边缘片段较粗;针对上述问题,结合小波的多分辨分析特性以及Contourlet变换的充分捕获高维奇异信号的能力,提出一种改进的Contourlet变换与改进小波变换的模极大值方法对SAR图像进行边缘检测,在16个方向上对SAR图像进行边缘提取,进而保证了边缘信息的丰富性;试验结果表明,该方法提取的SAR图像边缘位置精确,运算速度较快,利于后续的图像匹配。     

基于改进ROEWA算子的SAR图像边缘检测方法

指数加权均值比(ROEWA)算子是一种较好的适用于SAR图像的多边缘检测算子,然而传统方法无法准确定位边缘,且不能计算边缘方向。改进边缘检测流程,分析上述问题产生的原因并采用传统ROEWA算子保证边缘检测恒虚警,对ROEWA加权后的滤波值进行差分运算保证非极值抑制的准确性。利用Radon变换具有较好抗干扰性和几何解析性的性质,提出基于Radon变换计算边缘方向。针对实测SAR图像的实验结果表明,该方法边缘检测及边缘方向计算性能较好。     

SAR图像水域的改进Shearlet边缘检测

SAR图像水域边缘检测中,传统算法由于不能较好地克服斑点噪声影响,因此检测出的虚假边缘较多。利用多尺度几何Shearlet变换对曲线精确有效检测等特点,通过改进Shearlet变换并结合聚类及Snake模型等方法,提出了一种新的SAR图像水域检测方法。实验结果表明,该方法不仅提高了边缘检测的完整性和精确性,而且有效克服了斑点噪声的影响,对SAR图像水域边缘的检测是有效可行的。     

一种新的LOG算子对SAR图像的边缘检测能力

在对SAR图像的分析和识别中,边缘的检测信息十分重要。针对传统的LOG算子的缺陷,本文提出了一种基于自适应中值滤波的改进LOG算子对SAR图像的边缘检测方法,在平滑图像内部区域的同时保留了更多的细节,提高了LOG算子对SAR图像的弱边缘检测能力,是一种有效的方法。     

基于边缘强度特征和线性谱聚类的 SAR 图像超像素生成方法

面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法 简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的 SAR 图像分割性能均 不够理想。面向 SAR 图像改进现有超像素生成算法是目前的研究热点之一。在探讨了将边缘强 度特征引入超像素分割算法的可行性的基础上,结合边缘强度特征和线性谱聚类方法,提出了 一种新的 SAR 图像超像素生成方法(e-LSC)。通过仿真 SAR 图像和实测 SAR 图像的比较实验, 证实了 e-LSC 算法与其他几种典型超像素生成算法相比,生成的超像素在边缘贴合度和匀质区 域的规则化上都有所提高。     

改进的基于结构检测的SAR图像去斑方法

合成孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度,影响了后续目标检测、分类和识别等应用.因此,SAR图像的相干斑抑制问题一直是SAR图像应用的重要课题之一.一个理想的去斑算法应该在平滑的同时保持图像的边缘等细节不受损失,目前存在各种各样的算法,但没有一种方法能够完美的满足这一要求.为此该文提出了一种改进的结构检测的SAR图像去斑算法.利用概率迭代方法分割图像并检测边缘,结合强点检测图,将SAR图像标为结构区和非结构区,在非结构区域内进行Lee滤波以平滑噪声,对结构区直接保留原值,获得了非常好的去斑效果.利用RADARSAT实测图像进行实验,并对实验结果作充分分析,证明了本算法的有效性.     

基于卡尔曼滤波的SAR图像边缘检测方法

针对传统 Canny 边缘检测算法对合成孔径雷达(SAR)图像的相干斑噪声抑制程度 太高,导致大量边缘的真实信息丢失问题,提出一种新型 Canny 算子边缘检测算法。首先建立 合适的非对称半平面区域(NSHP)图像模型,将空间模型转换成卡尔曼滤波可适用的系统状态方 程;然后用“预测+反馈”的方式对图像去噪;最后通过双阈值算法提取图像的边缘。仿真实验表 明,该方法可以有效地抑制 SAR 图像中的相干斑噪声,同时能较好地保留图像的边缘信息,相 对于传统的 Canny 算法有较好的检测效果。     

基于蚁群优化算法的图像边缘检测

图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法（Ant Colony Optimization, ACO）用于图像边缘检测,通过选取经典house图像和SAR机场图像设置阈值进行自适应边缘提取,实现了边缘的精确检测。实验结果显示,该算法能够有效地提取图像目标的轮廓信息,很好保持图像纹理,具有理想的抗干扰性能,保证了检测结果的准确性。     

基于边缘检测和四点插值细分的SAR图像去噪

针对SAR图像相干斑滤波中存在的降低相干斑与有效保持细节信息这一矛盾,提出了一种基于四点插值细分的SAR图像去噪的新算法,将四点插值细分规则运用到图像去噪中,并与边缘检测相结合。先用canny算子提取图像边缘,进而通过四点插值细分方法分别对边缘图像和原始图像进行去噪,然后再对边缘信息进行边缘信息的重构,得到新的去噪图像。并通过等效视数、边缘保持指数等评价指标对去噪结果进行了评价。实验结果表明,与其他去噪方法相比,该算法在有效地去噪的同时,可有效地保留图像的边缘信息,具有较好的去噪结果。     

一种基于数学形态学的含噪、低对比度图像的边缘检测方法

提出了一种基于多方位小结构元素的抗噪膨胀腐蚀算法，通过实验证明，该算法对噪声图像和低对比度图像都能达到令人满意的检测效果，与经典的Sobel算子、Canny算子相比，具有定位准确，边缘连续、清晰，运行效率高等特点。     

可见光与SAR图像的特征级融合

针对单一传感器在光谱、空间分辨率等方面存在的局限性,通过多传感器融合技术,最大限度地获取对目标场景的信息描述。首先采用不同的边缘提取算法提取同一场景的光学图像和SAR图像,得到各自的边缘特征图,通过不变矩和轮廓矩等算法对两幅边缘特征图中的边缘进行匹配融合,得到了比单一图像边缘特征图更完整更清晰的边缘特征图,获取了更多的目标场景的信息描述。     

一种基于变点统计分析的图像边缘检测的方法

基于统计的图像边缘检测方法是计算机视觉中边缘检测的重要方法之一。提出了一种基于非参数变点统计分析的方向性边缘检测算法,该方法可以最小化对图像数字特征的先验信息的需求。深入讨论该算法在含有高斯噪声和椒盐噪声的灰度图像处理中的一些问题,通过实验与MATLAB的经典的边缘算子sobel算子和canny算子相比较。该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了两种噪声对边缘检测的影响,取得了较好的效果。     

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息．文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正．分析和实验表明该方法对SAR图像是有效的．     

基于多尺度数学形态学的边缘检测

提出了一种基于多尺度数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的优势,分析了在不同尺度下边缘提取的特点,采用非极大值运算方法提取边缘点,并与其他形态学边缘检测法进行了比较,给出了在含噪条件下边缘提取的实验结果。