一种综合的SAR图像边缘检测方法

针对合成孔径雷达图像中斑点噪声的特性,基于中值滤波方法,并结合Ratio算子、Canny算子和双阈值连接三种处理方法,提出一种综合的边缘检测算法。实验结果表明,与传统算法比较,该算法克服了边缘方向量化带来的直线断裂,边缘定位准确,显著提高了边缘检测正确率,并对噪声有抑制作用,从而取得了良好的检测效果。     

一种综合的SAR图像边缘检测方法

针对合成孔径雷达图像中斑点噪声的特性，基于中值滤波方法，并结合Ratio算子、Canny算子和双阈值连接三种处理方法，提出一种综合的边缘检测算法。实验结果表明，与传统算法比较，该算法克服了边缘方向量化带来的直线断裂，边缘定位准确，显著提高了边缘检测正确率，并对噪声有抑制作用，从而取得了良好的检测效果。     

基于视觉特性和K-L变换的图像边缘检测

文章提出了一种基于人眼视觉特性和K-L变换的彩色图像边缘检测方法.首先将原始图像应用人眼彩色传递模型进行频率域滤波处理,使得图像更加平滑,并减小噪声的干扰.而后根据滤波结果重建图像,用K-L变换处理图像的三个特征量,对主要彩色分量用Canny算子检测边缘.由于人眼的视觉特性近似频域低通滤波器,对使用人眼彩色传递模型预处理后的图像检测边缘能够使得检测结果有较好的连续性和抗噪声性.仿真结果证明该方法能够有效地检测彩色图像边缘.     

四参数四点细分法研究

论文对经典四点细分格式进行了进一步推广,提出了可通过对形状参数的适当选择来实现对极限曲线形状调整和控制的四参数四点细分曲线造型方法,并对其收敛性进行了分析,同时给出了曲线C0到C3连续的充分条件,并加以证明。     

基于边缘检测的Contourlet变换图像去噪

为了实现较好保留图像边缘特征的有效去噪,提出了一种基于边缘检测的Contourlet变换去噪方法。该方法先用LOG算子提取图像边缘,进而在Contourlet变换域上对图像的边缘部分和非边缘部分分别选取不同阈值进行最佳软阈值去噪处理。实验表明,与采用Donoho软阈值的Contourlet变换去噪方法相比,该方法可有效地保留图像的边缘信息,达到了更好的去噪效果。     

基于自适应边缘检测的小波包图像去噪

为了在滤除图像噪声的同时能很好地保持图像的细节，提出了一种基于自适应边缘检测的小渡包图像去噪方法，先用自适应滤波多尺度边缘检测方法检测出图像的边缘，小波包去噪时就可选用全局闽值而不必担心损害图像的边缘特征。实验结果表明，谊方法不但可以保持图像的边缘信息，而且能够提高去噪后图像的信噪比。     

基于局部曲率函数的角点检测

角点检测是计算机图像处理领域的基本问题之一,在全局曲率函数角点检测的基础上,提出一种基于局部曲率函数的快速角点检测算法.通过Canny算子提取图像的边缘,在边缘的基础上计算轮廓的局部曲率函数,由于Canny算子首先用高斯滤波器对图像平滑处理,尽可能的去除了噪声而不损失角点,计算局部曲率函数的最大峰值,通过设定阈值检测出角点.对算法进行仿真,试验结果表明该算法可以稳定的检测角点,并对旋转、尺度和噪声具有较强的鲁棒性.     

基于边缘检测的Contourlet变换图像去噪

为了实现较好保留图像边缘特征的有效去噪,提出了一种基于边缘检测的Contourlet变换去噪方法.该方法先用LOG算子提取图像边缘,进而在Contourlet变换域上对图像的边缘部分和非边缘部分分别选取不同阈值进行最佳软阈值去噪处理.实验表明,与采用Donoho软阈值的Contourlet变换去噪方法相比,该方法可有效地保留图像的边缘信息,达到了更好的去噪效果.     

基于Shearlet变换的图像边缘检测

现存的基于空间域或小波变换域的图像边缘检测算法只能有效检测出有限方向的边缘,不能很好地检测较为复杂的边缘。Shearlet变换能够对图像进行任意层次和任意方向的分解,可以捕捉更多复杂的边缘。利用这些特点,提出一种新的基于Shearlet变换和改进canny算子的边缘检测算法。算法对canny算子进行改进,提出自适应阈值确定方法;根据Shearlet变换的多尺度和多方向特性,提出融合多个方向子图边缘信息的算法。实验证明,该算法不仅提高了边缘检测的完整性和精确性,还可以有效抑制噪声。     

基于边缘检测的NSCT自适应阈值图像去噪

为在去噪时能较好保留图像边缘特征,并针对Coutourlet变换缺乏平移不变性和传统阈值法的不足,提出了一种基于边缘检测的非子采样Contourlet变换自适应阈值(AT-NSCT)图像去噪方法.结果不仅能消除因Contourlet变换缺乏平移不变性而产生的图像失真,而且有效地保留了图像的边缘信息,提高了去噪后图像峰值信噪比,视觉效果更好.     

基于NSCT域邻域收缩的SAR图像去噪

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像受到相干斑噪声的干扰,严重影响了SAR图像的后续处理的问题,提出一种在非下采样轮廓变换（Nonsubsampled Contourlet Transform,NSCT）域将中值滤波和邻域收缩法相结合的SAR图像去噪算法。该算法对原始SAR图像进行NSCT分解,得到低频子带和高频子带图像,对低频子带使用中值滤波处理以去除低频子带中的低频噪声,利用NSCT分解系数之间的相关性,使用邻域收缩法对子带图的系数进行收缩,以消除高频子带中的高频噪声。实验证明,该算法与小波域邻域收缩去噪算法和NSCT硬阈值去噪算法相比,在去噪性能和视觉效果方面均有所提高,在消除噪声同时可以较好地保护纹理细节信息。     

基于多智能体遗传的SAR图像变化检测

针对传统进化算法在SAR图像变化检测时,容易陷入局部最优,收敛速度慢,耗时过长,为了解决这些问题,提出了一种无监督的多智能体遗传SAR图像变化检测方法。利用对数比值法对预处理后的图像构造差异影像,并对差异影像进行中值滤波处理,把它的灰度值作为输入信息,通过多智能体遗传算法搜索全局阈值,根据全局阈值得到变化检测结果。仿真结果表明,该算法与GA、ICSA相比,分类准确,收敛快速,效率更高。     

基于融合的SAR图像机场跑道边缘提取

结合SAR（合成孔径雷达）图像的特性,提出一种基于融合的SAR图像中机场跑道边缘提取新方法。该方法同时采用串行融合与并行融合两种方式,对同一地区机场的2幅不同SAR图像进行处理。提出了融合MRoA算子与MSP-RoA算子和形态学开、闭运算以及融合多幅结果图的思想,通过真实SAR图像实验,证实了该算法能够较准确和全面地提取出机场跑道边缘。     

SAR影像边缘检测质量评估方法

针对SAR影像边缘检测结果,提出了一种定量的质量评估方法。该方法不需要边缘基准图等先验知识,而是通过计算评估窗口内边缘点的方向一致性指标与边缘形态指标,并将其组合得到最终的评估得分值。初步的实验结果表明,方法对SAR边缘检测的评估结果与人工判读的结果比较接近,与边缘质量评估的主观判断结论相吻合。该方法自动化程度高,评价结果客观合理,有较强的工程应用性。     

基于边界程度的图像插值算法

为了有效地消除传统图像插值中出现的边缘锯齿现象,提出了基于边界程度的图像插值算法。该算法充分考虑自然图像边缘缓慢变化的特点,在图像边缘平滑的假设下,采用边界程度信息来抑制锯齿现象。实验结果表明,该算法能够很好地解决图像插值中的边缘锯齿现象问题,且不会产生其他明显的人工痕迹。此外,该算法还保持了传统插值算法简单有效的特点,实现和应用起来都比较方便。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

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。     

基于冰情图的极地SAR海冰图像分割

冰情图在极区安全航行、气候研究等方面具有重要价值,但其存在不能提供像素级的定位信息、对密集度的估计较粗略等缺陷。基于此,提出一种基于冰情图的边缘保持区域型MRF分割方法。依据冰情图从SAR图像中提取子图像,进行SRAD滤波、分水岭初始分割、区域型MRF分割,合并各子图像得到最终分割结果,实现人工解译和计算机解译的结合,得到像素级的结果,具有物体边缘定位准确、分割效率高、可并行化处理等优点。实验结果表明,该方法对极区SAR海冰图像均具有良好的分割效果。     

基于粒子群三次样条优化的图像边缘描述算法

针对手工选点生成的三次样条曲线无法准确地描述图像边缘的问题,以粒子群三次参数样条曲线优化算法为基础对现有的图像边缘算法进行了改进。在图像边缘上取若干点作为样条曲线的型值点,利用粒子群算法对这些型值点进行优化,使得到的样条曲线对图像边缘有很好的贴合。实验表明,该算法不仅能够快速拟合样条曲线,而且优化后的样条曲线形态能较好地贴合图像边缘轮廓。     

基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。