Beamlet及其在SAR图像边缘检测中的应用

【摘要】：本文在国家自然基金(60472072)、航空基金(04153070)和重点实验室基金(51431020204HK0302)的支持下,对SAR图像边缘提取进行了深入研究,主要工作包括三个方面: 1.对基于滤波的边缘检测方法进行了研究。现有SAR图像边缘检测方法,多半采用先滤相干斑噪声,再进行边缘检测。消除或减少相干斑噪声本身就是一个国内外尚未解决的难题。这些方法在降噪过程中会不可避免地损失一些边缘信息,有时可能还会是一些关键信息,在这方面需要开展进一步的研究。该文详细分析并实现了现有的多种SAR图像滤波方法和边缘检测方法。 2.对Beamlet变换进行了研究。Beamlet分析是一种高维奇异性分析方法,Beamlet分析中线段的作用类似于子波分析中点的作用。但由于Beamlet包括子波所没有的方向信息,所以比子波有一定的优势。Beamlet分析最主要的问题是计算量较大。针对这一问题,我们提出了快速离散Beamlet变换MFDBT算法,在一定程度上提高了速度。同时我们提出了新的新的瓦片回归分区算法,提高了直线检测和拟合的精度。基于人工和真实图像的实验结果证实了我们方法的有效性。 3.将Beamlet变换应用到SAR图像边缘检测中,提出了一种不需要滤波,直接进行边缘提取的方法。传统的SAR边缘检测算子都是本质上都基于像素的灰度上的变换,也就是像素点灰度的奇异性。所以也很难完全解决噪声尤其是相干斑噪声的影响。当图像受相干斑污染比较严重的时候,它们的处理结果往往很不理想。我们从一个全新的角度去思考边缘检测问题。我们定义了线性奇异性。根据奇异性定义,噪声点只含有点奇异性,而不具备线性奇异性。而真实边缘同时基本具备点奇异性和线性奇异性。我们提出了基于Beamlet的边缘提取方法,利用Beamlet提取线性奇异性,直接在含噪图像上进行边缘提取。和现有的利用Hough变换、Radon变换、Beamlet变换等进行线性目标检测(比如道路,桥梁等)不同的是,现有方法都是先进行边缘检测,再在边缘图像上进行直线检测。而我们的基于Beamlet的边缘提取方法直接对原图像处理,而不是对边缘图像进行后处理。可以有效地减少相干斑对边缘提取的负面影响。