专利名称：基于快速核空间模糊聚类的异源图像粗大边缘检测方法
技术领域：
本发明涉及图像处理领域，具体是一种基于快速核空间模糊聚类的异源图像粗大边缘检测方法。
背景技术：
随着不同成像原理传感器的出现，异源图像匹配技术已经成为遥感、导航制导等领域的关键技术。但是目前异源图像匹配研究中还存在很多困难，特别是异源图像成像机理差异大(如光学与合成孔径雷达(SAR)图像)、波段差异大(如可见光与长波红外(IR)图像)，难以较好地获得图像在灰度、亮度、颜色等特征上的共性特征。根据对异源图像成像原理和典型异源图像的分析发现，对象间的粗大边缘是异源图像间比较具有共性的特征。常见的边缘检测方法有梯度方法，力场转换法以及变换域法等。2010年9月22日公开的申请号为201010152357.3的中国发明专利给出了一种基于分数阶次信号处理的边缘检测方法，首先利用分数阶次求导算法对图像中的每个像素点进行梯度运算，获得各像素点的梯度幅值；然后对梯度图像进行非极大值抑制；最后采用双阈值方法判定目标像素点是否为像素点并连接边缘，获得最终的边缘检测结果。该专利的方法较好地提取了图像中的边缘，但是边缘检测结果过于细腻，很难从中提取到有效的粗大边缘。2011年7月6日公开的申请号为201110065202.0的中国发明专利给出了一种基于力场转换的异源图像粗大边缘检测方法，首先根据引力概念计算图像中各像素点受到的合力的大小和方向；其次对图像中像素点所受合力的大小进行归一化处理；然后对归一化后的图像进行二值化分割以获得边缘像素点所在的区域；最后根据合力的大小和方向特征获得最终的粗大边缘点。该专利的方法较好地提取出了可见光和红外图像的粗大边缘，但是对于SAR图像以及实际的含噪声异源图像，该方法不能有效地提取。
发明内容
本发明的目的是提供一种基于快速核空间模糊聚类的异源图像粗大边缘检测方法，对实际含有噪声的异源图像进行快速准确的粗大边缘提取，从而为异源图像匹配奠定基础。本发明是采取以下的技术方案来实现的:基于快速核空间模糊聚类的异源图像粗大边缘检测方法，包括以下步骤:I)计算图像中每个像素的灰度和纹理特征值，并以此构建二维特征空间；2)利用数理分析中的数据约减思想，压缩参与聚类迭代的二维特征空间数据集，产生新的数据集；3)将约减后的新数据集的特征空间映射到高斯核空间中，以高斯核空间中的欧氏距离代替样本空间的欧氏距离；4)在高斯核空间下采用快速可能性模糊C均值聚类算法对图像进行分割；
5)采用Canny算子对分割后的图像进行边缘检测。前述的步骤I)中，选取每个像素局部邻域的灰度均值和一阶熵值作为该点的灰度和纹理特征，并以此构建二维特征空间，灰度均值m和一阶熵值E的计算公式分别为:
权利要求
1.于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:包括以下步骤: 1)计算图像中每个像素的灰度和纹理特征值，并以此构建二维特征空间； 2)利用数理分析中的数据约减思想，压缩参与聚类迭代的二维特征空间数据集，产生新的数据集； 3)将约减后的新数据集的特征空间映射到高斯核空间中，以高斯核空间中的欧氏距离代替样本空间的欧氏距离； 4)在高斯核空间下采用快速可能性模糊C均值聚类算法对图像进行分割； 5)采用Canny算子对分割后的图像进行边缘检测。
2.据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤I)中，选取每个像素局部邻域的灰度均值和一阶熵值作为该点的灰度和纹理特征值，灰度均值m和一阶熵值E的计算公式分别为:
3.据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤2)中，压缩参与聚类迭代的二维特征空间数据集的步骤包括: 2-1)将二维特征空间中特征值均归一化到(Γ255，把每隔q的两个二维特征向量归为一种，q e [5, 20]； 2-2)统计每种特征向量对应的数据点个数； 2-3)去除对应数据点个数为O的向量，即得到新的数据集V。
4.据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤3)是指利用一非线性映射Φ将样本空间中的样本映射到高斯核空间H中，得到高斯核空间的样本向量Φ (X' i), Φ (x; 2)，…，φ(χ' s)，则高斯核空间中第j个样本到第i个聚类中心的欧氏距离Du为:
5.据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤4)中，快速可能性模糊C均值聚类算法包括以下步骤: 4-1)对目标函数进行求解优化，使其达到最小值，分别得到模糊隶属度uu，可能性隶属度以及聚类中心Vi的迭代公式， 目标函数J (T，U，V)表示为:
6.据权利要求3所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤2-1)中，取q=10即每隔10的两个二维特征向量归为一种特征向量，则新的数据集将最多包含26X26种特征向量。
全文摘要
本发明公开了一种基于快速核空间模糊聚类的异源图像粗大边缘检测方法，通过分析具有共性的异源图像对象间粗大边缘的特点，提出了基于灰度和纹理的快速核空间可能性模糊C均值聚类的粗大边缘检测方法。可能性模糊C均值聚类算法在一定程度上克服了模糊C均值对噪声数据敏感和可能性C均值易产生一致性聚类的缺点，在此基础上，利用核空间的线性可分思想进一步提高了鲁棒性，通过引入数据分析中的数据约减思想，压缩参与迭代的特征空间数据集，大幅度提高了其实时性，本发明快速准确地提取了实际存在噪声的异源图像粗大边缘，为异源图像间的匹配奠定了基础。
文档编号G06T7/00GK103093478SQ20131005280
公开日2013年5月8日 申请日期2013年2月18日 优先权日2013年2月18日
发明者赵妍, 徐贵力, 王彪, 郭瑞鹏 申请人:南京航空航天大学