基于ROEWA改进的SAR图像边缘检测方法与流程

本发明涉及计算机图像处理领域，具体提出了一种基于ROEWA改进的SAR图像边缘检测方法。

背景技术：

边缘检测是图像处理和计算机视觉中的基本问题，是提取图像中线性特征和识别图像中线性目标的基础。然而，一般的图像边缘检测器是基于加性噪声模型构建的，对于具有乘性噪声的合成孔径雷达(SAR)图像不具有恒虚警(Constant False Alarm)性，会出现保留虚假边缘、遗漏真实边缘的现象。

指数加权均值比率(ROEWA)，是一种经典的SAR图像边缘检测算子，其基于乘性噪声模型，对SAR图像的检测具有恒虚警性。但是，ROEWA算子的边缘定位精度差，对单边缘有多次响应的现象，难以兼顾SAR图像边缘的高检测率和低虚警率。

国内现有的基于ROEWA算子的改进思路为：首先利用原始的ROEWA算子对SAR图像进行处理得到边缘强度，然后根据边缘强度利用方位估计器或者方位模板估算边缘方位，最后根据边缘方位和边缘强度进行非极大值抑制(Non-Maximum Suppression)处理。非极大值抑制算法，在理论上对虚假边缘的去除、边缘的细化和精确定位都有良好的效果，但需要提供准确的边缘方位作为参数才能实现。目前，基于ROEWA的改进研究主要集中在边缘的各种方位估计器方面，存在Gabor、Hough和Radon等方位估计器的技术方案。

不论是基于方位估计器还是基于方位模板的改进算法，其求得的边缘方位都只能把边缘估算到有限个既定方位上。一般地，这两种改进方法是将圆周等分为4方位(即8方向)，形如的“米”字，凡是位于22.5°到22.5°之间的边缘就判定为0°(180°)方位，位于22.5°到67.5°之间的边缘就判定为45°(225°)方位，其他情况以此类推。显然，这样求得的边缘方位是不准确的，其可能的取值有限并且也不是连续分布的，从而导致非极大值抑制的效果差强人意，没有从根本上改善原始ROEWA算法的缺陷。

技术实现要素：

发明目的

本发明提供了一种基于ROEWA改进的SAR图像边缘检测方法，解决了SAR图像边缘方位准确计算的难题，并根据需求将非极大值抑制算法改进到亚像元级别，边缘定位精度良好、能够兼顾高检测率和低虚警率。

技术方案

为解决上述问题，本发明提供了一种基于ROEWA改进的SAR图像边缘检测方法，包括以下步骤：

(1)输入灰度图像；(2)用IROEWA算子进行边缘检测，得到边缘强度图和边缘方位；(3)根据边缘强度图和边缘方位进行非极大值抑制；(4)执行阈值选取、二值分割和形态学滤波处理；(5)输出边缘检测结果图；

其中，IROEWA是对ROEWA的边缘强度分量表达式进行了改进，

原ROEWA算子的边缘强度分量表达式为：

IROEWA算子的边缘强度分量表达式为：

由此，根据式D(x,y)＝arctan[r_Y(x,y)/r_X(x,y)]，就可以准确计算出(-π/2,π/2)内的方位角，并判断当方位角D＜0时，令D←D+π，从而使方位角值域归化到[0,π)内；

相应地，总体边缘强度则定义为：

既定方位的非极大值抑制算法，就是判断当前边缘点的值在当前边缘方位上是不是局部最大值：先构建一个空间与边缘强度图等大的边缘点集合，将所有象元点作为待定的边缘点；如果当前点与当前方位上的邻域点比较后是最大值，则将当前点作为边缘点保留；如果不是，则将当前点从边缘点集合中去除。

作为优选，改为IROEWA算子后，计算得到的边缘方位有无限个连续的可能取值，当不为0°、45°、90°、135°及180°这种特殊的方位时，邻域点是亚像元，还需要将既定方位的非极大值抑制算法，改进成亚象元级别的处理方法。

作为优选，亚像元级别非极大值抑制算法的改进方法为：给定一个可以不为整数的邻域半径r，并根据当前点的边缘方位，计算出两个邻域点的坐标；如果邻域点的横纵坐标不全为整数，则需插值计算其边缘强度；插值计算时，分别对邻域点的横纵坐标向上向下取整，两两组合可得4个整数坐标的点，然后根据这4个点进行线性插值；最后，比较当前点与邻域点的边缘强度大小，若当前点的边缘强度小于任何一个领域点的，则将当前点从边缘点集中剔除。

本发明的有益效果如下：本发明针对ROEWA算子无法准确确定边缘位置和边缘方向的问题，对其表达式进行了改进，重新定义了反转的、带符号的、归一化的最小指数加权均值比，作为边缘强度指标来量化描述边缘的跃变程度，并在此基础上准确计算出边缘的方位，同时将改进的非极大值抑制算法应用到边缘检测流程中，大大改善了现有SAR图像边缘检测技术方案的检测效果。

附图说明

图1为边缘检测技术路线图；

图2为适用于任意方位的亚像元级非极大值抑制算法；

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

将改进的指数加权均值比率算子(Improved Ratio of Exponentially Weighted Averages)简称为IROEWA，而带亚像元级别非极大值抑制的算法称为IROEWA&NMS。如图1所示，本发明步骤如下：(1)输入灰度图像；(2)用IROEWA算子进行边缘检测，得到边缘强度图和边缘方位；(3)根据边缘强度图和边缘方位进行非极大值抑制；(4)执行阈值选取、二值分割和形态学滤波等后处理；(5)输出边缘检测结果图。其中，改进的核心环节即第(2)步。

IROEWA同ROEWA一样，是基于线性最小均方误差滤波器(Linear MMSE Filter)的，在一维情况下，该滤波器f表达式为：

f(x)＝Ce^-α|x| (1)

在离散情况下，滤波器f可以用因果滤波器f₁和非因果滤波器f₂来实现，则滤波器f离散表示为：

式中，f₁(n)＝a·bⁿh(n)，f₂(n)＝a·b^-nh(-n)。而其中，0＜b＝e^-α＜1；h(n)是Heaviside函数，在离散情况下：当n≥0时，h(n)＝1；否则，h(n)＝0。

根据f(x,y)＝f(x)f(y)将滤波器f推广到二维空间。那么，对于水平方位，先使用滤波器f对图像强度I进行逐列滤波，然后分别用f₁和f₂进行逐行滤波，即可分别获得因果和非因果指数加权均值：

式中，*表示水平方位卷积运算，⊙表示竖直方位卷积运算。同理，可得竖直方位的因果和非因果指数加权均值。式(3)和(4)中，输入信号与f₁和f₂的卷积运算可以简化成递归运算。假设滤波器f₁和f₂输入信号为e₁和e₂，则卷积s₁和s₂递归式如下：

s₁(n)＝a[e₁(n)-s₁(n-1)]+s₁(n-1),n＝1,...,N (5)

s₂(n)＝a[e₂(n)-s₂(n+1)]+s₂(n+1),n＝N,...,1 (6)

水平和竖直方位上的四种指数加权均值均可由上述递归算法联合式(2)求得。IROEWA就是对ROEWA的边缘强度分量表达式进行了改进。

原ROEWA算子的边缘强度分量表达式为：

IROEWA算子的边缘强度分量表达式为：

由此，根据式D(x,y)＝arctan[r_Y(x,y)/r_X(x,y)]，就可以准确计算出(-π/2,π/2)内的方位角，并判断当方位角D＜0时，令D←D+π，从而使方位角值域归化到[0,π)内。

相应地，总体边缘强度则定义为：

既定方位的非极大值抑制算法，就是判断当前边缘点的值在当前边缘方位上是不是局部最大值：先构建一个空间与边缘强度图等大的边缘点集合，将所有象元点作为待定的边缘点；如果当前点与当前方位上的邻域点比较后是最大值，则将当前点作为边缘点保留；如果不是，则将当前点从边缘点集合中去除。而改为IROEWA算子后，计算得到的边缘方位有无限个连续的可能取值，当不为0°、45°、90°、135°及180°等这种特殊的方位时，邻域点是亚像元。所以，还需要将既定方位的非极大值抑制算法，改进成亚象元级别的处理方法。

如图2所示，亚像元级别非极大值抑制算法的改进思路为：给定一个可以不为整数的邻域半径r，并根据当前点的边缘方位，计算出两个邻域点的坐标；如果邻域点的横纵坐标不全为整数，则需插值计算其边缘强度；插值计算时，分别对邻域点的横纵坐标向上向下取整，两两组合可得4个整数坐标的点，然后根据这4个点进行线性插值；最后，比较当前点与邻域点的边缘强度大小，若当前点的边缘强度小于任何一个领域点的，则将当前点从边缘点集中剔除。