CN108875703A - 利用矢量Radon变换的SAR图像直线提取方法 - Google Patents
利用矢量Radon变换的SAR图像直线提取方法 Download PDFInfo
- Publication number
- CN108875703A CN108875703A CN201810773303.5A CN201810773303A CN108875703A CN 108875703 A CN108875703 A CN 108875703A CN 201810773303 A CN201810773303 A CN 201810773303A CN 108875703 A CN108875703 A CN 108875703A
- Authority
- CN
- China
- Prior art keywords
- peak
- parameter
- field
- vector
- straight line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及SAR图像处理技术领域,尤其是利用矢量Radon变换的SAR图像直线提取方法。该提取步骤为:a)ROEWA算子计算边缘场,采用指数加权均值比算子计算SAR图像的边缘场b)边缘场矢量Radon变换获得参数场,将边缘场进行矢量Radon变换获得参数场τ(ρ,θ),这一过程中采用中心切片定理加速计算,再将参数场分解为平行分量τp(ρ,θ)和垂直分量τv(ρ,θ);c)参数场平行分量峰值检测,对参数场平行分量τp(ρ,θ)进行峰值检测,峰值检测需要设置的参数包括领域大小和峰值数量,通过直线建模给出领域大小,利用参数场垂直分量τv(ρ,θ)辅助确定峰值数量;d)直线提取,将峰值由参数空间转换到图像空间,实现SAR图像的直线提取。本发明有效提取不同场景、分辨率多源SAR图像上的直线特征,具有高正确率和高度自动化特点。
Description
技术领域
本发明涉及SAR图像处理技术领域,尤其是利用矢量Radon变换的SAR图像直线提取方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)图像中通常包含许多直线特征,这些直线可能与道路,桥梁和建筑物等相关,能够很好的呈现图像的结构信息。相干斑强度较大或者图像信噪比较小时,直线比边缘特征更加稳定和清晰。因此,直线特征通常用于SAR图像分析、图像匹配和目标识别。尽管人眼能够较为轻松快速地识别SAR图像中的直线特征,但由于检测精度低、提取速度慢、计算自动化程度低等问题存在,计算机检测并提取直线仍面临严峻挑战。
从图像中提取直线最常采用Hough变换方法,该方法建立了直线检测的范例,并衍生出一系列改进方法。Hough变换及其衍生方法通常首先需要获取二值化边缘图;再构造一个或几个参数空间,参数空间包含许多峰值,这些峰值给定了图像中所有可能直线的参数;最后通过峰值检测,由参数空间中的峰值确定图像中的直线。对于SAR图像直线提取,这类方法的缺点是:1)检测精度和正确率易受相干斑的影响,由于相干斑的存在,二值边缘图常常包含很多假边缘像素,这些像素可能导致参数空间峰值不清晰甚至形成伪峰值。2)计算效率与参数空间采样间隔和图像场景复杂度有关,对于复杂场景,检测效率不高。其它典型的直线检测方法主要使用图像局部信息来提取短线段,这些短线段进一步在给定的准则下链接形成直线。尽管这类方法能一定程度提高检测速度,但由于局部检测算法自增长的特性,长线段常常因被遮挡、局部模糊等问题被割裂为多条短直线。
发明内容
本发明要解决的技术问题是:为了解决现有的提取直线过程中面临的检测精度低、提取速度慢和自动化程度低的不足,本发明提供了一种利用矢量 Radon变换的SAR图像直线提取方法,通过采用指数加权均值比计算SAR图像的边缘场;基于中心切片定理,快速实现边缘场矢量Radon变换获得参数场,再将参数场分解为平行直线分量和垂直直线分量;对参数场平行分量进行峰值检测,参数场垂直分量结合直线建模辅助设置峰值检测过程中的参数值。本发明能够有效提取不同场景、分辨率多源SAR图像上的直线特征,具有高正确率和高度自动化的特点。
本发明解决其技术问题所采用的技术方案是:
一种利用矢量Radon变换的SAR图像直线提取方法,提取步骤为:
a)ROEWA算子计算边缘场,采用指数加权均值比算子计算SAR图像的边缘场
b)边缘场矢量Radon变换获得参数场,将边缘场进行矢量Radon变换获得参数场τ(ρ,θ),这一过程中采用中心切片定理加速计算,再将参数场分解为平行分量τp(ρ,θ)和垂直分量τv(ρ,θ);
c)参数场平行分量峰值检测,对参数场平行分量τp(ρ,θ)进行峰值检测,峰值检测需要设置的参数包括领域大小和峰值数量,通过直线建模给出领域大小,利用参数场垂直分量τv(ρ,θ)辅助确定峰值数量;
d)直线提取,将峰值由参数空间转换到图像空间,实现SAR图像的直线提取。
具体地,步骤b)中,所述矢量Radon变换与参数场分解的方法为:
将边缘场Radon变换为参数场τ(ρ,θ):
其中Rt{·}表示Radon变换,D是积分变量的支持区域,δ(g)是二维空间中的delta函数;式(5)是计算沿直线ρ=xcosθ+ysinθ的积分,ρ和θ分别表示直线距原点的距离和直线与x轴的夹角;
是二维空间中的矢量,对矢量的积分运算可以分解为矢量在两个垂直方向上的投影分别进行积分运算,再对积分结果进行矢量合成,令τ(ρ,θ)=(τx(ρ,θ),τy(ρ,θ)),则有:
将τ(ρ,θ)沿着平行直线方向和垂直直线方向分解:
其中,τp(ρ,θ)为参数场平行分量,携带了直线强度信息,是峰值检测采用的参数空间;τv(ρ,θ)为参数场垂直分量代,携带了可以辅助τp(ρ,θ)进行峰值检测的随机边缘强度信息。
具体地,步骤c)中,所述利用参数场垂直分量τv(ρ,θ)辅助确定峰值数量的方法为:
步骤一,在参数场平行分量τp(ρ,θ)上,选取未被访问并且强度值的绝对值最大的分辨率单元P(ρ′,θ′);
步骤二,检查τp(ρ,θ),确定P(ρ′,θ′)的邻域中是否存在分辨率单元已被访问;
步骤三,如果P(ρ′,θ′)邻域中存在分辨率单元已被访问,将P(ρ′,θ′)标记为已访问;
步骤四,否则将P(ρ′,θ′)添加到峰值列表,并将其标记为已访问;
步骤五,重复步骤一和步骤四,直到提取指定数量的峰值;
步骤六,将满足式(12)的最低峰值Pk(ρk,θk)作为分割点,从峰值列表中剔除低于分割点的峰值后,得到峰值检测结果。
具体地,步骤c)中,所述邻域大小和峰值数量的参数的设置方法为:
通过直线建模来分析邻域大小的设定方法,对于一条直线L,方向为长度为h,宽度为w,方向模糊度为ε,假设直线L对应参数空间点P(ρ′,θ′),其变换到参数空间形成的区域为:
{ρ,θ|ρ∈[ρ′-w/2,ρ′+w/2],θ∈[θ′-ε,θ′+ε]} (12)
其中,可设方向模糊度μ=5°,采用ROEWA算子计算边缘场时,边缘宽度与滤波参数α有关,且有w=round(2α)+1;参数空间在ρ方向的采样间隔为mρ时,在θ方向的采样间隔为mθ,则邻域大小可设为
对于峰值数量的设定,将检测到的前30个峰值按高度由大到小排列,得到峰值下降图,找到这些峰值在SAR图像上的对应直线,在峰值下降图中找到下降剧烈区域和平缓区域的分割点,将低于分割点的峰值剔除;
得到了携带部分随机边缘强度信息的参数场垂直分量τv(ρ,θ),计算其方差στ,假定当峰值高度下降趋于平缓时,峰值之间的高度差异仅由随机边缘强度,选定峰值Pi(ρi,θi)(i=1,L 23),Pi(ρi,θ)、Pi+1(ρi+1,θi+1)、Pi+2(ρi+2,θi+2)对应的高度分别为τp(ρi,θi)、τp(ρi+1,θi+1)、τp(ρi+2,θi+2),计算三个高度值的均值为μi,将正确峰值视为异常值,依据3σ准则:
τp(ρi,θi)≥μi+3στ (12)。
具体地,步骤d)中,所述直线提取过程包括以下步骤:
获得峰值检测结果后,进一步剔除直线局部模糊或弧形线导致的误检测,将峰值检测结果转换到图像空间得到对应的直线;对于任意两条夹角小于10°的直线,计算直线交点;交点在图像范围内时,剔除较低峰值对应的直线;从而获得直线提取结果。
本发明的有益效果是:本发明提供了一种利用矢量Radon变换的SAR图像直线提取方法,通过采用指数加权均值比计算SAR图像的边缘场;基于中心切片定理,快速实现边缘场矢量Radon变换获得参数场,再将参数场分解为平行直线分量和垂直直线分量;对参数场平行分量进行峰值检测,参数场垂直分量结合直线建模辅助设置峰值检测过程中的参数值。本发明能够有效提取不同场景、分辨率多源SAR图像上的直线特征,具有高正确率和高度自动化的特点。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的流程图;
图2为本发明矢量Radon变换示意图;
图3为本发明直线建模示意图;
图4为本发明的示例机载SAR图像峰值下降图;
具体实施方式
现在结合附图对本发明作进一步详细的说明。
图1为本发明的流程图,图2为本发明矢量Radon变换示意图,图3为本发明直线建模示意图,图4为本发明的示例机载SAR图像峰值下降图。
一种利用矢量Radon变换的SAR图像直线提取方法,包括以下步骤:
(1)ROEWA算子计算边缘场。采用指数加权均值比(Ratio of ExponentiallyWeighted Averages,ROEWA)算子计算SAR图像的边缘场
(2)边缘场矢量Radon变换获得参数场。将边缘场进行矢量Radon变换获得参数场τ(ρ,θ),这一过程中采用中心切片定理加速计算,再将参数场分解为平行分量τp(ρ,θ)和垂直分量τv(ρ,θ)。
(3)参数场平行分量峰值检测。对参数场平行分量τp(ρ,θ)进行峰值检测,峰值检测需要设置的参数包括领域大小和峰值数量,通过直线建模给出领域大小,利用参数场垂直分量τv(ρ,θ)辅助确定峰值数量。
(4)直线提取。将峰值由参数空间转换到图像空间,实现SAR图像的直线提取。
步骤(2)所述的矢量Radon变换和参数场矢量分解,包括以下步骤:
将边缘场Radon变换为参数场τ(ρ,θ):
其中,Rt{·}表示Radon变换,D是积分变量的支持区域,δ(g)是二维空间中的delta函数。式(5)实质是计算沿直线ρ=xcosθ+ysinθ的积分(投影值),ρ和θ分别表示直线距原点的距离和直线的与x轴的夹角。
矢量Radon变换的示意图,如附图2所示,是二维空间中的矢量,对矢量的积分运算可以分解为矢量在两个垂直方向上的投影分别进行积分运算,再对积分结果进行矢量合成。令τ(ρ,θ)=(τx(ρ,θ),τy(ρ,θ)),则有:
将τ(ρ,θ)沿着平行直线方向和垂直直线方向分解:
其中,τp(ρ,θ)为参数场平行分量,携带了几乎所有的直线强度信息,是峰值检测采用的参数空间;τv(ρ,θ)为参数场垂直分量代,携带了部分随机边缘强度信息,可以辅助τp(ρ,θ)进行峰值检测。
步骤(3)所述的在峰值检测过程中,通过直线建模给出领域大小,利用参数场垂直分量辅助确定峰值数量,包括以下步骤:
在参数场平行分量τp(ρ,θ)上检测峰值,由于τp(ρ,θ)可以取负值,因此检测峰值时既要检测极大值,也要检测极小值。峰值检测具体步骤为:
1)在参数场平行分量τp(ρ,θ)上,选取未被访问并且强度值的绝对值最大的分辨率单元P(ρ′,θ′);
2)检查τp(ρ,θ),确定P(ρ′,θ′)的邻域中是否存在分辨率单元已被访问;
3)如果P(ρ′,θ′)邻域中存在分辨率单元已被访问,将P(ρ′,θ′)标记为已访问;
4)否则,将P(ρ′,θ′)添加到峰值列表,并将其标记为已访问;
5)重复1)-4),直到提取指定数量的峰值。
上述步骤中,需要设置的参数包括邻域大小和峰值数量。为了提高算法的自动化程度,下面给出参数的设置方法。
如附图3所示,为了分析邻域大小的设定方法,需要对直线建模。对于一条直线L,方向为长度为h,宽度为w,方向模糊度为ε。假设直线L对应参数空间点P(ρ′,θ′),其变换到参数空间形成的区域为:
{ρ,θ|ρ∈[ρ′-w/2,ρ′+w/2],θ∈[θ′-ε,θ′+ε]} (12)
其中,可设方向模糊度μ=5°。若采用ROEWA算子计算边缘场,边缘宽度与滤波参数α有关,且有w=round(2α)+1。若参数空间在ρ方向的采样间隔为mρ,在θ方向的采样间隔为mθ,则邻域大小可设为
对于峰值数量的设定,将检测到的前30个峰值按高度由大到小排列,得到峰值下降图,如附图4所示,示例机载SAR图像峰值下降图,找到这些峰值在 SAR图像上的对应直线,可以发现当峰值高度下降趋于平缓时,检测的峰值包含大量伪峰值,因此需要在峰值下降图中找到下降剧烈区域和平缓区域的分割点,将低于分割点的峰值剔除。
在步骤2中得到了携带部分随机边缘强度信息的参数场垂直分量τv(ρ,θ),计算其方差στ。可以假定,当峰值高度下降趋于平缓时,峰值之间的高度差异仅由随机边缘强度,选定峰值Pi(ρi,θi)(i=1,L 23),Pi(ρi,θ)、Pi+1(ρi+1,θi+1)、Pi+2(ρi+2,θi+2) 对应的高度分别为τp(ρi,θi)、τp(ρi+1,θi+1)、τp(ρi+2,θi+2),计算三个高度值的均值为μi。将正确峰值视为异常值,依据3σ准则:
τp(ρi,θi)≥μi+3στ (12)
因此,在峰值检测是先设置峰值数量为一个较大的值,如30,再在检测步骤中添加一步:
6)将满足式(12)的最低峰值Pk(ρk,θk)作为分割点,从峰值列表中剔除低于分割点的峰值后,得到峰值检测结果。
步骤(4)所述的直线提取过程中,采用的误检测剔除方法,包括以下步骤:
获得峰值检测结果后,还需要进一步剔除直线局部模糊或弧形线导致的误检测,具体方法为:将峰值检测结果转换到图像空间得到对应的直线;对于任意两条夹角小于10°的直线,计算直线交点;若交点在图像范围内,则剔除较低峰值对应的直线;从而获得直线提取结果。
如附图1所示,具体包括以下处理步骤:
步骤1:边缘场计算
采用指数加权均值比算子计算SAR图像的边缘场。指数加权均值比算子 (ROEWA)是对均值比(Ratio of Average,ROA)的改进,通过计算多个方向双边局部窗口指数加权均值,将两个均值的比值作为该方向上的边缘响应值。
对于方向,双边窗口的加权均值分别为:
其中,r1和r2为局部指数加权均值,I为SAR图像,x和y为图像像素坐标, g1和g2为指数加权滤波器。
水平方向和垂直方向的指数加权滤波器分别为:
其中,α控制窗口大小。
根据水平和垂直方向的局部指数加权均值比值,可先计算水平方向边缘强度 sx和垂直方向边缘强度sy,再合成边缘场(强度s和方向θ):
步骤2:矢量Radon变换
经过步骤1可以得到包含强度和方向信息的边缘场将边缘场Radon变换为参数场τ(ρ,θ):
其中,Rt{·}表示Radon变换,D是积分变量的支持区域,δ(g)是二维空间中的delta函数。式(5)实质是计算沿直线ρ=xcosθ+ysinθ的积分(投影值),ρ和θ分别表示直线距原点的距离和直线的与x轴的夹角。
矢量Radon变换的示意图,如附图2所示,是二维空间中的矢量,对矢量的积分运算可以分解为矢量在两个垂直方向上的投影分别进行积分运算,再对积分结果进行矢量合成。令τ(ρ,θ)=(τx(ρ,θ),τy(ρ,θ)),则有:
将τ(ρ,θ)沿着平行直线方向和垂直直线方向分解:
其中,τp(ρ,θ)为参数场平行分量,携带了几乎所有的直线强度信息,是进行峰值检测的参数空间;τv(ρ,θ)为参数场垂直分量,携带了部分随机边缘强度信息,可以辅助τp(ρ,θ)进行峰值检测。
根据中心切片定理,图像在某一方向上投影函数的一维傅里叶变换是图像二维傅里叶变换沿同一方向过原点直线上的值。为了提高Rt{·}运算的计算效率,可以采用快速傅里叶变换计算τ(ρ,θ)。
参数空间τ(ρ,θ)的一维傅里叶变换为:
其中,F1{·}表示一维傅里叶变换。结合式(5),可得:
边缘场的二维傅里叶变换:
其中,F2{·}表示二维傅里叶变换。在ωx=ωcosθ,ωy=ωsinθ条件下,有:
式(11)表明,对边缘场先进行二维傅里叶变换,再进行平面直角坐标系到极坐标系的映射,最后进行一维傅里叶逆变换,能够快速得到Randon 变换后的参数场τ(ρ,θ)。
步骤3:峰值检测
峰值检测的原理与Hough变换直线检测中的峰值检测原理类似,不同之处为在参数场平行分量τp(ρ,θ)上检测峰值,由于τp(ρ,θ)可以取负值,因此检测峰值时既要检测极大值,也要检测极小值。峰值检测具体步骤为:
1)在参数场平行分量τp(ρ,θ)上,选取未被访问并且强度值的绝对值最大的分辨率单元P(ρ′,θ′);
2)检查τp(ρ,θ),确定P(ρ′,θ′)的邻域中是否存在分辨率单元已被访问;
3)如果P(ρ′,θ′)邻域中存在分辨率单元已被访问,将P(ρ′,θ′)标记为已访问;
4)否则,将P(ρ′,θ′)添加到峰值列表,并将其标记为已访问;
5)重复1)-4),直到提取指定数量的峰值。
上述步骤中,需要设置的参数包括邻域大小和峰值数量。为了提高算法的自动化程度,下面给出参数的设置方法。
如附图3所示,为了分析邻域大小的设定方法,需要对直线建模。对于一条直线L,方向为长度为h,宽度为w,方向模糊度为ε。假设直线L对应参数空间点P(ρ′,θ′),其变换到参数空间形成的区域为:
{ρ,θ|ρ∈[ρ′-w/2,ρ′+w/2],θ∈[θ′-ε,θ′+ε]} (12)
其中,可设方向模糊度μ=5°。若采用ROEWA算子计算边缘场,边缘宽度与滤波参数α有关,且有w=round(2α)+1。若参数空间在ρ方向的采样间隔为mρ,在θ方向的采样间隔为mθ,则邻域大小可设为
对于峰值数量的设定,将检测到的前30个峰值按高度由大到小排列,得到峰值下降图,如附图4所示,示例机载SAR图像峰值下降图,找到这些峰值在 SAR图像上的对应直线,可以发现当峰值高度下降趋于平缓时,检测的峰值包含大量伪峰值,因此需要在峰值下降图中找到下降剧烈区域和平缓区域的分割点,将低于分割点的峰值剔除。
在步骤2中得到了携带部分随机边缘强度信息的参数场垂直分量τv(ρ,θ),计算其方差στ。可以假定,当峰值高度下降趋于平缓时,峰值之间的高度差异仅由随机边缘强度,选定峰值Pi(ρi,θi)(i=1,L 23),Pi(ρi,θ)、Pi+1(ρi+1,θi+1)、Pi+2(ρi+2,θi+2) 对应的高度分别为τp(ρi,θi)、τp(ρi+1,θi+1)、τp(ρi+2,θi+2),计算三个高度值的均值为μi。将正确峰值视为异常值,依据3σ准则:
τp(ρi,θi)≥μi+3στ (12)
因此,在峰值检测是先设置峰值数量为一个较大的值,如30,再在检测步骤中添加一步:
6)将满足式(12)的最低峰值Pk(ρk,θk)作为分割点,从峰值列表中剔除低于分割点的峰值后,得到峰值检测结果。
步骤4:直线提取
获得峰值检测结果后,还需要进一步剔除直线局部模糊或弧形线导致的误检测,具体方法为:将峰值检测结果转换到图像空间得到对应的直线;对于任意两条夹角小于10°的直线,计算直线交点;若交点在图像范围内,则剔除较低峰值对应的直线;从而获得直线提取结果。
本发明可以通过以下试验进行验证:
1.试验条件与方法
硬件平台:Intel(R)Core(TM)i7-6700HQ [email protected],内存8.0GB,固态硬盘500G,操作***Windows 10;
软件平台:MATLAB R2013b;
试验方法:本发明方法。
2.试验内容与结果
在上述试验条件下,选取四幅(包括示例数据)采用不同类型传感器获取的不同场景、分辨率SAR图像进行直线提取试验。一、来源于网络的机载SAR图像,二、为中国科学院电子学研究所的机载SAR图像,三、为TerraSAR-X***获取的星载SAR图像,四为高分3号获取的星载SAR图像,这四幅图为对应的直线提取结果。直线提取的统计结果如表1所示,表中误检数是指检测到的直线中,长度小于40的直线数量,误检率=误检数/提取直线数;漏检数是指SAR 图像中未被检测到的、长度不小于40的直线数量,漏检率=漏检数/(提取直线数+漏检数)。
由表1及以上四幅图可知,本发明方法对四幅SAR图像进行直线提取,误检率均为0%;中国科学院电子学研究所机载SAR图像出现漏检情况,漏检数为2,漏检率为20.0%,其它三套数据的漏检率为0%;由中国科学院电子学研究所的机载SAR图像可知,该数据的信噪比较低,直线特征较为模糊,从而导致了部分道路边界漏检,但是本发明方法仍能够有效提取大部分的直线特征。总体而言,本发明方法能够稳健、有效地提取SAR图像上的直线特征。
表1 4幅SAR图像直线提取结果
综上所示,本发明公开了一种利用矢量Radon变换的SAR图像直线提取方法,以提高SAR图像直线提取的正确率和自动化程度。其过程为:采用指数加权均值比计算SAR图像的边缘场;基于中心切片定理,快速实现边缘场矢量Radon 变换获得参数场,再将参数场分解为平行直线分量和垂直直线分量;对参数场平行分量进行峰值检测,参数场垂直分量结合直线建模辅助设置峰值检测过程中的参数值。本发明能够有效提取不同场景、分辨率多源SAR图像上的直线特征,具有高正确率和高度自动化的特点。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (5)
1.一种利用矢量Radon变换的SAR图像直线提取方法,其特征在于,提取步骤为:
a)ROEWA算子计算边缘场,采用指数加权均值比算子计算SAR图像的边缘场
b)边缘场矢量Radon变换获得参数场,将边缘场进行矢量Radon变换获得参数场τ(ρ,θ),这一过程中采用中心切片定理加速计算,再将参数场分解为平行分量τp(ρ,θ)和垂直分量τv(ρ,θ);
c)参数场平行分量峰值检测,对参数场平行分量τp(ρ,θ)进行峰值检测,峰值检测需要设置的参数包括领域大小和峰值数量,通过直线建模给出领域大小,利用参数场垂直分量τv(ρ,θ)辅助确定峰值数量;
d)直线提取,将峰值由参数空间转换到图像空间,实现SAR图像的直线提取。
2.根据权利要求1所述的利用矢量Radon变换的SAR图像直线提取方法,其特征在于:步骤b)中,所述矢量Radon变换与参数场分解的方法为:
将边缘场Radon变换为参数场τ(ρ,θ):
其中Rt{·}表示Radon变换,D是积分变量的支持区域,δ(g)是二维空间中的delta函数;式(5)是计算沿直线ρ=xcosθ+ysinθ的积分,ρ和θ分别表示直线距原点的距离和直线与x轴的夹角;
是二维空间中的矢量,对矢量的积分运算可以分解为矢量在两个垂直方向上的投影分别进行积分运算,再对积分结果进行矢量合成,令τ(ρ,θ)=(τx(ρ,θ),τy(ρ,θ)),则有:
将τ(ρ,θ)沿着平行直线方向和垂直直线方向分解:
其中,τp(ρ,θ)为参数场平行分量,携带了直线强度信息,是峰值检测采用的参数空间;τv(ρ,θ)为参数场垂直分量代,携带了可以辅助τp(ρ,θ)进行峰值检测的随机边缘强度信息。
3.根据权利要求1所述的利用矢量Radon变换的SAR图像直线提取方法,其特征在于:步骤c)中,所述利用参数场垂直分量τv(ρ,θ)辅助确定峰值数量的方法为:
步骤一,在参数场平行分量τp(ρ,θ)上,选取未被访问并且强度值的绝对值最大的分辨率单元P(ρ′,θ′);
步骤二,检查τp(ρ,θ),确定P(ρ′,θ′)的邻域中是否存在分辨率单元已被访问;
步骤三,如果P(ρ′,θ′)邻域中存在分辨率单元已被访问,将P(ρ′,θ′)标记为已访问;
步骤四,否则将P(ρ′,θ′)添加到峰值列表,并将其标记为已访问;
步骤五,重复步骤一和步骤四,直到提取指定数量的峰值;
步骤六,将满足式(12)的最低峰值Pk(ρk,θk)作为分割点,从峰值列表中剔除低于分割点的峰值后,得到峰值检测结果。
4.根据权利要求1所述的利用矢量Radon变换的SAR图像直线提取方法,其特征在于:步骤c)中,所述邻域大小和峰值数量的参数的设置方法为:
通过直线建模来分析邻域大小的设定方法,对于一条直线L,方向为长度为h,宽度为w,方向模糊度为ε,假设直线L对应参数空间点P(ρ′,θ′),其变换到参数空间形成的区域为:
{ρ,θ|ρ∈[ρ′-w/2,ρ′+w/2],θ∈[θ′-ε,θ′+ε]} (12)
其中,可设方向模糊度μ=5°,采用ROEWA算子计算边缘场时,边缘宽度与滤波参数α有关,且有w=round(2α)+1;参数空间在ρ方向的采样间隔为mρ时,在θ方向的采样间隔为mθ,则邻域大小可设为
对于峰值数量的设定,将检测到的前30个峰值按高度由大到小排列,得到峰值下降图,找到这些峰值在SAR图像上的对应直线,在峰值下降图中找到下降剧烈区域和平缓区域的分割点,将低于分割点的峰值剔除;
得到了携带部分随机边缘强度信息的参数场垂直分量τv(ρ,θ),计算其方差στ,假定当峰值高度下降趋于平缓时,峰值之间的高度差异仅由随机边缘强度,选定峰值Pi(ρi,θi)(i=1,L 23),Pi(iρi,θ)、Pi+1(ρi+1,θi+1)、Pi+2(ρi+2,θi+2)对应的高度分别为τp(ρi,θi)、τp(ρi+1,θi+1)、τp(ρi+2,θi+2),计算三个高度值的均值为μi,将正确峰值视为异常值,依据3σ准则:
τp(ρi,θi)≥μi+3στ (12)。
5.根据权利要求1所述的利用矢量Radon变换的SAR图像直线提取方法,其特征在于:步骤d)中,所述直线提取过程包括以下步骤:
获得峰值检测结果后,进一步剔除直线局部模糊或弧形线导致的误检测,将峰值检测结果转换到图像空间得到对应的直线;对于任意两条夹角小于10°的直线,计算直线交点;交点在图像范围内时,剔除较低峰值对应的直线;从而获得直线提取结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810773303.5A CN108875703A (zh) | 2018-07-14 | 2018-07-14 | 利用矢量Radon变换的SAR图像直线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810773303.5A CN108875703A (zh) | 2018-07-14 | 2018-07-14 | 利用矢量Radon变换的SAR图像直线提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108875703A true CN108875703A (zh) | 2018-11-23 |
Family
ID=64301805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810773303.5A Withdrawn CN108875703A (zh) | 2018-07-14 | 2018-07-14 | 利用矢量Radon变换的SAR图像直线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108875703A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276240A (zh) * | 2019-03-28 | 2019-09-24 | 北京市遥感信息研究所 | 一种sar图像建筑物墙面窗户信息提取方法 |
CN111126023A (zh) * | 2020-03-30 | 2020-05-08 | 江西博微新技术有限公司 | 图形处理方法、***、可读存储介质及计算机设备 |
CN111368851A (zh) * | 2018-12-25 | 2020-07-03 | 中国人民解放军战略支援部队信息工程大学 | 一种利用矢量Radon变换的SAR图像直线提取方法及装置 |
-
2018
- 2018-07-14 CN CN201810773303.5A patent/CN108875703A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368851A (zh) * | 2018-12-25 | 2020-07-03 | 中国人民解放军战略支援部队信息工程大学 | 一种利用矢量Radon变换的SAR图像直线提取方法及装置 |
CN110276240A (zh) * | 2019-03-28 | 2019-09-24 | 北京市遥感信息研究所 | 一种sar图像建筑物墙面窗户信息提取方法 |
CN110276240B (zh) * | 2019-03-28 | 2021-05-28 | 北京市遥感信息研究所 | 一种sar图像建筑物墙面窗户信息提取方法 |
CN111126023A (zh) * | 2020-03-30 | 2020-05-08 | 江西博微新技术有限公司 | 图形处理方法、***、可读存储介质及计算机设备 |
CN111126023B (zh) * | 2020-03-30 | 2020-07-28 | 江西博微新技术有限公司 | 图形处理方法、***、可读存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | Infrared small target detection based on multiscale local contrast measure using local energy factor | |
CN106780485B (zh) | 基于超像素分割和特征学习的sar图像变化检测方法 | |
CN105608691B (zh) | 一种高分辨率sar影像单体建筑提取方法 | |
Zhai et al. | Recent methods and applications on image edge detection | |
CN108875703A (zh) | 利用矢量Radon变换的SAR图像直线提取方法 | |
Musoromy et al. | Edge detection comparison for license plate detection | |
CN110674674A (zh) | 一种基于yolo v3的旋转目标检测方法 | |
Utaminingrum et al. | Image processing for rapidly eye detection based on robust haar sliding window | |
CN107273803B (zh) | 云层图像检测方法 | |
Li et al. | Ship target detection and recognition method on sea surface based on multi-level hybrid network | |
Kumar et al. | Image segmentation using discontinuity-based approach | |
CN114648736B (zh) | 基于目标检测的鲁棒工程车辆识别方法及*** | |
CN116310837A (zh) | 一种sar舰船目标旋转检测方法及*** | |
Bhaskar et al. | Combined spatial and transform domain analysis for rectangle detection | |
CN111768436B (zh) | 一种基于Faster-RCNN改进的图像特征块配准方法 | |
CN114972400A (zh) | 基于频域残差分析的红外弱小目标检测方法 | |
Guerreiro et al. | Extraction of line segments in cluttered images via multiscale edges | |
Miftakhutdinov et al. | A Technique of Object Detection Using Information about Changes in the Terrain Image | |
CN117351439B (zh) | 智慧高速公路超限车辆动态监控管理*** | |
Chang et al. | The shape of patterns tells more: Using two dimensional Hough transform to detect circles | |
Wang et al. | Research on illegal building detection based on the change discovery and spatial morphological characteristics of image [A] | |
Shuliang et al. | Design of text position detection method for electrical equipment nameplate | |
Khaliluzzaman et al. | Support vector machine for overcoming the problem of vanishing point during stairways detection | |
Jiang et al. | Research on feature point generation and matching method optimization in image matching algorithm | |
Der et al. | Probe based recognition of targets in infrared images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181123 |