CN111368851A - 一种利用矢量Radon变换的SAR图像直线提取方法及装置 - Google Patents
一种利用矢量Radon变换的SAR图像直线提取方法及装置 Download PDFInfo
- Publication number
- CN111368851A CN111368851A CN201811594767.6A CN201811594767A CN111368851A CN 111368851 A CN111368851 A CN 111368851A CN 201811594767 A CN201811594767 A CN 201811594767A CN 111368851 A CN111368851 A CN 111368851A
- Authority
- CN
- China
- Prior art keywords
- sar image
- straight line
- peak
- vector
- field
- 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.)
- Pending
Links
- 229910052704 radon Inorganic materials 0.000 title claims abstract description 40
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 title claims abstract description 39
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 230000009466 transformation Effects 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 26
- 230000001427 coherent effect Effects 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,特别是一种利用矢量Radon变换的SAR图像直线提取方法及装置。该提取方法通过计算SAR图像的边缘场;再对SAR图像的边缘场进行矢量Radon变换,得到对应的参数场,将参数场分解为平行分量和垂直分量,并对参数场的平行分量进行峰值检测,获取相应数量的峰值;最后将峰值检测结果转换到SAR图像空间得到对应的直线。参数场平行直线和垂直直线分解,有效分离了参数场垂直分量携带的部分随机边缘强度信息,保证了参数场平行分量的峰值尖锐,提高了直线检测的精度。
Description
技术领域
本发明涉及图像处理技术领域,特别是一种利用矢量Radon变换的SAR图像直线提取方法及装置。
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。有中国专利申请公布号为CN104751145A的发明专利申请文件公开了一种局部霍夫变换与形态学优化的SAR图像电力线检测方法,对SAR图像进行边缘检测,获得包含边缘信息的二值图像,在包含边缘信息的二值图像中划分出多个边缘带,在划分出多个边缘带的二值图像中对每个边缘带采用基于极坐标变换空间的霍夫变换方法进行直线检测,得到霍夫变换检测结果,在霍夫变换检测结果的每个边缘带内选取长度最长的线段,最终得出SAR图像电力检测结果。虽然该方法能够实现SAR图像的直线检测,但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;而且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。
发明内容
本发明的目的是提供一种利用矢量Radon变换的SAR图像直线提取方法及装置,用以解决目前SAR图像的直线提取效率低、精度不高的问题。
为了实现SAR图像的直线提取,本发明提供一种利用矢量Radon变换的SAR图像直线提取方法,该提取方法包括以下步骤:
1)计算SAR图像的边缘场;
2)对SAR图像的边缘场进行矢量Radon变换,得到对应的参数场,并将所述参数场分解为平行分量和垂直分量;
3)对参数场的平行分量进行峰值检测,获取相应数量的峰值;
4)将峰值检测结果转换到SAR图像空间得到对应的直线,并对得到直线进行筛选,筛选过程为计算任意两条直线夹角,若夹角小于设定值,且两条直线交点在图像范围内,则剔除较低峰值对应的直线。
有益效果是,参数场平行直线和垂直直线分解,有效分离了参数场垂直分量携带的部分随机边缘强度信息,保证了参数场平行分量的峰值非常尖锐,提高了直线检测的精度,且计算效率与SAR图像的大小有关,与图像场景的复杂程度无关,进一步提高了计算效率,而且边缘场包含强度和方向信息,沿着一条直线投影时,边缘强度较低的点方向具有一定的随机性,矢量相加能相互抵消,从而提高了直线检测的精度。
进一步地,步骤1)中SAR图像的边缘场通过指数加权均值比算子得到;避免了图像二值边缘点检测过程,对相干斑具有较强的鲁棒性。
进一步地,步骤2)中的Radon变换过程为:对边缘场进行二维傅立叶变换;将变换结果从平面直角坐标系转换到极坐标系;在极坐标系下进行一维傅立叶逆变换,得到Radon变换后的参数场;根据中心切片定理,通过快速傅立叶变换计算,有效地提高了计算效率。
进一步地,步骤3)在进行峰值检测时,其选取的邻域大小与边缘场的边缘宽度有关,邻域大小计算公式为:
其中,w=round(2α)+1,mρ为参数空间在ρ方向的采样间隔,mθ为θ方向的采样间隔,α为滤波参数;在峰值检测时,由参数场垂直分量估计随机边缘强度的方差,辅助设置峰值数量参数,通过直线建模给出领域大小参数,提高了算法的自动化程度。
进一步地,为了提高精度,更好的实现峰值的筛选,步骤3)在进行峰值检测时,还包括自动确定峰值数量的过程,过程为对检测出的峰值按照高度进行排序,并根据步骤2)中得到的参数场的垂直分量τv(ρ,θ),计算其方差στ,当峰值高度下降趋于平缓时,选定峰值Pi(ρi,θi),其中i=1,…23,则Pi(ρi,θi)、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
在步骤3)中将满足上式的最低峰值Pk(ρk,θk)作为分割点,从峰值列表中剔除低于分割点的峰值点后,得到峰值检测结果。
本发明提供一种利用矢量Radon变换的SAR图像直线提取装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
(1)计算SAR图像的边缘场;
(2)对SAR图像的边缘场进行矢量Radon变换,得到对应的参数场,并将所述参数场分解为平行分量和垂直分量;
(3)对参数场的平行分量进行峰值检测,获取相应数量的峰值;
(4)将峰值检测结果转换到SAR图像空间得到对应的直线,并对得到直线进行筛选,筛选过程为计算任意两条直线夹角,若夹角小于设定值,且两条直线交点在图像范围内,则剔除较低峰值对应的直线,参数场平行直线和垂直直线分解,有效分离了参数场垂直分量携带的部分随机边缘强度信息,保证了参数场平行分量的峰值非常尖锐,提高了直线检测的精度,且计算效率与SAR图像的大小有关,与图像场景的复杂程度无关,进一步提高了计算效率。
进一步地,步骤(1)中SAR图像的边缘场通过指数加权均值比算子得到;避免了图像二值边缘点检测过程,对相干斑具有较强的鲁棒性。
进一步地,步骤(2)中的Radon变换过程为:对边缘场进行二维傅立叶变换;将变换结果从平面直角坐标系转换到极坐标系;在极坐标系下进行一维傅立叶逆变换,得到Radon变换后的参数场;根据中心切片定理,通过快速傅立叶变换计算,有效地提高了计算效率。
附图说明
图1是本发明的一种利用矢量Radon变换的SAR图像直线提取方法的流程图;
图2是本发明的矢量Radon变换示意图;
图3是本发明的直线建模示意图;
图4是本发明的实验1的机载SAR图像;
图5是本发明的实验1的机载SAR图像的直线检测结果图;
图6是本发明的实验1的机载SAR图像边缘场图;
图7是本发明的实验1的机载SAR图像参数场图;
图8是本发明的实验1的机载SAR图像峰值的高度下降图;
图9是本发明的实验2的机载SAR图像;
图10是本发明的实验2的机载SAR图像的直线检测结果图;
图11是本发明的实验3的星载SAR图像;
图12是本发明的实验3的星载SAR图像的直线检测结果图;
图13是本发明的实验4的星载SAR图像;
图14是本发明的实验4的星载SAR图像的直线检测结果图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
本发明提供一种利用矢量Radon变换的SAR图像直线提取方法,如图1所示,该提取方法包括以下步骤:
1)计算SAR图像的边缘场;
2)对SAR图像的边缘场进行矢量Radon变换,得到对应的参数场,并将参数场分解为平行分量和垂直分量;
3)对参数场的平行分量进行峰值检测,获取相应数量的峰值;
4)将峰值检测结果转换到SAR图像空间得到对应的直线,并对得到直线进行筛选,筛选过程为计算任意两条直线夹角,若夹角小于设定值,且两条直线交点在图像范围内,则剔除较低峰值对应的直线。
本发明对4幅SAR图进行处理,如图4、图9、图11和图13所示,包括实验1、实验2、实验3和实验4,其中以实验1的SAR图进行具体说明,该方法的具体过程如下:
步骤1):边缘场计算,优选SAR图像的边缘场是通过指数加权均值比算子得到。
具体的是:
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(Ratio ofExponentially Weighted Averages,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。
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,x′和y′为滤波器局部窗口的像素坐标。
方向的指数加权滤波器为:
其中,α控制窗口大小。
也可采用其它双边窗口滤波器,如高斯伽玛型双边窗口滤波器(Gaussian-gamma-shaped 2-D Filter,GGS):
其中,σx>1控制窗口长度,α>1控制窗口的宽度,β>0控制双边窗口之间的间隔距离。
通过上述该步骤1)对实验1的SAR图进行处理,得到实验1的机载SAR图像边缘场,如图6所示。
步骤2):矢量Radon变换:对边缘场进行二维傅立叶变换;将变换结果从平面直角坐标系转换到极坐标系;在极坐标系下进行一维傅立叶逆变换,得到Radon变换后的参数场。
具体的是:
其中,Rt{·}表示Radon变换,D是积分变量的支持区域,δ(·)是二维空间中的delta函数。式(5)实质是计算沿直线ρ=x cosθ+y sinθ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。
如图2所示,矢量Radon变换的示意图,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。通过上述变换得到实验1的机载SAR图像参数场,如图7所示。
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:
其中,F2{·}表示二维傅里叶变换。在ωx=ωcosθ,ωy=ωsinθ条件下,有:
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,认为参数场单个分辨率单元强度值的绝对值为该分辨率单元的高度值。峰值即对应分辨率单元,峰值的高度即是分辨率单元的高度,峰值检测具体过程为:
(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)重复过程(1)-(4),直到提取指定数量的峰值。
上述过程中,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。
{ρ,θ|ρ∈[ρ′-w/2,ρ′+w/2],θ∈[θ′-ε,θ′+ε]} (12)
另外,步骤3)在进行峰值检测时,还包括自动确定峰值数量的过程,过程为对检测出的峰值按照高度进行排序,剔除峰值高度下降幅度小于设定幅度的峰值点。
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,其中峰值的高度为参数场平行分量的值。实验1的机载SAR图像峰值的高度下降图,如图8所示,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决定,选定峰值Pi(ρi,θi)(i=1,…23),Pi(ρi,θi)、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 (13)
因此,在峰值检测之前设置峰值数量为一个较大的值,如30,则上述峰值检测的具体过程还将满足式(13)的最低峰值Pk(ρk,θk)作为分割点即为设定幅度,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,可以直接进行直线提取,也可以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。
本发明提供一种利用矢量Radon变换的SAR图像直线提取装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行程序时实现上述的步骤和过程。
本发明通过对4幅SAR图像进行实验,做进一步的验证,实验如下:
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。
在上述试验条件下,对选取的4幅SAR图像进行直线提取试验。图4、图9、图11和图13分别为实验1-4的SAR图像,图5、图10、图12和图14分别为实验1-4的直线提取结果。直线提取的统计结果如表1所示,表1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及图5、图10、图12和图14可知,本发明方法对4幅SAR图像进行直线提取,误检率均为0%;实验2的SAR图像出现漏检情况,漏检数为2,漏检率为20.0%,其它三组实验的漏检率为0%;如图10所示可知,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。
表1
综上所示,本发明的直线提取方法能够提高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。
以上给出了本发明涉及的具体实施方式,但本发明不局限于所描述的实施方式。采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改,并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同,这样形成的技术方案是对上述实施例进行微调形成的,这种技术方案仍落入本发明的保护范围内。
Claims (8)
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,该提取方法包括以下步骤:
1)计算SAR图像的边缘场;
2)对SAR图像的边缘场进行矢量Radon变换,得到对应的参数场,并将所述参数场分解为平行分量和垂直分量;
3)对参数场的平行分量进行峰值检测,获取相应数量的峰值;
4)将峰值检测结果转换到SAR图像空间得到对应的直线,并对得到直线进行筛选,筛选过程为计算任意两条直线夹角,若夹角小于设定值,且两条直线交点在图像范围内,则剔除较低峰值对应的直线。
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1)中SAR图像的边缘场通过指数加权均值比算子得到。
3.根据权利要求1或2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2)中的Radon变换过程为:对边缘场进行二维傅立叶变换;将变换结果从平面直角坐标系转换到极坐标系;在极坐标系下进行一维傅立叶逆变换,得到Radon变换后的参数场。
5.根据权利要求1或2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3)在进行峰值检测时,还包括自动确定峰值数量的过程,过程为对检测出的峰值按照高度进行排序,并根据步骤2)中得到的参数场的垂直分量τv(ρ,θ),计算其方差στ,当峰值高度下降趋于平缓时,选定峰值Pi(ρi,θi),其中i=1,…23,则Pi(ρi,θi)、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
在步骤3)中将满足上式的最低峰值Pk(ρk,θk)作为分割点,从峰值列表中剔除低于分割点的峰值点后,得到峰值检测结果。
6.一种利用矢量Radon变换的SAR图像直线提取装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
(1)计算SAR图像的边缘场;
(2)对SAR图像的边缘场进行矢量Radon变换,得到对应的参数场,并将所述参数场分解为平行分量和垂直分量;
(3)对参数场的平行分量进行峰值检测,获取相应数量的峰值;
(4)将峰值检测结果转换到SAR图像空间得到对应的直线,并对得到直线进行筛选,筛选过程为计算任意两条直线夹角,若夹角小于设定值,且两条直线交点在图像范围内,则剔除较低峰值对应的直线。
7.根据权利要求6所述的利用矢量Radon变换的SAR图像直线提取装置,其特征在于,步骤(1)中SAR图像的边缘场通过指数加权均值比算子得到。
8.根据权利要求6或7所述的利用矢量Radon变换的SAR图像直线提取装置,其特征在于,步骤(2)中的Radon变换过程为:对边缘场进行二维傅立叶变换;将变换结果从平面直角坐标系转换到极坐标系;在极坐标系下进行一维傅立叶逆变换,得到Radon变换后的参数场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811594767.6A CN111368851A (zh) | 2018-12-25 | 2018-12-25 | 一种利用矢量Radon变换的SAR图像直线提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811594767.6A CN111368851A (zh) | 2018-12-25 | 2018-12-25 | 一种利用矢量Radon变换的SAR图像直线提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111368851A true CN111368851A (zh) | 2020-07-03 |
Family
ID=71208528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811594767.6A Pending CN111368851A (zh) | 2018-12-25 | 2018-12-25 | 一种利用矢量Radon变换的SAR图像直线提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368851A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4618989A (en) * | 1983-01-21 | 1986-10-21 | Michio Kawata, Director-General of Agency of Industrial Science and Technology | Method and system for detecting elliptical objects |
CN105678737A (zh) * | 2015-12-24 | 2016-06-15 | 华北电力大学(保定) | 一种基于Radon变换的数字图像角点检测方法 |
CN106683149A (zh) * | 2016-12-29 | 2017-05-17 | 西安电子科技大学 | 一种提取合成孔径雷达图像直线的优化方法 |
CN108875703A (zh) * | 2018-07-14 | 2018-11-23 | 昆山数字城市信息技术有限公司 | 利用矢量Radon变换的SAR图像直线提取方法 |
-
2018
- 2018-12-25 CN CN201811594767.6A patent/CN111368851A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4618989A (en) * | 1983-01-21 | 1986-10-21 | Michio Kawata, Director-General of Agency of Industrial Science and Technology | Method and system for detecting elliptical objects |
CN105678737A (zh) * | 2015-12-24 | 2016-06-15 | 华北电力大学(保定) | 一种基于Radon变换的数字图像角点检测方法 |
CN106683149A (zh) * | 2016-12-29 | 2017-05-17 | 西安电子科技大学 | 一种提取合成孔径雷达图像直线的优化方法 |
CN108875703A (zh) * | 2018-07-14 | 2018-11-23 | 昆山数字城市信息技术有限公司 | 利用矢量Radon变换的SAR图像直线提取方法 |
Non-Patent Citations (1)
Title |
---|
杨浩等: "基于模板搜索的高分辨率SAR图像机场提取方法", 《遥感信息》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107683423B (zh) | 用于调频连续波雷达中的对象检测的低复杂度超分辨率技术 | |
CN106778610B (zh) | 一种基于时频图像特征的脉内调制识别方法 | |
US7227983B1 (en) | Automated macromolecular crystal detection system and method | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
JP5982026B2 (ja) | 多範囲オブジェクト検出装置および方法 | |
CN107203770B (zh) | 一种光学捷联导引头图像跟踪方法 | |
CN108256394A (zh) | 一种基于轮廓梯度的目标跟踪方法 | |
CN102968799A (zh) | 一种基于积分图像的快速acca-cfar sar图像目标检测方法 | |
CN110674674A (zh) | 一种基于yolo v3的旋转目标检测方法 | |
CN103870836A (zh) | 基于凸集投影超分辨率重构的合成孔径雷达图像目标识别方法 | |
CN110942473A (zh) | 一种基于特征点网格化匹配的运动目标跟踪检测方法 | |
CN107273803B (zh) | 云层图像检测方法 | |
CN106780568A (zh) | 一种基于压缩不规则分块lbp的视频目标跟踪方法 | |
CN110837079B (zh) | 一种基于雷达的目标检测方法及装置 | |
Cheng et al. | FRFT-based improved algorithm of unsupervised change detection in SAR images via PCA and K-means clustering | |
CN108875703A (zh) | 利用矢量Radon变换的SAR图像直线提取方法 | |
Tanaka et al. | Texture segmentation using amplitude and phase information of Gabor filters | |
CN116342656B (zh) | 一种基于自适应边缘检测的时空图像测速方法和装置 | |
CN111368851A (zh) | 一种利用矢量Radon变换的SAR图像直线提取方法及装置 | |
CN111260624A (zh) | 一种基于特征匹配和尺度选择策略的多尺度红外小目标的探测方法 | |
CN107871123B (zh) | 一种逆合成孔径雷达空间目标分类方法及*** | |
US11361533B2 (en) | Method for detecting objects | |
CN114168058A (zh) | Fmcw单毫米波雷达的空中手写字符识别方法及装置 | |
Chang et al. | The shape of patterns tells more: Using two dimensional Hough transform to detect circles | |
Cheng et al. | Vanishing point and Gabor feature based multi-resolution on-road vehicle detection |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200703 |
|
WD01 | Invention patent application deemed withdrawn after publication |