CN111768360A - 一种基于剪切波处理高分三号sar图像河岸线检测方法 - Google Patents
一种基于剪切波处理高分三号sar图像河岸线检测方法 Download PDFInfo
- Publication number
- CN111768360A CN111768360A CN202010375478.8A CN202010375478A CN111768360A CN 111768360 A CN111768360 A CN 111768360A CN 202010375478 A CN202010375478 A CN 202010375478A CN 111768360 A CN111768360 A CN 111768360A
- Authority
- CN
- China
- Prior art keywords
- image
- resolution
- transformation
- shear wave
- pixel
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims description 15
- 230000009466 transformation Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 238000003708 edge detection Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005530 etching Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于剪切波处理高分三号SAR图像河岸线检测方法,包括以下步骤:一、使用非局部均值滤波预先对高分三号SAR图像进行降噪处理;二、对步骤一降噪后的高分三号SAR图像进行对数变换;三、使用非下采样剪切波变换对步骤二对数变换后的图像进行河岸线边缘检测;四、对步骤三处理后的图像进行指数变换;五、对步骤四指数变换后的图像进行二值化处理,得到二值图像并对其进行边缘细化处理;六、去除步骤五图像中由于斑点干扰所引起的伪边缘,得到最终结果。本发明组合使用非均值滤波预处理、对数变换、非下采样剪切波变换、指数变换、形态学处理等技术,能够较好的提取复杂、不规则的高分三号SAR图像河岸线轮廓。
Description
技术领域
本发明属于图像边缘检测提取技术领域,具体涉及一种基于剪切波处 理高分三号SAR图像河岸线检测方法。
背景技术
高分三号卫星是我国首颗分辨率达到一米的多极化合成孔径雷达 (SyntheticAperture Radar,SAR)卫星,可以全天候、全天时的成像。高分三 号SAR图像河道信息对于研究水文特征,减灾,气候变化等都有重要战略 意义。高分三号SAR图像中河道通常纹理特征较为稳定,且灰度值较低, 而河道周围的背景则纹理特征极为复杂,且灰度值变换较大。河道与背景 的颜色、纹理特征差异较大,使得河岸线灰度呈现阶跃状,为特征提取提 供了便利。
高分三号SAR图像的成像机理非常复杂,极易形成乘性相干斑噪声。 这使得传统的边缘检测方式无法适用于高分三号SAR图像的河岸线检测, 而近些年逐渐发展起来的用于克服SAR图像乘性相干斑噪声影响的边缘检 测方法,也在使用中暴露出了其弱方向性的问题,无法准确检测复杂的河 岸线信息。例如现在常用于海岸线检测的Snake动态轮廓模型,对于复杂曲 折的边缘适应性不强,无法适用于复杂、不规则的河岸线检测。
有鉴于此,本发明人研究了一种基于剪切波处理高分三号SAR图像河 岸线检测方法,以解决上述问题。
发明内容
为了解决现有技术中存在的上述问题,本发明提供一种基于剪切波处 理高分三号SAR图像河岸线检测方法,本发明检测方法通过使用非均值滤 波预处理、对数变换、非下采样剪切波变换、指数变换、形态学处理、去 除伪边缘等技术,以获得提取于复杂、不规则的高分三号SAR图像河岸线 轮廓目的。
本发明要解决的技术问题通过以下技术方案实现:包括以下步骤:
步骤一、SAR图像预处理,使用非局部均值滤波预先对高分三号SAR 图像进行降噪处理;
步骤二、图像噪声模型转换,对步骤一降噪后的高分三号SAR图像进 行对数变换;
步骤三、使用非下采样剪切波变换对步骤二对数变换后的图像进行河 岸线边缘检测;
步骤四、指数变换,对步骤三处理后的图像进行指数变换;
步骤五、对步骤四指数变换后的图像进行二值化处理,得到二值图像 并对其进行边缘细化处理;
步骤六、去除步骤五图像中由于斑点干扰所引起的伪边缘,得到最终 结果。
进一步地,所述步骤一具体操作过程为,对高分三号SAR图像 v=v{v(i)|i∈I},I表示图像域,对于某一个像素点i,非局部均值滤波后 的估计值为
其中,权值w(i,j)和v(j)是降噪块,i、j是两个像素点,像素点j是 图像域I中除像素点i外的任意一个像素点,权值w(i,j)取决于像素i和像素j之间的相似性,并满足条件0≤w(i,j)≤1以及∑jw(i,j)=1。
进一步地,所述步骤二具体操作过程为,充分发育的斑点服从乘性模 型,斑点的乘性模型如公式(1)所示:
Y=FX (1)
其中,Y是观察图像,F是斑点,X是真实图像;
log(Y)=log(F)+log(X) (2)
利用公式(2)对公式(1)进行对数变换,将SAR图像乘性噪声模型转化为 加性噪声模型。
进一步地,所述步骤三具体操作过程为,基于非下采样剪切波***定 义,使用复数非下采样剪切波变换ψc=ψeven+iψodd以满足时频和频域的对 称性和平移不变性,其中ψeven表示偶对称非下采样剪切波,ψodd表示奇对 称非下采样剪切波,由于非下采样剪切波关于y对称,即得到ψeven,ψodd根 据希尔伯特变换由ψeven转换得到;
其中,f为图像矩阵,为剪切矩阵,为各 向异性膨胀矩阵,位置测量公式中的ε是趋近于0的极小值且ε>0,以确保 分母不会为0,而为了使得每个像素点为河岸线上一点的概率值介于0到1 之间,设置以下映射关系:
当非下采样剪切波变换以理想边缘为对称中心时:
进一步地,所述步骤五具体过程为,先设定一个阈值,并遍历图像中 的每个像素点,若像素值大于等于该阈值则将该点灰度值置为1,小于该阈 值则将该点灰度值置为0,即把河岸线检测的结果图像转为二值图像;
再使用击中击不中变换细化可能的河岸线,使可能的河岸线的宽度保 持一个像素的宽度,设f(x,y)为输入图像,b(x,y)为结构元素,且b(x,y)由 两个不相交的部分b1(x,y)和b2(x,y)组成,b1(x,y)和b2(x,y)的交集是空集, 并集组成结构元素b(x,y),所以f(x,y)被b(x,y)击中的定义如下所示:
f*b(x,y)=(f⊙b1)∩(fc⊙b2)
其中,⊙表示腐蚀操作,设一个结构元素系列如下所示:
{b(x,y)}={b1(x,y),b2(x,y)…bn(x,y)}
那么图像f(x,y)被结构元素系列细化表示为:
细化的过程是,先用一个结构元素b1(x,y)对图像f(x,y)进行细化,接 着用b2(x,y)对b1(x,y)细化过的结果继续进行细化,以此类推,直至bn(x,y) 对图像细化,整个过程不断重复,直到得到的结果不再发生变化。
进一步地,所述步骤六具体操作过程为,先将步骤五得到的二值图像 做连通域标记处理操作;
再设定一个阈值,认定图像各连通区域中像素点个数小于该阈值的部 分为伪边缘,将这些小于该阀值的像素值全部置为0,用于去除伪边缘,得 到最终图像。
与现有技术相比,本发明具有如下有益效果:
1.本发明一种基于剪切波处理高分三号SAR图像河岸线检测方法,本 发明发明通过合理组合使用非均值滤波预处理、对数变换、非下采样剪切 波变换、指数变换、形态学处理(边缘细化和去除伪边缘)等技术,能够 清楚、准确地提取高分三号SAR图像河岸线轮廓,特别适用于复杂、曲折 不规则的河岸线边缘检测。
2.本发明一种基于剪切波处理高分三号SAR图像河岸线检测方法,由 于高分三号SAR图像使用FSII成像模式,因此本方法首先采用非局部均值 滤波对图像进行预处理,目的是减小相干斑对于河岸线定位精度的影响, 再利用具有最优方向性和稀疏性的剪切波变换对图像进行处理,目的是充 分利用剪切波在高维度具有多方向性的特点,将可能的河岸线结果都充分 标识出来。
3.本发明一种基于剪切波处理高分三号SAR图像河岸线检测方法,本 方法使用剪切波提取完灰度值变化大的像素点之后,生成的是灰度图,其 灰度值范围为0~255,最后通过阈值处理,消除多余伪边缘,得到干净的 河岸线轮廓。
附图说明
图1为本发明河岸线检测方法的步骤流程图;
图2为本发明实验用的高分三号SAR图像a;
图3为本发明实验用的高分三号SAR图像b;
图4为图像a经过非局部均值滤波处理后的效果图;
图5为图4经过对数变换及非下采样剪切波处理后的效果图;
图6为图5经过指数变换及二值化和边缘细化处理后的效果图;
图7为图6经过去除伪边缘后的效果图;
图8图像b经过非局部均值滤波处理后的效果图;
图9为图8经过对数变换及非下采样剪切波处理后的效果图;
图10为图9经过指数变换及二值化和边缘细化处理后的效果图;
图11为图10经过去除伪边缘后的效果图。
具体实施方式
为使本发明所解决的技术问题、技术方案及有益效果更加清晰,以下 结合附图及实施例,对本发明作进一步详细说明。应当理解,此处所描述 的具体实施例仅用以解释本发明,并不限定本发明,详细说明如下。
如附图1所示,一种基于剪切波处理高分三号SAR图像河岸线检测方 法,包括以下步骤:
步骤一、SAR图像预处理
使用非均值滤波对含噪声的高分三号SAR图像进行滤波预处理,目的 是减小相干斑对于河岸线定位精度的影响。具体操作过程为,对于待输入 的高分三号SAR图像v=v{v(i)|i∈I},I表示图像域,对于某一个像素点i, 非局部均值滤波后的估计值为
其中,权值w(i,j)和v(j)是降噪块,i、j是两个像素点,像素点j是 图像域I中除像素点i外的任意一个像素点,权值w(i,j)取决于像素i和像素 j之间的相似性,并满足条件0≤w(i,j)≤1以及∑jw(i,j)=1。
步骤二、图像噪声模型转换
图像噪声模型转换的目的,就是要将充分发育的斑点模型通过对数变 换转换为加性模型。充分发育的斑点服从乘性模型,斑点的乘性模型如公 式(1)所示:
Y=FX (1)
其中,Y为观察图像,F为斑点,X为地物目标雷达散射特性,可以 认为是真实图像;
log(Y)=log(F)+log(X) (2)
利用公式(2)对公式(1)进行对数变换,将SAR图像乘性噪声模型转化为 加性噪声模型。由于非下采样剪切波建立在加性斑点模型基础上,因此需 要先进行对数变换,使乘性模型转换成加性模型,然后才能使用非下采样 剪切波变换。
步骤三、使用非下采样剪切波变换对步骤二对数变换后的图像进行河 岸线边缘检测
具体为,传统的剪切波***定义如下:
ΨAB(ψ)={ψj,l,k(x)=|detA|j/2ψ(BlAjx-k):j,l∈Z,k∈Z2}
其中,ψ∈L2(R2),j是尺度参数,l是剪切参数,k是平移参数,A和B为 2×2可逆矩阵,|detB|=1,Aj是尺度变换的矩阵,Bl是和保持面积不变的 几何变换相关联的,当各向异性膨胀矩阵剪切矩阵 时,其形式就构成剪切波。
由于传统剪切波变换使用的下采样Laplacian滤波器组是二维双正交可 分离滤波器组,带宽都大于π/2。多采样率理论证明,如果对滤波后图像再 进行下采样操作会产生频谱混叠的现象,频谱混叠会造成不同子带中同时 出现同一方向的信息,在一定程度上削弱了剪切波具有的方向敏感性,所 以非下采样剪切波变换中采用非下采样Laplacian滤波器代替传统剪切波变 换使用的下采样Laplacian滤波器来设计滤波算法。
根据上述定义,非下采样剪切波变换可以在时域中垂直对齐,并且可 以增加剪切参数l至无穷大时实现完美的水平对齐,但是,这将导致非下采 样剪切波变换在垂直方向上的应用极低,将给实际应用带来极大困难。基 于此,本发明使用复数非下采样剪切波变换ψc=ψeven+iψodd以满足时频和 频域的对称性和平移不变性,其中ψeven表示偶对称非下采样剪切波,ψodd表 示奇对称非下采样剪切波,由于非下采样剪切波关于y对称,即得到ψeven,ψodd根据希尔伯特变换由ψeven转换得到;
其中,f为图像矩阵,为剪切矩阵,为各 向异性膨胀矩阵,位置测量公式中的ε是趋近于0的极小值且ε>0,以确保 分母不会为0,而为了使得每个像素点为河岸线上一点的概率值介于0到1 之间,设置以下映射关系:
当非下采样剪切波变换以理想边缘为对称中心时:
步骤四、指数变换
对步骤三处理后的图像使用指数变换g(x,y)=crγ。
步骤五、对步骤四指数变换后的图像进行二值化处理,得到二值图像 并对其进行边缘细化处理
具体过程如下:首先对步骤四指数变换后的灰度图做二值化处理,设 定一个阈值,并遍历图像中的每个像素点,若像素值大于等于该阈值则将 该点灰度值置为1,小于该阈值则将该点灰度值置为0,把河岸线检测的结 果图像转为二值图像;
再对二值图像进行边缘细化处理,边缘细化边缘细化原理如下:
边缘细化就是在保持图像原有的形状的基础上去除一些点,细化的目 的是得到图像中心的宽度为一个像素的黑线,在未达到单像素之前必须沿 着图像边缘不停的去除一些点。细化的结果被称为原图案的骨架。骨架与 原图案要具有相同的拓扑形状和连通性。击中击不中变换是进行数学形态 学边缘细化的理论基础。击中击不中变换的基本思想是抽取图像中与给定 领域结构相匹配的所有像素。
设f(x,y)为输入图像,b(x,y)为结构元素,且b(x,y)由两个不相交的 部分b1(x,y)和b2(x,y)组成,b1(x,y)和b2(x,y)的交集是空集,并集组成结 构元素b(x,y),所以f(x,y)被b(x,y)击中的定义如下所示:
f*b(x,y)=(f⊙b1)∩(fc⊙b2)
其中,⊙表示腐蚀操作,设一个结构元素系列如下所示:
{b(x,y)}={b1(x,y),b2(x,y)…bn(x,y)}
那么图像f(x,y)被结构元素系列细化表示为:
细化的过程是,先用一个结构元素b1(x,y)对图像f(x,y)进行细化,接 着用b2(x,y)对b1(x,y)细化过的结果继续进行细化,以此类推,直至bn(x,y) 对图像细化,整个过程不断重复,直到得到的结果不再发生变化。
步骤六、去除步骤五图像中由于斑点干扰所引起的伪边缘,得到最终 结果
具体为去除图像中由于斑点干扰所引起的伪边缘。由于已经将结果转 换为二值图像,先进行二值图像中的连通域标记处理操作。二值图像的连 通域标记处理操作就是从白色像素点(通常灰度图像用“255”表示而二值图 像用“1”表示)和黑色像素点(通常用“0”来表示)组成的一幅点阵图像中, 将互相邻接(通常为4-邻接或8-邻接)的具有像素值“1”或“255”的像素集 合用不同数字标记出来,同时统计不同连通域中白色像素点数目。
高分三号SAR图像由于相干成像机理产生的斑点而形成的伪边缘通常 为面积较小的连通区域。设置一个阈值,认定图像各连通区域中像素点个 数小于该阈值的部分为伪边缘,将这些连通区域中的像素值全部置为0,以 达到消除伪边缘的目的,获得最终图像。
例如可以使用matlab的bwconncomp函数将图像的值为1的像素分成 一个又一个连通块components=bwconncomp(image),然后再使用 length(components.PixelIdxList{k})判断连通块k中像素个数,最后将小于阈 值的连通块中所有像素的值设置为0。
为了验证本发明的方法对高分三号SAR图像河岸线检测效果,以下选 用如图2(图像a)和图3(图像b)所示的两幅高分三号SAR图像进行实 验。
首先对图2进行检测,将检测过程中产生的四副效果图:非局部均值 滤波结果图、河岸线检测结果图、二值化以及边缘细化结果图、最终结果 图,单独提取出来,如图4至图7所示。并且对图3也进行相同处理,提 取出四副效果图,如图8至图11所示。
从图4至图11中可以看出本发明的方法对高分三号SAR图像的河岸 线检测具有很好的效果,检测出的河岸线结果非常贴近实际的边缘特征。 并且本发明方法中的形态学处理可以去掉大量伪边缘,非常适用于强噪声 干扰下的高分三号SAR图像河岸线检测。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明, 不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域 的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简 单推演或替换,都应当视为属于本发明的保护范围。
Claims (6)
1.一种基于剪切波处理高分三号SAR图像河岸线检测方法,其特征在于,包括以下步骤:
步骤一、SAR图像预处理,使用非局部均值滤波预先对高分三号SAR图像进行降噪处理;
步骤二、图像噪声模型转换,对步骤一降噪后的高分三号SAR图像进行对数变换;
步骤三、使用非下采样剪切波变换对步骤二对数变换后的图像进行河岸线边缘检测;
步骤四、指数变换,对步骤三处理后的图像进行指数变换;
步骤五、对步骤四指数变换后的图像进行二值化处理,得到二值图像并对其进行边缘细化处理;
步骤六、去除步骤五图像中由于斑点干扰所引起的伪边缘,得到最终结果。
3.根据权利要求1所述的一种基于剪切波处理高分三号SAR图像河岸线检测方法,其特征在于:所述步骤二具体操作过程为,充分发育的斑点服从乘性模型,斑点的乘性模型如公式(1)所示:
Y=FX (1)
其中,Y是观察图像,F是斑点,X是真实图像;
log(Y)=log(F)+log(X) (2)
利用公式(2)对公式(1)进行对数变换,将SAR图像乘性噪声模型转化为加性噪声模型。
4.根据权利要求1所述的一种基于剪切波处理高分三号SAR图像河岸线检测方法,其特征在于:所述步骤三具体操作过程为,基于非下采样剪切波***定义,使用复数非下采样剪切波变换ψc=ψeven+iψodd以满足时频和频域的对称性和平移不变性,其中ψeven表示偶对称非下采样剪切波,ψodd表示奇对称非下采样剪切波,由于非下采样剪切波关于y对称,即得到ψeven,ψodd根据希尔伯特变换由ψeven转换得到;
当非下采样剪切波变换以理想边缘为对称中心时:
5.根据权利要求1所述的一种基于剪切波处理高分三号SAR图像河岸线检测方法,其特征在于:所述步骤五具体过程为,先设定一个阈值,并遍历图像中的每个像素点,若像素值大于等于该阈值则将该点灰度值置为1,小于该阈值则将该点灰度值置为0,即把河岸线检测的结果图像转为二值图像;
再使用击中击不中变换细化可能的河岸线,使可能的河岸线的宽度保持一个像素的宽度,设f(x,y)为输入图像,b(x,y)为结构元素,且b(x,y)由两个不相交的部分b1(x,y)和b2(x,y)组成,b1(x,y)和b2(x,y)的交集是空集,并集组成结构元素b(x,y),所以f(x,y)被b(x,y)击中的定义如下所示:
f*b(x,y)=(f⊙b1)∩(fc⊙b2)
其中,⊙表示腐蚀操作,设一个结构元素系列如下所示:
{b(x,y)}={b1(x,y),b2(x,y)…bn(x,y)}
那么图像f(x,y)被结构元素系列细化表示为:
细化的过程是,先用一个结构元素b1(x,y)对图像f(x,y)进行细化,接着用b2(x,y)对b1(x,y)细化过的结果继续进行细化,以此类推,直至bn(x,y)对图像细化,整个过程不断重复,直到得到的结果不再发生变化。
6.根据权利要求1所述的一种基于剪切波处理高分三号SAR图像河岸线检测方法,其特征在于:所述步骤六具体操作过程为,先将步骤五得到的二值图像做连通域标记处理操作;
再设定一个阈值,认定图像各连通区域中像素点个数小于该阈值的部分为伪边缘,将这些小于该阀值的像素值全部置为0,用于去除伪边缘,得到最终图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010375478.8A CN111768360A (zh) | 2020-05-07 | 2020-05-07 | 一种基于剪切波处理高分三号sar图像河岸线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010375478.8A CN111768360A (zh) | 2020-05-07 | 2020-05-07 | 一种基于剪切波处理高分三号sar图像河岸线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111768360A true CN111768360A (zh) | 2020-10-13 |
Family
ID=72719079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010375478.8A Pending CN111768360A (zh) | 2020-05-07 | 2020-05-07 | 一种基于剪切波处理高分三号sar图像河岸线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111768360A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551456A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 基于改进剪切波变换的sar图像水域边缘检测方法 |
EP2146315A1 (en) * | 2008-07-16 | 2010-01-20 | Galileian Plus s.r.l. | Method of filtering SAR images from speckle noise and related device. |
US20130211253A1 (en) * | 2012-02-10 | 2013-08-15 | Siemens Medical Solutions Usa, Inc. | On-axis Shear Wave Characterization with Ultrasound |
CN107895354A (zh) * | 2017-11-29 | 2018-04-10 | 陕西师范大学 | 一种基于非下采样Shearlet变换的高分三SAR图像降斑方法 |
CN109035166A (zh) * | 2018-07-16 | 2018-12-18 | 国网四川省电力公司巴中供电公司 | 基于非下采样剪切波变换的电气设备红外图像增强方法 |
CN110009652A (zh) * | 2019-04-04 | 2019-07-12 | 陕西师范大学 | 基于剪切波的高分三号sar图像道路检测方法 |
CN110223312A (zh) * | 2019-06-05 | 2019-09-10 | 陕西师范大学 | 一种基于剪切波的sar图像边缘检测方法 |
-
2020
- 2020-05-07 CN CN202010375478.8A patent/CN111768360A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2146315A1 (en) * | 2008-07-16 | 2010-01-20 | Galileian Plus s.r.l. | Method of filtering SAR images from speckle noise and related device. |
CN101551456A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 基于改进剪切波变换的sar图像水域边缘检测方法 |
US20130211253A1 (en) * | 2012-02-10 | 2013-08-15 | Siemens Medical Solutions Usa, Inc. | On-axis Shear Wave Characterization with Ultrasound |
CN107895354A (zh) * | 2017-11-29 | 2018-04-10 | 陕西师范大学 | 一种基于非下采样Shearlet变换的高分三SAR图像降斑方法 |
CN109035166A (zh) * | 2018-07-16 | 2018-12-18 | 国网四川省电力公司巴中供电公司 | 基于非下采样剪切波变换的电气设备红外图像增强方法 |
CN110009652A (zh) * | 2019-04-04 | 2019-07-12 | 陕西师范大学 | 基于剪切波的高分三号sar图像道路检测方法 |
CN110223312A (zh) * | 2019-06-05 | 2019-09-10 | 陕西师范大学 | 一种基于剪切波的sar图像边缘检测方法 |
Non-Patent Citations (1)
Title |
---|
高国荣;许录平;冯冬竹;: "利用非抽样Shearlet域GSM模型进行图像去噪", 武汉大学学报(信息科学版), no. 07 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301661B (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
CN101847257B (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN103093441B (zh) | 基于变换域的非局部均值和双变量模型的图像去噪方法 | |
CN103985125B (zh) | 一种复杂背景sar图像舰船尾迹检测方法 | |
CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
CN109118453B (zh) | 一种背景抑制的图像处理方法 | |
CN105046651A (zh) | 一种图像的超分辨率重构方法和装置 | |
CN102222322A (zh) | 基于多尺度非局部均值的红外图像背景抑制方法 | |
CN100433795C (zh) | 基于变换域数学形态学的图像降噪方法 | |
CN112862716A (zh) | 基于双树复数小波和模糊理论的声呐图像目标增强方法 | |
CN110782447A (zh) | 地球静止轨道卫星光学遥感图像多运动舰船目标检测方法 | |
Demir et al. | Extraction of coastlines with fuzzy approach using SENTINEL-1 SAR image | |
CN102722879A (zh) | 基于目标提取和三维块匹配去噪的sar图像去斑方法 | |
CN108428221A (zh) | 一种基于shearlet变换的邻域双变量阈值去噪方法 | |
CN101887580A (zh) | 非下采样轮廓波变换域的图像降噪方法 | |
CN105303538A (zh) | 一种基于nsct和pca的高斯噪声方差估计方法 | |
CN101950413B (zh) | 基于非下采样Contourlet域MRF模型的SAR图像降斑方法 | |
CN112419198A (zh) | 一种用于sar干涉图滤波的非局部均值定权方法 | |
CN106355576A (zh) | 基于mrf图像分割算法的sar图像配准方法 | |
CN111768360A (zh) | 一种基于剪切波处理高分三号sar图像河岸线检测方法 | |
Bhonsle et al. | De-noising of CT images using combined bivariate shrinkage and enhanced total variation technique | |
Kondaveeti et al. | Abridged shape matrix representation for the recognition of aircraft targets from 2D ISAR imagery | |
Zhang et al. | A novel saliency-driven oil tank detection method for synthetic aperture radar 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 |