一種改進(jìn)型雙窗的SAR圖像邊緣檢測器

梁 鑫，徐 慧

（南京林業(yè)大學(xué) 信息科學(xué)與技術(shù)學(xué)院，江蘇 南京 210037）

一種改進(jìn)型雙窗的SAR圖像邊緣檢測器

梁 鑫，徐 慧*

（南京林業(yè)大學(xué) 信息科學(xué)與技術(shù)學(xué)院，江蘇 南京 210037）

傳統(tǒng)矩形雙窗在檢測非理想邊緣時(shí)容易在邊緣附近檢測出錯(cuò)誤邊緣點(diǎn)，出現(xiàn)檢測結(jié)果會(huì)偏移的問題。針對傳統(tǒng)矩形窗函數(shù)平滑效果較差的局限性，設(shè)計(jì)了一種Gauss-Gamma形雙窗函數(shù)算法，采用可接收操作特征（ROC）曲線來評價(jià)使用這兩種雙窗檢測器在SAR圖像中的性能。結(jié)果表明，新方法的檢測有更好的邊緣連接性，在邊緣附近錯(cuò)誤邊緣較少，明顯優(yōu)于矩形雙窗檢測器。

矩形雙窗；SAR圖像；邊緣檢測；Gauss-Gamma形雙窗

0 引言

由于合成孔徑雷達(dá)（SAR）圖像具有高分辨率的特征，因而SAR系統(tǒng)廣泛應(yīng)用于包括軍用民用的各種地球環(huán)境觀測。但是其表現(xiàn)出的乘性噪聲特性的相干斑噪聲嚴(yán)重影響了人們對SAR圖像的理解，所以必須建立SAR圖像精確的相干斑模型［1-4］。

圖像邊緣是圖像中圖像強(qiáng)度或紋理發(fā)生突變的區(qū)域，是圖像的基本特征，表征了圖像結(jié)構(gòu)最直接的描述信息，是很多更高層圖像分析、理解算法的基礎(chǔ)［5-7］。自SCHOU等［8］對TOUZI等［9］提出的恒虛警均值比檢測器改進(jìn)后，矩形雙窗的方向性更好，能夠很好地體現(xiàn)出中心像素點(diǎn)兩側(cè)局部方向的結(jié)構(gòu)信息，但其仍存在缺點(diǎn)，即無法在計(jì)算出的邊緣強(qiáng)度映射（ESM）中使用分水嶺算法一次性完成輪廓的抽取，需要后續(xù)合并操作，這樣就比較耗時(shí)；但是如果在ESM中使用非極大抑制和滯后門限完成抽取邊緣，那么很多細(xì)小的虛假邊緣就會(huì)出現(xiàn)在真實(shí)邊緣附近［10］。

針對上述這些不足，筆者提出了一種Gauss-Gamma形雙窗函數(shù)的邊緣檢測器。在新的窗口設(shè)置中，Gauss形用于窗口函數(shù)的平行邊緣方向，Gamma形用于垂直邊緣方向，窗口的長度用Gauss的尺度因子調(diào)節(jié)，而窗口寬度和雙窗之間的距離用Gamma函數(shù)的兩個(gè)參數(shù)調(diào)節(jié)。最后在基于比率得到的ESM上用非極大抑制和滯后門限抽取邊緣。

1 矩形雙窗設(shè)置

基于比率的檢測器使用如圖1所示的雙矩形設(shè)置，雙窗由兩個(gè)相同的平行矩形組成，其中：

Lf為矩形的長度；Wf為矩形的寬度；Df為兩個(gè)矩形的間距；θ為矩形方向。

圖1 矩形雙窗設(shè)置Fig.1 Rectangular bi-window settings

在基于均值比的檢測算法中，每個(gè)給定方向上的兩個(gè)單窗均值為

其中，N=Lf·Wf為矩形窗的尺寸；分別表示兩個(gè)平行的矩形窗；（x,y）為中心像素點(diǎn)坐標(biāo)；θ為方向角。

2 Gauss-Gamma雙窗設(shè)置

設(shè)定二維Gauss-Gamma形雙窗定義為：

其中邊緣是設(shè)定在水平方向上，待測像素點(diǎn)是原點(diǎn)（0，0）；分別表示上窗和下窗。

如圖2所示，窗函數(shù)有3個(gè)參數(shù)，x方向用于調(diào)節(jié)窗口長度的Gauss尺度σx，y方向用于控制窗口寬度的Gamma參數(shù)β和用于控制雙窗間距的α。

圖2 Gauss-Gamma雙窗設(shè)置σx=6，α=β=2Fig.2 Gauss-Gamma bi-windowσx=6，α=β=2

3 使用Gauss-Gamma雙窗的檢測流程

SAR圖像的細(xì)邊緣可以通過以下方法抽取：

1）計(jì)算ESM和EDM

每個(gè)離散方向角θP=0,π/P,···,（1-1/P） π，本文選擇P=7，使用兩個(gè)方向的窗口卷積得到局部均值為

ESM和EDM分別表示SAR圖像每一個(gè)梯度方向?qū)?yīng)的邊緣強(qiáng)度映射和角度值，有如下定義：

2）從ESM和EDM中抽取極大值點(diǎn)

如圖3所示，在EDM（ ）x,y方向上首先比較實(shí)心方塊處的ESM，然后再比較兩側(cè)空心圓處的ESM?？招膱A處的ESM則用最鄰近兩個(gè)像素點(diǎn)的ESM線性插值得到：

其中通過EDM計(jì)算得距離d1和d2，如若，則（x,y）是局部極大值點(diǎn)。所有的極大值點(diǎn)組成的集合Ωmax即為候選邊緣點(diǎn)集合。

圖3 非極大抑制示意圖Fig.3 Non-maximum suppression schematic diagram

3）滯后門限

首先預(yù)定義Th和Tl，其中Th為高門限，Tl為低門限。判斷待選邊緣點(diǎn)為弱邊緣點(diǎn)的條件是判斷該待選邊緣點(diǎn)的ESM值在Th和Tl之間；判斷待選邊緣點(diǎn)為強(qiáng)邊緣點(diǎn)有兩個(gè)條件，一個(gè)是待選邊緣點(diǎn)的ESM值大于或等于Th，二是弱邊緣點(diǎn)能以四鄰域或是八鄰域的關(guān)系連接到邊緣點(diǎn)上，二者滿足其一就可確定該待選邊緣點(diǎn)為強(qiáng)邊緣點(diǎn)，強(qiáng)邊緣點(diǎn)最終被認(rèn)為是邊緣點(diǎn)。

4 實(shí)驗(yàn)結(jié)果及分析

在光學(xué)圖像中通常用可接收操作特征（ROC）曲線來評價(jià)一個(gè)邊緣檢測器性能的優(yōu)良，在SAR圖像中ROC曲線也同樣適用。

本文矩形雙窗參數(shù)選擇［Df, Lf,Wf］=［3,12,7］；Gauss-Gamma雙窗參數(shù)α=3，其他參數(shù)等效矩形雙窗，Tl=0.01+0.01k,k=1,2,···,40；Th=Tl+0.1p,p=1,2,···,（0.5-Tl） /0.01。以此來評價(jià)兩種檢測器在不同視數(shù)條件下的性能。

其中Df為矩形雙窗間隔；Lf為矩形雙窗長度；Wf為矩形雙窗寬度；α為Gauss-Gamma雙窗間隔；Th為高門限；Tl為低門限。

圖4給出SAR圖像在不同視數(shù)下的ROC曲線比較，這里在ntp＜200的情況下，選取3視數(shù)和6視數(shù)的ROC曲線進(jìn)行比較，比較結(jié)果如表1所示。

圖4 固定參數(shù)的ROC曲線比較Fig.4 ROC curve of fixed parameters

表1 3視數(shù)和6視數(shù)的ROC曲線比較結(jié)果Tab.1 ROC curve comparison results of the visual number of three and six

由表1可明顯得出，使用矩形雙窗檢測器在邊緣附近有較多的錯(cuò)誤邊緣，Gauss-Gamma雙窗邊緣檢測器的檢測結(jié)果表現(xiàn)出很大優(yōu)勢。

圖5（a）給出的是一幅真實(shí)的SAR圖像；圖5（b）是參數(shù)設(shè)置為［3，7，12，0.20，0.25］的矩形雙窗檢測器得到的邊緣檢測結(jié)果；圖5（c）是參數(shù)設(shè)置為［3，1.5，3.0，0.20，0.25］的Gauss-Gamma雙窗的邊緣檢測結(jié)果。可見經(jīng)過Gauss-Gamma雙窗邊緣檢測之后，圖像的邊緣附近虛警較少，邊緣連接度也更好。

圖5 SAR圖像檢測結(jié)果比較Fig.5 Comparison of detection results of real SAR images

5 結(jié)語

本文在滿足恒虛警要求的前提下，對矩形雙窗邊緣檢測器進(jìn)行了改進(jìn)，提出了使用Gauss-Gamma形雙窗SAR圖像邊緣檢測算法，克服了矩形雙窗的缺點(diǎn)。不僅在邊緣附近錯(cuò)檢率降低，同時(shí)邊緣連接性也有所提高。實(shí)驗(yàn)結(jié)果表明，使用Gauss-Gamma形雙窗的邊緣檢測器相對于矩形雙窗的檢測器的檢測效果更好。

（

）

［1］柏正堯，何佩琨，劉洲峰.一種改進(jìn)的SAR圖像邊緣檢測算法［J］.信號處理，2003，19（s1）：133-137.

［2］呂哲，王福利，常玉清.一種改進(jìn)的Canny邊緣檢測算法［J］.東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，28（12）：1681-1684.

［3］酈丹蕓，陶亮，詹小四.基于小波變換的多尺度圖像邊緣檢測［J］.阜陽師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2007，24（2）：56-59.

［4］蔡小瓊，李秋生.一種快速自適應(yīng)邊緣提取方法的研究［J］.計(jì)算機(jī)與數(shù)字工程，2008，36（2）：105-109.

［5］勾燁.SAR圖像相干斑抑制算法研究［D］.南京：南京航空航天大學(xué)，2003.

［6］顏學(xué)穎.SAR圖像相干斑抑制和分割方法研究［D］.西安：西安電子科技大學(xué)，2013.

［7］程東.SAR圖像邊緣檢測算法研究［D］.西安：西安電子科技大學(xué)，2012.

［8］SCHOU J，SKRIVER H，NIELSEN A A，et al.CFAR edge detector for polarimetric SAR images［J］.IEEE Transactions on Geoscience and Remote Sensing，2003，41（1）：20-32.

［9］TOUZI R，LOPES A，BOUSQUET P.A statistical and geometrical edge detector for SAR images［J］.IEEE Transactions on Geoscience and Remote Sensing，1988，26（6）：764-773.

［10］JIANG W，LAM K M，SHEN T Z.Efficient edge detection using simplified gabor wavelets［J］.IEEE Transactions on Systems，Man and Cybernetics Part B：Cybernetics，2009，39（4）：1036-1047.

（責(zé)任編輯：胡燕梅）

An Improved Bi-Window Edge Detector for SAR Images

LIANG Xin，XU Hui*
（College of Information Science and Technology，Nanjing Forestry University，Nanjing 210037，Jiangsu，China）

With traditional rectangular bi-window to detect non-ideal edge，iteasily detects an error about the edge point in the vicinity of the edge，and the test results will appear offset.Aiming at the limitation of traditional rectangular window that the function smoothing effect is poorer，designed a kind of Gauss-Gamma type double window function algorithm，by using the ROC curve to compare and evaluate the two kinds of dual-window detector performance used in SAR images.The results showed that the new method of detection had a better edge connectivity，the marginal error near the edge was less，and was significantly better than the rectangular bi-window detector.

rectangle bi-window；SAR image；edge detection；Gauss-Gamma-shaped bi-window

TP391；TN911.73

A

1673-0143（2015）02-0177-05

10.16389/j.cnki.cn42-1737/n.2015.02.014

2015-01-14

梁 鑫（1989—），男，碩士生，研究方向：儀器科學(xué)與技術(shù)、圖像處理。

*通訊作者：徐 慧（1969—），女，副教授，研究方向：智能化儀器儀表與工程測量、圖像處理。E-mail：582711740@qq.com