基于多尺度信息融合的SAR圖像邊緣檢測(cè).pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像邊緣檢測(cè)的研究一直是SAR圖像后處理與解譯的重要課題。由于SAR圖像受到較強(qiáng)相干斑噪聲的影響，傳統(tǒng)的邊緣檢測(cè)算法效果很不理想，使得SAR圖像的邊緣檢測(cè)成為SAR圖像處理中的一個(gè)具有挑戰(zhàn)性的問題。
　　 針對(duì)非下采樣Contourlet變換(Nonsubsampled Contourlet Transform,NSCT)和Ratio算法在SAR圖像邊緣檢測(cè)

2、中各自的優(yōu)缺點(diǎn)，提出了一種基于D-S證據(jù)理論的SAR圖像邊緣融合檢測(cè)新算法。首先從理論上分析了NSCT具有強(qiáng)的弱邊緣檢測(cè)能力，而Ratio算法具有良好的降斑效果，并針對(duì)NSCT和Ratio算法的系數(shù)大小、方向和夾角，構(gòu)建了3個(gè)置信指派函數(shù)，然后采用D-S證據(jù)理論及其修正方法，較好地結(jié)合了兩種算法的優(yōu)勢(shì)。仿真結(jié)果表明，該算法能夠在有效抑制噪聲的同時(shí)準(zhǔn)確檢測(cè)出邊緣圖像，尤其對(duì)弱邊緣檢測(cè)效果好。融合邊緣比較完整，邊緣定位準(zhǔn)確。
　　

3、本文根據(jù)信息融合以及圖像分割的思想，利用FCM將Ratio算法和小波變換相結(jié)合應(yīng)用于SAR圖像的邊緣檢測(cè)。根據(jù)圖像邊緣的特點(diǎn)定義了兩個(gè)代表像素的特征值；另外，Ratio算法和小波變換的系數(shù)經(jīng)合理的處理后也分別當(dāng)作圖像的特征值，由此形成了一個(gè)表示圖像特征的四維特征向量；然后利用FCM把特征向量集合分類，從而獲得圖像的邊緣信息；最后利用Ratio算法提供的方向信息對(duì)檢測(cè)出的邊緣進(jìn)行連接、消噪處理就得到了最終的檢測(cè)結(jié)果。該方法能在較大限度地消