基于模糊理論和模糊形態(tài)學(xué)的遙感圖像邊緣檢測(cè)研究.pdf

1、作為獲取遙感圖像信息的一種重要手段，邊緣檢測(cè)對(duì)遙感圖像進(jìn)行更高層次的分割、分析、描述、識(shí)別、理解等都有著重大的影響和使用價(jià)值。但由于遙感圖像的復(fù)雜性、噪聲強(qiáng)以及現(xiàn)有理論和方法的不足，期望找到一種具有抗噪強(qiáng)、定位準(zhǔn)、不漏檢、不誤檢等能力的普適性遙感圖像邊緣檢測(cè)算法存在諸多難題，因此針對(duì)具體應(yīng)用要求研究新的理論、設(shè)計(jì)新的方法，或改進(jìn)、融合現(xiàn)有方法以提高檢測(cè)質(zhì)量，依然是遙感圖像邊緣檢測(cè)研究的主流方向。
　　 本論文分析了遙感圖像所固有

2、的復(fù)雜性、模糊性以及傳統(tǒng)邊緣檢測(cè)方法的局限性，在模糊理論、模糊形態(tài)學(xué)方法和二型模糊理論的基礎(chǔ)上，對(duì)遙感圖像邊緣檢測(cè)問(wèn)題進(jìn)行了深入的研究。主要內(nèi)容有：
　　 ①針對(duì)模糊形態(tài)學(xué)邊緣檢測(cè)算法抑制噪聲能力弱的缺點(diǎn)，提出了多方向模糊形態(tài)學(xué)邊緣檢測(cè)算法。算法用多個(gè)各向異性的形態(tài)學(xué)結(jié)構(gòu)元素與模糊化圖像作形態(tài)學(xué)運(yùn)算，得到不同方向上的圖像邊緣，再通過(guò)綜合得到最終的圖像邊緣，避免了采用單一的結(jié)構(gòu)元素受噪聲影響大的缺點(diǎn)。算法既可用于灰度遙感圖像，也可

3、方便地推廣用于彩色遙感圖像，實(shí)驗(yàn)結(jié)果表明了該算法的有效性。
　　 ②根據(jù)遙感圖像直方圖往往是多峰的特點(diǎn)，提出了基于多閾值模糊增強(qiáng)多方向模糊形態(tài)學(xué)的邊緣檢測(cè)算法。算法采用多閾值模糊增強(qiáng)，保留了圖像在不同灰度區(qū)間的邊緣信息，避免了單閾值增強(qiáng)可能造成的邊緣信息丟失；模糊增強(qiáng)使模糊的斜坡?tīng)钸吘壴鰪?qiáng)為階躍型邊緣，采用多方向模糊形態(tài)學(xué)方法避免了模糊逆運(yùn)算，能更好地檢測(cè)出階躍型邊緣，并具有較強(qiáng)的抗噪能力。實(shí)驗(yàn)表明算法對(duì)灰度變化頻繁、信息量大、

4、背景復(fù)雜、邊緣密度大、受噪聲污染的復(fù)雜遙感圖像能有效處理。
　　 ③根據(jù)遙感圖像中不同區(qū)域具有不同灰度分布的特點(diǎn)，提出了基于自適應(yīng)模糊增強(qiáng)多方向模糊形態(tài)學(xué)的邊緣檢測(cè)算法。算法采用滑動(dòng)窗口分塊增強(qiáng)圖像，每個(gè)分塊子圖的閾值由該子區(qū)域決定，使得圖像增強(qiáng)具有較強(qiáng)的自適應(yīng)性，避免了對(duì)全圖用統(tǒng)一的單閾值分割增強(qiáng)所造成的真實(shí)邊緣信息損失；采用不同的滑動(dòng)窗口可以獲得效果和時(shí)間的折衷；算法還利用了多方向模糊形態(tài)學(xué)算子檢測(cè)增強(qiáng)后的圖像邊緣，達(dá)到了抑

5、制噪聲的目的。算法更客觀地反映了復(fù)雜遙感圖像邊緣的特性，更好地保留了各個(gè)局部邊緣信息，實(shí)驗(yàn)結(jié)果表明了該算法的有效性。
　　 ④針對(duì)一型模糊理論只能描述元素的不確定性而不能刻畫(huà)隸屬函數(shù)本身的不確定性的問(wèn)題，提出了基于區(qū)間二型模糊增強(qiáng)多方向模糊形態(tài)學(xué)的彩色圖像邊緣檢測(cè)算法。算法利用區(qū)間二型模糊集對(duì)圖像進(jìn)行模糊增強(qiáng)，將隸屬度函數(shù)從單值擴(kuò)展到區(qū)間，克服了以往算法在構(gòu)造模糊特征映射時(shí)的盲目性；算法還融合了多方向模糊形態(tài)學(xué)邊緣檢測(cè)算法能更好