宽线条提取相结合的SAR图像边缘检测方法和装置与流程

本申请涉及合成孔径雷达图像技术领域，特别是涉及一种宽线条提取相结合的sar图像边缘检测方法和装置。

背景技术：

sar(syntheticapertureradar，合成孔径雷达)边缘检测是sar图像解译的重要组成部分，其能够为sar图像分割、特征提取与目标识别提供辅助信息，近年来得到广泛关注。但是由于sar图像场景的多样性与复杂性，从sar图像中获取的边缘粗糙，可读性较差，且弱边缘存在缺失，导致基于sar图像边缘的进一步处理结果欠理想。因此，要想sar图像分割、特征提取与目标识别等进一步处理获得理想结果，就必须提高sar边缘检测器性能。

现有的sar图像边缘检方法中，应用最广泛的为基于比率的边缘检方法。该类方法通过计算图像一定区域算数均值或加权均值的比值，可实现恒虚警检测。在理想条件下，该类方法能够准确提取阶跃边缘，且对多边缘情形有一定的适应性。

但是，该类方法对弱边缘检测能力较弱，且不能获得边缘的方向信息，因此不能为后续的sar图像解译提供完整的边缘信息。如何解决sar图像边缘检测中弱边缘与边缘方向的提取是一个亟待解决的技术问题。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够同时解决sar图像边缘检测中弱边缘与边缘方向问题的宽线条提取相结合的sar图像边缘检测方法、装置、计算机设备和存储介质。

一种宽线条提取相结合的sar图像边缘检测方法，所述方法包括：

获取sar图像在各个方向上的边缘强度信息，构建初步边缘强度图；

将所述初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到所述初步边缘强度图对应的黑塞矩阵；

根据所述黑塞矩阵的特征值与特征向量，得到所述sar图像的增强边缘强度图；

采用预先设置的各向同性非线性滤波器对所述增强边缘强度图进行滤波，得到所述增强边缘强度图中的宽线条；

提取所述宽线条的中心线，得到所述sar图像的图像边缘。

在其中一个实施例中，还包括：根据预先设置的平滑滤波器对所述sar图像的各个维度进行卷积滤波，归一化得到所述sar图像在各个方向上的边缘强度；根据所述sar图像在各个方向上的边缘强度，得到sar图像中各个像素点的最终边缘强度；根据sar图像中各个像素点的最终边缘强度，构建初步边缘强度图。

在其中一个实施例中，还包括：获取预先设置的宽线条模型，根据所述宽线条模型，获取所述初步边缘强度图中的宽线条结构；根据所述宽线条结构与预先设置的高斯核函数进行卷积，得到所述宽线条结构中每个像素点的各阶偏导；根据每个像素点的各阶偏导，构建所述初步边缘强度图对应的黑塞矩阵。

在其中一个实施例中，还包括：获取所述黑塞矩阵中绝对值最大的特征向量作为预先设置的方向向量；对于所述初步边缘强度图中的每一个像素点，计算所述每个像素点在所述方向向量方向的二阶方向导数的最大绝对值；根据每个像素点对应的所述最大绝对值，得到所述sar图像的增强边缘强度图。

在其中一个实施例中，还包括：获取预先设置的各向同性非线性滤波器以及预先设置的圆形掩膜；利用所述各向同性非线性滤波器将所述圆形掩膜的掩膜中心的灰度值与所述增强边缘强度图中的像素点的灰度值满足预先设置的相似函数时，将所述像素点分类至灰度相似加权掩膜；获取预先设置的所述圆形掩膜的恒定权重；根据所述恒定权重将所述掩膜中心与所述圆形掩膜内其他像素点进行比较，得到所述掩膜中心的灰度相似加权掩膜权重；根据所述掩膜中心的所述灰度相似加权掩膜权重，进行反转操作得到所述增强边缘强度图中的宽线条。

在其中一个实施例中，还包括：将所述掩膜中心的灰度值、所述像素点的灰度值以及预先设置的门限值作为双曲正切函数中的参数，构建所述相似函数。

在其中一个实施例中，还包括：根据所述掩膜中心的灰度值和所述像素点的灰度值，构建阶跃函数；将所述阶跃函数和所述门限值作为所述双曲正切函数中的参数，构建所述相似函数。

一种宽线条提取相结合的sar图像边缘检测装置，所述装置包括：

强度图构建模块，用于获取sar图像在各个方向上的边缘强度信息，构建初步边缘强度图；

矩阵获取模块，用于将所述初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到所述初步边缘强度图对应的黑塞矩阵；

强度增强模块，用于根据所述黑塞矩阵的特征值与特征向量，得到所述sar图像的增强边缘强度图；

宽线条提取模块，用于采用预先设置的各向同性非线性滤波器对所述增强边缘强度图进行滤波，得到所述增强边缘强度图中的宽线条；

边缘检测模块，用于提取所述宽线条的中心线，得到所述sar图像的图像边缘。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取sar图像在各个方向上的边缘强度信息，构建初步边缘强度图；

将所述初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到所述初步边缘强度图对应的黑塞矩阵；

根据所述黑塞矩阵的特征值与特征向量，得到所述sar图像的增强边缘强度图；

采用预先设置的各向同性非线性滤波器对所述增强边缘强度图进行滤波，得到所述增强边缘强度图中的宽线条；

提取所述宽线条的中心线，得到所述sar图像的图像边缘。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取sar图像在各个方向上的边缘强度信息，构建初步边缘强度图；

将所述初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到所述初步边缘强度图对应的黑塞矩阵；

根据所述黑塞矩阵的特征值与特征向量，得到所述sar图像的增强边缘强度图；

采用预先设置的各向同性非线性滤波器对所述增强边缘强度图进行滤波，得到所述增强边缘强度图中的宽线条；

提取所述宽线条的中心线，得到所述sar图像的图像边缘。

上述宽线条提取相结合的sar图像边缘检测方法、装置、计算机设备和存储介质，通过获取sar图像在各个方向上的边缘强度信息，可以构建初步边缘强度图，初步边缘强度图没有方向信息，因此，可以采用高斯核进行卷积的方式，构建初步边缘强度图的黑塞矩阵，从而通过黑塞矩阵，可以得到sar图像的增强边缘强度图，通过黑塞矩阵可以获取到像素点的边缘方向信息，因此增强边缘强度图中带有方向信息，最终通过各向同性非线性滤波器可以获取到宽线条，从而可以提高弱边缘的检测效果，同时检测结果中附带有边缘像素点的方向信息。

附图说明

图1为一个实施例中宽线条提取相结合的sar图像边缘检测方法的流程示意图；

图2为一个实施例中构建初步边缘强度图步骤的流程示意图；

图3为一个实施例中圆形掩膜和宽线条的结构示意图；

图4为一个实施例中宽线条提取相结合的sar图像边缘检测装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种宽线条提取相结合的sar图像边缘检测方法，该方法可以应用于终端中，包括以下步骤：

步骤102，获取sar图像在各个方向上的边缘强度信息，构建初步边缘强度图。

sar图像是合成孔径雷达采集得到的图像，sar图像可以是3d图像，也可以是2d图像，因此，各个方向在2d图像中指的是x轴方向和y轴方向，在3d图像中，各个方向指的是x轴、y轴和z轴方向。

边缘强度信息指的是，sar图像边缘的强弱，通过边缘强度信息的提取，有利于提取出图像中的边缘，实现背景与边缘的分离。

初步边缘强度图指的是针对于sar中各个像素点，采用边缘强度进行描述像素点而得到的图像。

步骤104，将初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到初步边缘强度图对应的黑塞矩阵。

高斯核函数函数根据需求，可以选择多个阶次的高斯核函数。黑塞矩阵是根据初步边缘强度图的各阶偏导结果构建的。

步骤106，根据黑塞矩阵的特征值与特征向量，得到sar图像的增强边缘强度图。

具体而言，黑塞矩阵的特征值与像素点的边缘强度相关，特征向量与像素点的边缘方向相关。

步骤108，采用预先设置的各向同性非线性滤波器对增强边缘强度图进行滤波，得到增强边缘强度图中的宽线条。

通过滤波，可以筛选出增强边缘强度图中的宽线条。

步骤110，提取宽线条的中心线，得到sar图像的图像边缘。

本步骤，采用宽线条的中心线作为sar图像的图像边缘。

上述宽线条提取相结合的sar图像边缘检测方法中，通过获取sar图像在各个方向上的边缘强度信息，可以构建初步边缘强度图，初步边缘强度图没有方向信息，因此，可以采用高斯核进行卷积的方式，构建初步边缘强度图的黑塞矩阵，从而通过黑塞矩阵，可以得到sar图像的增强边缘强度图，通过黑塞矩阵可以获取到像素点的边缘方向信息，因此增强边缘强度图中带有边缘方向信息，最终通过各向同性非线性滤波器可以获取到宽线条，从而可以提高弱边缘的检测效果，同时检测结果中附带有边缘像素点的方向信息。

在其中一个实施例中，如图2所示，提供一种构建初步边缘强度图步骤的示意性流程图，具体步骤如下：

步骤202，根据预先设置的平滑滤波器对sar图像的各个维度进行卷积滤波，归一化得到sar图像在各个方向上的边缘强度。

步骤204，根据sar图像在各个方向上的边缘强度，得到sar图像中各个像素点的最终边缘强度。

步骤206，根据sar图像中各个像素点的最终边缘强度，构建初步边缘强度图。

本实施例中，采用平滑滤波器进行滤波的方式，可以有效的提取到sar图中初步的边缘强度。

在一个具体的实施例中，平滑滤波器的原理是基于线性最小均方误差，由该滤波器估计的检测窗口中的局部均值不是算术均值，而是指数加权处理后的均值，平滑滤波器的表达式为：

f(x)＝kexp(-α|x|)

其中，k表示归一化常数，α表示滤波系数。

在离散的情况下，f(n)可以通过f1(n)和f2(n)实现，具体表达式如下：

其中，n＝1,2,...,n，f1(n)和f2(n)的表达式为：

其中，0＜b＝e^-α＜1，a＝1-b，u(n)为离散heaviside函数。

基于上述平滑滤波器的原理，以sar图像是二维图像为例进行说明，二维sar图像在计算机中的表达式为i(x,y)，首先计算在边缘强度的水平分量，采用平滑滤波器f(y)对sar图像i(x,y)的每一列进行卷积，然后利用平滑滤波器f1(x)和f2(x)对sar图像i(x,y)的每一行进行卷积，得到和表达式为：

其中，表示沿水平方向的卷积运算符号，表示沿垂直方向的卷积运算符号。

i(x,y)沿水平方向边的边缘强度可以由和归一化得到，具体如下：

同理，可以采用平滑滤波器f(x)对sar图像i(x,y)的每一行进行卷积，然后利用平滑滤波器f1(y)和f2(y)对sar图像i(x,y)的每一行进行卷积，采用同样的方式，可以得到i(x,y)沿垂直方向边的边缘强度

在得到水平边缘强度和垂直边缘强度之后，可以得到最终的边缘强度为：

通过最终的边缘强度，可以得到初步边缘强度图。

在其中一个实施例中，可以采用如下方式计算黑塞矩阵：获取预先设置的宽线条模型，根据宽线条模型，获取初步边缘强度图中的宽线条结构，根据宽线条结构与预先设置的高斯核函数进行卷积，得到宽线条结构中每个像素点的各阶偏导，根据每个像素点的各阶偏导，构建初步边缘强度图对应的黑塞矩阵。

具体的，宽线条模型是基于宽线条结构，宽度为2w，高度为h的理想线结构，表达式为：

为了检测上式宽线条结构中的线点，在一个具体的实施例中，对于宽线条结构中的线点m(x)，将m′(x)＝0处的m″(x)幅度值作为参考，暗背景中的亮线m″(x)＝0，而亮背景中的暗线m″(x)＞＞0。

为了进一步抑制相干斑的影响，m′(x)和m″(x)应当由高斯平滑核与m(x)的卷积来进行估计，该高斯核函数为：

因此，即可获得抛物线结构完整的尺度空间描述。宽线条点提取方法所希望的特性是能够精确检测到其位置的同时，二阶导数的幅度在该点总是取得最大值，由此可以基于宽线条结构二阶导数来检测显著宽线条点。

在实际工程中，可以预先对抛物线结构进行分析，从而在实际应用时，只需要利用抛物线结构的分析结果。

根据预先设置的宽线条模型，可以得到宽线条结构，将宽线条结构与高斯核函数进行卷积，表达式如下：

其中，r″b(x,σ,w,h)在线结构中心取得幅度最大负值的条件为：

二维宽线条在与其相垂直方向展现为一维曲线结构特性，将该方向定义为则该方向的二阶方向导数将取得绝对值最大。

然后获取初步边缘强度图中每个像素点的宽线条结构方向，对于初步边缘强度图的各阶偏导，分别定义为rx、ry、rxx、ryy和rxy，这可以由图像与以下核函数获得：

因此，可以构建黑塞矩阵(hessianmatrix)为：

在另一个实施例中，得到增强边缘强度图的步骤如下：对于初步边缘强度图中的每一个像素点，计算每个像素点在方向向量方向的二阶方向导数的最大绝对值，根据每个像素点对应的最大绝对值，得到sar图像的增强边缘强度图。本实施例中，不仅能够计算边缘强度，还可以得到边缘的方向信息。

在其中一个实施例中，得到增强边缘强度图中的宽线条的步骤包括：获取预先设置的各向同性非线性滤波器以及预先设置的圆形掩膜，利用各向同性非线性滤波器将圆形掩膜的掩膜中心的灰度值与增强边缘强度图中的像素点的灰度值满足预先设置的相似函数时，将像素点分类至灰度相似加权掩膜，获取预先设置的圆形掩膜的恒定权重，根据恒定权重将所述掩膜中心与圆形掩膜内其他像素点进行比较，得到掩膜中心的灰度相似加权掩膜权重，根据掩膜中心的灰度相似加权掩膜权重，进行反转操作得到增强边缘强度图中的宽线条。本实施例中，采用圆形掩膜以及各向同性非线性滤波器可以有效的提取出增强边缘强度图的宽线条。

在一具体的实施例中，圆形掩膜和宽线条的示意图如图3所示，相似函数可以设置为：

(x0,y0)为掩膜中心点坐标，(x,y)为掩膜中心点外任一点坐标，i(x,y)为点(x,y)的灰度值，t灰度值对比的门限值，对掩膜内的s求和即可获得灰度相似加权掩膜(weightedmaskhavingsimilarbrightness，wmsb)权重。

将圆形掩膜设定为恒定权重，恒定权重的表达式为：

其中，r为圆形掩膜半径。

将上式归一化可以得到：

在对图像进行局部处理时，当前像素点处于圆形掩膜中心，并将掩膜内中心点外的像素点与中心点进行比较，可得：

c(x,y,x0,y0)＝ω0(x,y,x0,y0,r)×s(x,y,x0,y0,t)

c为权重比较结果，因此，掩膜中心的wmsb权重为：

对于宽线条响应l，可由wmsb权重的反转得到：

其中，g为几何门限，且g＝mmax/2，mmax为m的最大值。

在另一个实施例中，还可以将掩膜中心的灰度值、像素点的灰度值以及预先设置的门限值作为双曲正切函数中的参数，构建相似函数。本实施例中，引入双曲正切函数，避免门限值附近出现微小变化时，s出现剧烈的变化，相似函数的表达式如下：

其中，sech(x)＝2/(e^x+e^-x)。

在又一实施例中，还可以根据掩膜中心的灰度值、像素点的灰度值以及门限值，构建阶跃函数；将阶跃函数作为双曲正切函数中的参数，构建相似函数。本实施例中，构建阶跃函数可以根据实际需求来提取亮线条或者暗线条，更加契合实际工程。

具体的，设置阶跃函数为：

那么相似函数如下：

在一个具体的实施例中，上述参数设置还需要满足如下条件：

r≥2.5w

t＝round(std(i))

在其中一个实施例中，在得到宽线条之后，还需要对宽线条进行细化好处理，即提取宽线条的中心线作为sar图像的图像边缘。

应该理解的是，虽然图1和2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不是必然依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种宽线条提取相结合的sar图像边缘检测装置，包括：强度图构建模块402、矩阵获取模块404、强度增强模块406、宽线条提取模块408和边缘检测模块410，其中：

强度图构建模块402，用于获取sar图像在各个方向上的边缘强度信息，构建初步边缘强度图；

矩阵获取模块404，用于将所述初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到所述初步边缘强度图对应的黑塞矩阵；

强度增强模块406，用于根据所述黑塞矩阵的特征值与特征向量，得到所述sar图像的增强边缘强度图；

宽线条提取模块408，用于采用预先设置的各向同性非线性滤波器对所述增强边缘强度图进行滤波，得到所述增强边缘强度图中的宽线条；

边缘检测模块410，用于提取所述宽线条的中心线，得到所述sar图像的图像边缘。

在其中一个实施例中，强度图构建模块402还用于根据预先设置的平滑滤波器对所述sar图像的各个维度进行卷积滤波，归一化得到所述sar图像在各个方向上的边缘强度；根据所述sar图像在各个方向上的边缘强度，得到sar图像中各个像素点的最终边缘强度；根据sar图像中各个像素点的最终边缘强度，构建初步边缘强度图。

在其中一个实施例中，矩阵获取模块404还用于获取预先设置的宽线条模型，根据所述宽线条模型，获取所述初步边缘强度图中的宽线条结构；根据所述宽线条结构与预先设置的高斯核函数进行卷积，得到所述宽线条结构中每个像素点的各阶偏导；根据每个像素点的各阶偏导，构建所述初步边缘强度图对应的黑塞矩阵。

在其中一个实施例中，强度增强模块406还用于获取所述黑塞矩阵中绝对值最大的特征向量作为预先设置的方向向量；对于所述初步边缘强度图中的每一个像素点，计算所述每个像素点在所述方向向量方向的二阶方向导数的最大绝对值；根据每个像素点对应的所述最大绝对值，得到所述sar图像的增强边缘强度图。

在其中一个实施例中，宽线条提取模块408还用于获取预先设置的各向同性非线性滤波器以及预先设置的圆形掩膜；利用所述各向同性非线性滤波器将所述圆形掩膜的掩膜中心的灰度值与所述增强边缘强度图中的像素点的灰度值满足预先设置的相似函数时，将所述像素点分类至灰度相似加权掩膜；获取预先设置的所述圆形掩膜的恒定权重；根据所述恒定权重将所述掩膜中心与所述圆形掩膜内其他像素点进行比较，得到所述掩膜中心的灰度相似加权掩膜权重；根据所述掩膜中心的所述灰度相似加权掩膜权重，进行反转操作得到所述增强边缘强度图中的宽线条。

在其中一个实施例中，宽线条提取模块408还用于将所述掩膜中心的灰度值、所述像素点的灰度值以及预先设置的门限值作为双曲正切函数中的参数，构建所述相似函数。

在其中一个实施例中，宽线条提取模块408还用于根据所述掩膜中心的灰度值和所述像素点的灰度值，构建阶跃函数；将所述阶跃函数和所述门限值作为所述双曲正切函数中的参数，构建所述相似函数。

关于宽线条提取相结合的sar图像边缘检测装置的具体限定可以参见上文中对于宽线条提取相结合的sar图像边缘检测方法的限定，在此不再赘述。上述宽线条提取相结合的sar图像边缘检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种宽线条提取相结合的sar图像边缘检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述实施例中方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。