多光谱遥感影像矢量边缘检测方法
【技术领域】
[0001] 本发明涉及一种多光谱遥感影像矢量边缘检测方法。
【背景技术】
[0002] 边缘检测一般借助图像中目标的某种不连续性特征（如亮度、色相、饱和度等）来 实现边缘信息地提取，在遥感影像地物目标提取中有着广泛的应用。在多光谱高空间分辨 率遥感影像中，由于地物材质、方位、几何形状和光照条件的不同，会存在反射边缘、朝向边 缘、遮挡边缘、照明（阴影）边缘，以及镜面（高光）边缘；它们使边缘提取结果中通常存在 大量伪边缘，严重影响后续基于边缘的图像分析和理解。
[0003] 著名的边缘检测Canny算子以其良好的边缘检测效果闻名于世，但该算子仅能应 用于单通道灰度图像的边缘信息提取，应用于多通道遥感影像边缘检测时则需要进行必要 的扩展。相对单波段（单通道）遥感影像而言，多波段（多通道或多光谱，一般波段数目不 小于三个）遥感影像中可用于边缘检测的光谱信息及特征更加丰富，所采用的特征与提取 方案需要根据地物类别灵活地确定。
[0004] 传统边缘检测方法（如Canny算子）应用于多光谱遥感影像时存在的主要问题 有：
[0005] (1)波段数目和处理策略的限制。传统边缘检测方法一般仅能处理单波段灰度影 像（或采用逐波段对多波段影像分别进行处理的策略），各波段对应地物目标的检测响应 程度（一般会受波谱范围差异的影响）及之间的关系特征在检测过程中却很少给予考虑， 割裂了多光谱遥感影像各波段数据间的有机联系，造成边缘检测结果的局部缺失，无法针 对各类地物进行有效的边缘信息提取。
[0006] (2)传统方法对多光谱高空间分辨率遥感影像数据的适宜性问题。多光谱高空间 分辨率遥感影像数据具有以下特点，数据量大、地物几何与属性细节信息丰富，同类地物甚 至同一地物内部光谱异质性较高、"同物异谱"与"异物同谱"现象普遍，地物目标空间结构 格局复杂、边界过渡区繁多，阴影与细小地物干扰严重等。这些问题导致利用传统方法获取 的边缘检测结果中通常存在大量伪边缘，甚至有时无法对多类型地物目标边缘同时进行有 效提取及分层（类）分析与识别，严重影响基于边缘信息的多光谱遥感影像分析与理解等 后续工作的有效开展。
[0007] (3)传统边缘检测方法对各波段遥感影像对应的边缘检测结果缺乏相关性分析。 多波段高空间分辨率遥感影像是各类地物光谱特征在不同光谱范围内的差异化记录，不同 地物在不同波段的光谱响应程度差异明显，显然各波段影像将产生不同的边缘检测结果。 因此各波段边缘检测结果缺乏相关性分析将导致边缘信息缺失以及检测精度下降。
【发明内容】
[0008] 针对上述问题，本发明的目的在于提供一种多光谱遥感影像矢量边缘检测方法。
[0009] 为达到上述目的，本发明所述一种多光谱遥感影像矢量边缘检测方法，包括以下 步骤：
[0010] 获取具有η个波段的高空间分辨率遥感影像；
[0011] 对高空间分辨率遥感影像进行梯度矢量边缘检测获得梯度矢量特征影像；
[0012] 获取梯度矢量特征影像上的最大变化或不连续变化位置点的角度值以及对应位 置点在该角度方向上的变化率；
[0013] 根据获得的角度值以及变化率利用非极值抑制法确定梯度矢量特征影像的初始 边缘点集；
[0014] 根据初始边缘点集利用双阈值分割处理法进行边缘轮廓检测获得影像边缘轮 廓；
[0015] 对边缘轮廓的各波段在多维色彩空间里叠置合成边缘矢量，并输出边缘检测结 果。
[0016] 优选地，根据获得的角度值以及变化率利用非极值抑制法确定梯度矢量特征影像 的初始边缘点集的步骤包括：
[0017] 逐波段选择η维梯度影像中所有像元点，对梯度值较大像元所形成的屋脊带用非 极值抑制法进行细化；
[0018] 若在该像元方向角度Θ上的梯度值是局部最大值，则保留为初步边缘点；
[0019] 反之，将该像元设置为非边缘点。
[0020] 优选地，根据初始边缘点集利用双阈值分割处理法进行边缘轮廓检测获得影像边 缘轮廓的步骤包括：
[0021] 选定两个梯度阈值YjPYs;
[0022] 逐波段在非极值抑制结果中去除梯度值小于^的像元点，并得到强边缘点集Q;
[0023] 以Q为基础把边缘点连接成初始轮廓；
[0024] 对初始轮廓进行搜索，在梯度值介于非极值抑制结果中寻找可以连接到 当前端点的边缘点；
[0025] 利用递归跟踪方法在介于1与Ys的梯度值中搜集边缘，直到将Yh中所有间断相 连接。
[0026] 本发明的有益效果为：
[0027] 本发明通过对多光谱遥感影像矢量边缘进行检测能够较为全面地呈现了遥感影 像边缘信息提取工程所处的常态化地理环境，从而确保了本次实验的真实和有效性。
【附图说明】
[0028] 图1是本发明实施例所述检测方法的结构框图；
[0029] 图2是本发明实施例QuickBird高空间分辨率卫星遥感影像图；
[0030] 图3是对图1进行均值漂移滤波影像预处理结果示意图；
[0031] 图4是本发明在RGB色彩空间中提取的矢量边缘示意图；
[0032] 图5是本发明在IHS色彩空间中提取的矢量边缘示意图；
[0033] 图6是本发明在YIQ色彩空间中提取的矢量边缘示意图；
[0034] 图7是本发明在YUV色彩空间中提取的矢量边缘示意图；
[0035] 图8是本发明在CIELUV色彩空间中提取的矢量边缘示意图；
[0036] 图9是本发明在CIELUV(L)-YIQ(Y)-IHS(I)色彩空间中提取的加权矢量边缘示意 图；
[0037] 图 10 是本发明在CIELUV.RGB(LB) -YIQ.RGB(YG) -IHS.RGB(IR)色彩空间中提取的 加权矢量边缘示意图。
【具体实施方式】
[0038] 下面结合说明书附图对本发明做进一步的描述。
[0039] 本发明所述一种多光谱遥感影像矢量边缘检测方法，包括以下步骤。
[0040] (1)获取η个波段的高空间分辨率遥感影像，并进行影像预处理；
[0041] 高空间分辨率遥感影像由于其高度细节化的空间信息表现能力，使其在有效表达 地物语义目标边缘信息的同时其内部几何细节信息也以噪声（相对于该地物目标尺寸）的 形式出现，"尺度粒度"现象十分突出；而多光谱色彩信息在语义目标内部也表现出明显的 非均质性，"同物异谱"现象亦十分突出，为边缘检测工作带来诸多不便。为此，采用均值漂 移滤波技术进行影像预处理（此处不排除其他滤波技术，如双边滤波、各向异性扩散滤波 等），以达到去除上述噪声的目的。
[0042] (2)对高空间分辨率遥感影像进行梯度矢量边缘检测获得梯度矢量特征影像；
[0043] 具有η个波段（通道）的多光谱遥感影像可表示为G(x，y) =(ΒρΒ2, · · ·，Βη)τ。 在位置（X，y)处的η维梯度矢量Τ(χ，y)可表示为：
[0044] V cyJ
[0045] (3)获取梯度矢量特征影像上的最大变化或不连续变化位置点的角度值以及对应 位置点在该角度方向上的变化率；
[0046] G(x，y)中具有最大变化或不连续性方向（一般为边缘所处位置）可用对应特征 值的特征矢量VTV表示为：
[0047]
[004