劉曉君，韓 芳，趙 磊

(1. 山東農(nóng)業(yè)大學(xué)，山東 泰安 271018； 2. 山東理工大學(xué)，山東 淄博 255000； 3. 山東能源集團有限公司，山東 菏澤 274700)

一種改進的SAR影像邊緣檢測方法

劉曉君1，韓 芳2，趙 磊3

(1. 山東農(nóng)業(yè)大學(xué)，山東 泰安 271018； 2. 山東理工大學(xué)，山東 淄博 255000； 3. 山東能源集團有限公司，山東 菏澤 274700)

由于SAR影像具有乘性相干斑噪聲，某些對光學(xué)影像有較好檢測性能的邊緣檢測算子，對于SAR影像并不適用，因此本文提出了一種將改進后的Ratio算子與Canny算子相組合的新方法。首先采用多種客觀評價指標(biāo)，得出經(jīng)典方法中的Lee濾波能有效去除噪聲，且最大限度保留了梯度信息，適用于邊緣檢測；然后對邊緣檢測具有恒虛警特性的Ratio算子進行改進，改進后的算子更利于影像歸一化處理；最后利用改進后的Ratio算子與Canny算子組合成新方法。試驗結(jié)果證明，組合后的新方法顯著提高了邊緣檢測正確率和定位精度，改善了邊緣連續(xù)性，具有一定的有效性和實用性。

SAR影像；邊緣檢測；Lee濾波；改進Ratio算子；Canny算子

Abstract： For the SAR image with multiplicative noise, some edge detectors in optical image effectively does not apply in the SAR image. An improved edge detection algorithm for SAR image is presented. Three steps are involved. Firstly, a variety of evaluation index are used, which concluded that Lee filter can effectively remove the noise, and retain the gradient information to the maximum extent, suitable for SAR edge detection. And then put forward an improved Ratio detector, which is more conducive to image normalization. Finally, propose a new edge detector which combined the improved Ratio detector and Canny detector. The results indicate that new algorithm has a good performance in the edge detection and positioning accuracy, improves the edge continuity.

Keywords： SAR image; edge detection; Lee filter; improved Ratio detector; Canny detector

合成孔徑雷達(synthetic aperture radar，SAR)具有全天時、全天候、能穿透一定地物的能力，與光學(xué)影像相比，特征信號豐富，含有幅度、相位和極化等多種信息，SAR已經(jīng)成為一種重要的對地觀測手段[1]。

SAR影像邊緣檢測是長期以來國內(nèi)外影像處理領(lǐng)域研究的熱點問題，目前主要應(yīng)用于圖像配準(zhǔn)[2-4]、圖像矢量化、海面溢油目標(biāo)提取[5-6]及道路目標(biāo)提取[7]等。SAR影像的相干性成像機制導(dǎo)致影像上分布著很多的乘性相干斑(speckle)噪聲，且信號強度越大，噪聲的影響越大，即使是均勻區(qū)域，它在SAR圖像上也表現(xiàn)為很強的斑點噪聲[8]。光學(xué)影像噪聲為加性噪聲，適用于光學(xué)影像的梯度邊緣檢測器在SAR影像高反射區(qū)比低反射區(qū)會檢測出更多的虛假邊緣信息[9]。因此經(jīng)典的梯度算子、拉普拉斯算子、Canny算子因直接用于SAR影像邊緣提取，將不再適用。Ratio算子是基于比率的邊緣檢測器，可有效克服上述虛警率(虛警率(Pfa)定義為，在沒有邊緣的平坦區(qū)域中的像素被檢測為邊緣的概率)的問題。檢測正確率高，但易產(chǎn)生斷裂，且邊緣片段較粗[10]。

在對SAR邊緣檢測算法的研究過程中，筆者發(fā)現(xiàn)Ratio算子中計算邊緣強度時等于所開局部窗口兩部分的比值，針對某些非邊緣部分的比值都為1，這樣梯度圖像里面灰度為1的像素太多，不利于圖像歸一化處理，因此對原計算公式進行改進。改進后的Ratio算子可獲取顯著但有一定斷裂的梯度圖，Canny算子獲取的是詳盡但受噪聲影響嚴(yán)重的梯度圖，因此，本文以改進后的Ratio算子梯度圖像為基礎(chǔ)，以Canny算子低閾值梯度圖像為補充進行邊緣連接，試驗證明，此方法可有效解決SAR影像邊緣提取中的斷裂、不連續(xù)問題，并對噪聲起到明顯抑制作用。

1 SAR影像濾波

1.1 多方法濾波

SAR影像的斑點噪聲會降低圖像信噪比，使圖像模糊、特征消失，降低影像邊緣檢測的正確性與準(zhǔn)確性。因此SAR影像的斑點噪聲去除是非常必要的一個步驟。斑點噪聲的濾波方法[11]有傳統(tǒng)方法：中值濾波、均值濾波；統(tǒng)計類濾波方法：Lee濾波、Frost濾波、Sigma濾波、Map濾波；局域統(tǒng)計自適應(yīng)濾波：Kuan濾波、增強Lee濾波、增強Frost濾波；幾何濾波：Gamma-Map濾波。圖1為利用多種方法對原始影像進行濾波的結(jié)果。

圖1 多方法濾波結(jié)果

1.2 濾波結(jié)果評價

濾波結(jié)果的客觀評價[11]是以數(shù)學(xué)統(tǒng)計理論為基礎(chǔ)，針對某一特定方面進行分析評價。通常的評價指標(biāo)包括灰度平均值、偏差、標(biāo)準(zhǔn)差、平滑指數(shù)、平均梯度。表1為各濾波方法評價指標(biāo)參數(shù)。

表1 各濾波方法評價指標(biāo)參數(shù)

分析結(jié)果如下：

(1) 從均值指標(biāo)和偏差指標(biāo)看，與原始影像保真度最高的是Lee濾波。

(2) 標(biāo)準(zhǔn)差反映的是濾波后灰度相對于原始灰度的離散情況，這個值越小說明灰度級分布越集中，大量隨機分布噪聲得到有效抑制，相應(yīng)的濾波器平滑能力就越強。由表1得出，去噪效果較好的幾種方法是均值濾波、Gamma濾波、Gamma map濾波、增強Lee濾波、Lee濾波。

(3) 平均梯度反映灰度的變化率，即一些邊緣灰度突變信息的保留情況，梯度值越大，說明灰度突變得保持越好，也就越有利于邊緣信息的提取。由表1得出Lee濾波平均梯度值最大。

綜上分析，Lee濾波的去噪能力不是所有方法中最好的，但與去噪能力最強的均值濾波差別也并不明顯，且Lee濾波的平均梯度值顯著高于其他方法，本文根據(jù)邊緣檢測的需要選用Lee濾波。

2 邊緣檢測

2.1 Canny算子

Canny算子的最基本思想[9]是在圖像中找出具有局部梯度最大值的像素點。在這一過程中要保持有效的抑制噪聲和精確的定位邊緣。該算子檢測的原理是先根據(jù)高斯一階微分進行濾波，設(shè)G(x,y)為二維高斯函數(shù)，f(x,y)為圖像，高斯濾波后在方向n上的一階導(dǎo)數(shù)為Gn，利用Gn與圖像f(x,y)做卷積運算，當(dāng)Gn*f(x,y)取得最大值時的方向n就是正交于檢測邊緣的方向。用一階偏導(dǎo)差分來計算梯度的幅值和方向。

(1)

邊緣強度為

(2)

邊緣方向為

(3)

得到一幅圖像上所有像素點梯度的幅值和方向，但是這樣并不能確定最終的邊緣，通過非極大值抑制(non-maxima suppression，NMS)來保留局部梯度的最大值點作為進一步的邊緣點。

由上一步得到的邊緣是不連續(xù)的邊緣點或輪廓線，或者是虛假邊緣，為了進一步連接有效邊緣需采用雙閾值法。雙閾值法即對上一步得到的梯度圖取兩個閾值，假設(shè)分別為低閾值T1和高閾值T2，T1≈0.5T2，這樣就得到兩個閾值圖A和B。假設(shè)圖像A是由低閾值得到的，故而邊緣信息會詳盡一些，同時受噪聲干擾比較嚴(yán)重，出現(xiàn)很多偽邊緣。圖像B則由高閾值得到，呈現(xiàn)的是一些較顯著邊緣，但容易產(chǎn)生不閉合，受噪聲影響小，同時也會損失一些有用的邊緣。Canny算子采用以高閾值圖像B為基礎(chǔ)，低閾值圖像A為補充來連接邊緣。

Canny算子在確定邊緣方向較精確，但是適用于加性噪聲模型，在SAR圖像中不具有恒虛警的特性，因此不能直接用于SAR影像邊緣檢測。

2.2 Ratio算子

Ratio算子[10]是通過在圖像上確定一定的檢測窗口，并在檢測窗口中取待檢測的點，以過此點沿特定方向的直線將此窗口分為兩個區(qū)域，分別計算兩側(cè)區(qū)域的灰度均值(u1，u2)，為了準(zhǔn)確地反映灰度變化情況，通常取窗口的中心點作為待檢測點，再計算u1與u2的比值R

(4)

(5)

由式(5)得知，當(dāng)r值越接近于0時，說明檢測窗口中兩區(qū)域的灰度差別越大，此檢測點越可能為邊緣點；相反，如果r值越接近于1時，則說明兩側(cè)窗口屬于同一勻質(zhì)區(qū)域。因此Ratio算子檢測邊緣的過程與灰度均值是無關(guān)的，可以采用一個閾值限定r值來尋找邊緣點，當(dāng)r

(6)

由圖2可看出，Ratio算子在計算邊緣強度時只與兩側(cè)灰度均值比值有關(guān)，與灰度均值本身無關(guān)，因此SAR影像斑點噪聲對Ratio算子邊緣強度的計算無影響，這樣就保證了邊緣檢測時的衡虛警性。

圖2 Ratio算子檢測方向

2.3 改進的邊緣檢測方法

經(jīng)過上述對Ratio算子和Canny算子的研究，為了使檢測的邊緣既具有恒虛警性又保持方向的連續(xù)性，可將Ratio算子和Canny算子綜合成一個新算法。算法分兩步：

(1) 筆者在研究Ratio算子過程中發(fā)現(xiàn)，r等于所開窗口兩部分的比值，針對某些非邊緣部分的比值都為1，這樣梯度圖像里面的灰度為1的像素太多，不利于圖像歸一化處理，在Ratio算子中計算邊緣強度時將原公式RL=1/min(r)，改為RL=1/min(r)-1，改進后的強度計算方法則不會出現(xiàn)上述問題。

(2) 根據(jù)改進后的Ratio算子獲得的邊緣圖像仍然具有恒虛警性，但是方向性較差。而Canny算子檢測方向性精確，由Canny算子可獲得方向性連續(xù)的邊緣圖像。以Ratio算子獲取的邊緣圖像為基礎(chǔ)，Canny算子低閾值邊緣圖像為補充進行八鄰域連接(連接原理同Canny算子的雙閾值連接)。新算法描述如下。

邊緣強度為

RL=1/min(r)-1

(7)

邊緣方向為

(8)

3 試驗結(jié)果與分析

試驗采用ALOS衛(wèi)星搭載的PALSAR傳感器拍攝的HH極化方式的SAR影像，先利用Lee濾波噪聲抑制，再運用改進方法進行邊緣檢測，檢測過程中Canny算子的高閾值HighThresh=0.408，低閾值LowThresh=0.4×HighThresh，Ratio算子的閾值為0.023。圖3(a)是Lee濾波后的SAR影像，圖3(b)是Canny算子檢測的結(jié)果，在保持方向的連續(xù)性上具有明顯優(yōu)越性，但由于受斑點噪聲的影響，虛假邊緣較多；圖3(c)是Ratio算子檢測結(jié)果，從圖上可看出檢測的邊緣具有恒虛警性，虛假邊緣很少，受斑點噪聲影響小，但邊緣不連續(xù)，邊緣片段較粗，邊緣定位不準(zhǔn)確；圖3(d)是由本文提出的改進方法進行邊緣檢測得到的結(jié)果，圖中邊緣保持了恒虛警特性的同時，有效抑制了噪聲，而且邊緣定位準(zhǔn)確，連續(xù)性明顯改善。

圖3 水體邊緣檢測結(jié)果

4 結(jié) 語

隨著SAR技術(shù)的快速發(fā)展，SAR的影像特征提取技術(shù)日益受到關(guān)注，其中邊緣特征的檢測特別引人矚目。邊緣特征的描述大大簡化了圖像的表示，又能很好地符合人類視覺。但是由于SAR影像中

固有斑點噪聲的影響，某些對光學(xué)影像有較好檢測性能的邊緣檢測算子，對于SAR影像來說效果很差。本文采用Lee濾波方法，最大限度地保留平均梯度，以利于邊緣檢測；并提出對邊緣檢測具有恒虛警特性的Ratio算子進行改進，改進后的算子更利于影像歸一化處理；最后采用改進后的Ratio算子與Canny算子組合成新算子。試驗結(jié)果證明，該方法提取的SAR邊緣圖準(zhǔn)確描述了原影像中的各種結(jié)構(gòu)，在抑制噪聲和保持邊緣連續(xù)性兩方面效果有明顯提高，可用于影像矢量化和自動目標(biāo)提取等方面；而且實現(xiàn)過程通過雙閾值調(diào)節(jié)，能靈活、方便地應(yīng)用于不同分辨率SAR影像。

[1] 郭華東.雷達對地觀測理論與應(yīng)用[M].北京:科學(xué)出版社,2000.

[2] 賈偉潔,張繼賢.SAR影像與光學(xué)影像配準(zhǔn)研究[D].青島:山東科技大學(xué),2010.

[3] 李瑩瑩,吳昊,余雷,等.高分辨率SAR和可見光圖像同名點自動匹配技術(shù)[J].測繪通報,2014(5):66-70.

[4] 王曉華,鄧喀中,楊化超.集成互補不變特征的SAR影像自動配準(zhǔn)[J].國土資源遙感,2014,26(1):52-55.

[5] 蘇騰飛,孟俊敏,張晰.基于HAC的溢油SAR圖像分割算法[J].海洋科學(xué)進展,2013,31(2):256-264.

[6] JING Y, AN J, LIU Z. A Novel Edge Detection Algorithm Based on Global Minimization Active Contour Model for Oil Slick Infrared Aerial Image [J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(7):1-9.

[7] 竇建方,陳鷹.基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動提取[J].測繪科學(xué),2009,34(2):53-55.

[8] 萬幼川,陳濤,潘斌. SAR影像邊緣檢測算法研究[J].測繪通報,2006(5):14-16.

[9] 焦鳳萍,羅斌.一種綜合的SAR圖像邊緣檢測方法[J].計算機技術(shù)與發(fā)展,2007,17 (1):69-71.

[10] 王城,王潤生.SAR圖像直線提取[J].電子學(xué)報,2003,31(6):816-820.

[11] 黃世奇,劉代志.SAR圖像斑點噪聲抑制方法與應(yīng)用研究[J].測繪學(xué)報,2006，35(3):245-250.

AnImprovedEdgeDetectionAlgorithmforSARImages

LIU Xiaojun1，HAN Fang2，ZHAO Lei3

(1. Shandong Agricultural University, Tai’an 271018, China; 2. Shandong University of Technology, Zibo 255000, China; 3. Shandong Energy Group Company Limited, Heze 274700, China)

P237

A

0494-0911(2017)09-0056-04

劉曉君，韓芳，趙磊.一種改進的SAR影像邊緣檢測方法[J].測繪通報，2017(9)：56-59.

10.13474/j.cnki.11-2246.2017.0287.

2017-01-20

山東省青年基金項目(2014ZRB019RU)

劉曉君(1987—)，女，碩士，講師，研究方向為SAR影像與光學(xué)影像的應(yīng)用。E-mail:jjll0713@163.com