基于相位一致的高分辨遥感图像边缘检测

论文总字数：15142字

目 录

1 绪论 1

1.1 研究现状 1

1.2 研究意义 1

1.3 本文主要研究内容 2

2 相位一致性方法 2

2.1相位一致与局部能量 2

2.1.1特征与相位一致性的关系 2

2.1.2相位一致性 3

2.1.3局部能量的估算 4

2.1.4改进的相位一致函数 6

2.1.5二维信号的相位一致性 7

2.2基于小波的相位一致性计算 7

2.2.1 Log-Gabor小波 7

2.2.2 基于小波的相位一致性计算 7

2.3基于矩分析理论的相位一致原理 9

3 实验与分析 10

3.1 研究数据 10

3.2 实验流程 10

3.3 实验结果 12

3.4 分析与讨论 14

4结论 17

参考文献 18

致谢 19

基于相位一致的高分辨率遥感图像边缘检测

慕旭

,China

Abstact: Remote sensing image edge information location and analysis can provide the necessary information parameters.The rapid improvement of remote sensing image resolution is also proposed to detect the edge feature.In this paper, the principle of phase coherence is discussed;Then, the principle of phase consistency is discussed;Finally, based on the moment analysis theory, the phase consistency of the high resolution remote sensing image edge feature extraction, and on this basis with the phase consistency method and the traditional Canny operator, the conclusion is drawn;First of all, it is not affected by the local brightness and contrast of the image, and can locate the fixed position of the information;Compared with the traditional method, it can avoid the low pass filtering to remove noise, and it has better stability and precise edge information;Again due to the strong ability to resist noise, the method is not sensitive to the noise of the edge of the edge, the aftershock was eliminated. Indicates that it has a very good edge detection function.

Key words：Remote sensing image; Edge detection; Phase congruency; Moment analysis

1 绪论

1.1 研究现状

遥感图像边界提取成为热点。一方面，图像的重点内容集中在边缘，获得其信息是解译地物的关键。另一方面，边缘信息为图像分割提供主要依据。自上世纪60年代起，有学者提出基于灰度梯度的的边缘特征提取算子后，在不断的实践过程中产生了各种问题，许多科研学者便持续研究新的算法或对原算法不断的改进。传统的特征提取算法易于执行的同时，也存在着诸如固定阈值形成弱边缘、受噪声影响大、特征定位偏移、导数不存在等问题。效果最好的线性滤波边缘提取算子出现可以克服噪声影响。如LoG算子和Canny算子。二者共同点是首先应用gauss函数进行平滑滤波；不同点在于LoG算法应用二阶微分Laplace算法来确定边缘。Canny算法应用一阶微分Laplace算法寻找局部极值确定特征。然而上述特征提取方法存在着两个问题：第一，边缘算子的运用简单化错误的认为假定特征为阶跃性、不连续的；第二，应用亮度梯度值代表边缘强度提取到得边缘易受图像对比度、亮度的改变的影响。

从频率域角度出发，特征幅度谱没有相位谱包含的信息丰富。而在此期间，相位信息的作用常常被人们的所忽略。事实上，在语音信号分析和图像重建的工作中证明了相位信息的决定性作用。频率域具有亮度和平移不变性，假设全部的频谱分量幅度值确定之后，并且相位信息不变则可以把边缘主要内容提取出来。Oppenheim和Lim证明了相位信息对人类视觉感知有较高的影响（1981）^[1]。Morrone和Owens在对马赫现象带进行综合观察时，得出在Fourier相位叠合最大点总是出现信号的特征，据此提出了相位一致的定义及计算方法^[2]。随后Kovesi将相位一致改进为一种对信号低级边缘恒定量度^[3]。该算法在考虑了噪声补偿和等频带展宽因素并用log Gabor滤波器组计算^[3]。Ronse提出相位一致算法的数学基础（Ronse C,1997)^[4]。

与国外的学者对比表明，国内的学者对于相位一致相关的理论及应用研究还处于比较基础的阶段。进入二十一世纪，菅云峰等（1999,2000）最先研究Kovesi的相位一致算法并将其应用到图像提取的实验中^[5]。肖志涛等（2002、2003）研究分析“对称相位一致”原理证明了其具有较好的效果^[6]。韦春桃（2010）将相位一致应用到电力线的特征检测中^[7]。除此之外，黄秋燕和肖鹏峰（2014）结合全变差模型对边缘强度图进行改进^[8]。当前，相位一致方法越来越多的被应用和发展。

1.2 研究意义

人们获取信息主要来源于影像。由于各种传感器性能快速提升使得遥感图像分辨率迅速提升。因此同类别地物内光谱差异随之提高。遥感图像的特征提取需要高精度、自动化。这对于地理信息系统的发展也具有重要意义。图像分割重要内容便是边缘检测。在生产中，实现遥感图像边缘自动提取核心是高精度的提取边缘特征。在计算机领域、医学应用中，图像边缘提取占有非常重要的地位。因而不同学科之间交叉研究成为图像边缘提取的热点领域。

在空间域中，图像的特征在其奇异点和突变点处，传统的方法以像素灰度所分布的梯度可表示灰度的情况为基础。且该算法可以成功的提取到有效的边缘。但是，上述算子普遍存在边缘像素较宽；抗噪能力弱；不能够设置阈值等问题，假设应用一些改进的算法去降低噪声的影响，仍会造成边缘模糊等难以解决的问题。以上所述的研究内容都基于目标的亮度、对比度信息进行的且已经得出成功的效果。然而，光照对于图像边缘的检测效果有较大负面效应，因此使前文提及方法检测获得的边缘是间断的、且不封闭的，也无法检测出马赫带等影像信息，不能达到高精度信息提取的期望。

在空间域上遇到的问题使得众多学者开始在其他方向寻找突破，图像中相位信息在不断地实验和研究下被证明了非常高效且效果良好，因而学者们把检测领域的研究指向相位信息。Morrone和Burr给出了生理学依据，说明了人类视觉可以强烈的响应图像中任何角度局部相位高度一致的点^[9]。在文中分析的就是一种基于遥感图像相位信息的特征提取方式。基于相位信息，改变采取以往基于图像亮度梯度的经典提取算法的方式，此理论视图像特征点为傅立叶分量中相位一致性最高点。阶跃特征以及线特征该方法均可以检测，效果较好的是可以得到因人类的视觉细胞系统导致的马赫带现象。相位一致法在不用对图像的边缘种类做出一般假设，所以其可以被广泛应用。

1.3 本文主要研究内容

(1)探讨相位一致性意义及内容，并分析其改进方法和函数；

(2)将基于相位一致的算法对图像实验，进行遥感图像的边缘特征检测；

(3)将矩分析理论应用于相位一致的各方向综合数据，并与相位一致算法的实验结果进行对比，说明改进之后的相位一致算法具有优良的抗震功能。

2 相位一致性方法

图像的基本特征是图像的边缘。图像局部特征突变或间断可产生图像的边缘。Oppenheim以及Lim证明了相位一致在视觉特征感知方面具有重要意义^[1]，Morrone和Burr则给出了生理方面的证明，揭示了人类视觉系统通过影像中局部相位一致性最高的点产生剧烈响应，不论在哪个方向的相位一致性都能够产生显著的易接收的特征^[10]。而且，相位最一致点存在于各种类型的特征。在频率域中，相位信息由于对人类视觉特征的感知具有重要权重，且不受影像比例、对比度、光照等条件变化的影响，成为一种复合人类视觉特征提取图像特征方式。本章研究相位一致原理；利用局部能量等价方式求相位一致性^[6]；阐述矩分析理论应用于相位一致的各方向综合数据原理^[10]。

2.1相位一致与局部能量

2.1.1特征与相位一致性的关系

传统的依靠梯度的边缘提取方法应用较为广泛仍存在两个问题^[9]：一方面，使用假设边缘阶跃间断的（单一的）边缘模型，忽略了屋脊状边缘；另一方面，通过用亮度梯度值代替特征强度检测到的结果受亮度和空间程度的波动影响比较严重。在边缘检测的准确性和鲁棒性方面，Fleet^[11]分析度量目标特征的速度、双目视差和几何变形。发现相位一致的稳定性和鲁棒性特性。证明了通过相位特征函数明显比基于亮度梯度的边缘提取函数效果更好。

视觉计算原理中的多频率通道阐明动物视觉对目标进行认知源于频域空间。计算机视觉的常用方法之一是通过调节滤波在频域空间研究目标特征。图像的傅里叶表示式中的幅度谱和相位谱表示两种相异的含义^[10]。从某种程度上讲,可以简单的假设幅度谱表示信号的明暗对比特征，相位谱表示信号的纹理结构特征。然而许多证据表明幅度谱忽略图像主要对象，而相位谱却能保留其主要对象^[11]。Oppenheim和Lim（1981）证明了经典相位信息的重要性^[11]:将两幅图像傅里叶变换。在一幅图的幅度信息中加入另一幅的相位信息。产生第二次傅里叶变换并反向变换，生成合成图像^[1]。虽然新图像（3）没有相位图像清晰，但是明显可以找到图（2），与图（1）没有任何联系。具体过程如图2-1所示。

（1）幅度图像源 （2）相位图像源 （3）合成图像

图 2-1 相位信息重要证明

剩余内容已隐藏，请支付后下载全文，论文总字数：15142字

相关图片展示：