Beamlet及其在SAR圖像邊緣檢測中的應用.pdf

1、本文在國家自然基金(60472072)、航空基金(04I53070)和重點實驗室基金(51431020204HK0302)的支持下，對SAR圖像邊緣提取進行了深入研究，主要工作包括三個方面：　　1.對基于濾波的邊緣檢測方法進行了研究?，F(xiàn)有SAR圖像邊緣檢測方法，多半采用先濾相干斑噪聲，再進行邊緣檢測。消除或減少相干斑噪聲本身就是一個國內(nèi)外尚未解決的難題。這些方法在降噪過程中會不可避免地損失一些邊緣信息，有時可能還會是一些關鍵信息，在這

2、方面需要開展進一步的研究。該文詳細分析并實現(xiàn)了現(xiàn)有的多種SAR圖像濾波方法和邊緣檢測方法。 2.對Beamlet變換進行了研究。Beamlet分析是一種高維奇異性分析方法，Beamlet分析中線段的作用類似于子波分析中點的作用。但由于Beamlet包括子波所沒有的方向信息，所以比子波有一定的優(yōu)勢。Beamlet分析最主要的問題是計算量較大。針對這一問題，提出了快速離散Beamlet變換MFDBT算法，在一定程度上提高了速度。同時

3、提出了新的新的瓦片回歸分區(qū)算法，提高了直線檢測和擬合的精度?；谌斯ず驼鎸崍D像的實驗結(jié)果證實了本方法的有效性。 3.將Beamlet變換應用到SAR圖像邊緣檢測中，提出了一種不需要濾波，直接進行邊緣提取的方法。傳統(tǒng)的SAR邊緣檢測算子都是本質(zhì)上都基于像素的灰度上的變換，也就是像素點灰度的奇異性。所以也很難完全解決噪聲尤其是相干斑噪聲的影響。當圖像受相干斑污染比較嚴重的時候，它們的處理結(jié)果往往很不理想。從一個全新的角度去思考邊緣檢

4、測問題。定義了線性奇異性。根據(jù)奇異性定義，噪聲點只含有點奇異性，而不具備線性奇異性。而真實邊緣同時基本具備點奇異性和線性奇異性。提出了基于Beamlet的邊緣提取方法，利用Beamlet提取線性奇異性，直接在含噪圖像上進行邊緣提取。和現(xiàn)有的利用Hough變換、Radon變換、Beamlet變換等進行線性目標檢測(比如道路，橋梁等)不同的是，現(xiàn)有方法都是先進行邊緣檢測，再在邊緣圖像上進行直線檢測。而基于Beamlet的邊緣提取方法直接對原