雷达图像 处理.docxVIP

与光学图像相比，SAR图像视觉可读性较差，并且受到相干斑噪声及阴影、透视收缩、迎坡缩短、顶底倒置等几何特征的影响。因此对SAR雷达图像的图像增强与边缘检测将有别于一般的光学图像。首先，图像增强技术是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，它是一种将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量，丰富信息量，加强图像判读和识别效果的图像处理方法。从纯技术上讲，图像技术分为频域处理法和空域处理法。空域图像增强是直接对图像中的像素进行处理，基本上是以灰度影射变化为基础的，所用的影射变换取决于增强的目的。具体来说，空域法包括点运算和模板处理，其中点运算时针对每个像素点进行处理的，与周围的像素点无关。空域增强方法大致分为3种，它们分别是用于扩展对比度的灰度变换、清除噪声的各种平滑方法和增强边缘的各种锐化技术。灰度变换主要利用点运算来修改图像像素的灰度，是一种基于图像变换的操作；而平滑和锐化都是利用模板来修改像素灰度，是基于图像滤波的操作。频域处理法的基础是卷积定理。传统的频域法是将需要增强的图像进行傅里叶变换或者离散余弦变换，或者是小波变换，然后将其与一个转移函数相乘，再将结果进行反变换得到增强的图像。在空域图像增强中，形态学的基本思想是使用具有一定形态的结构元素度量和提取图像中的对应形状，从而达到图像进行分析和识别的目的，利用不同的数学形态学变换滤波方法在对S AR图像直接进行平滑滤波的应用中取得较好的结果。算法简单，物理意义明显。形态学的基本思想是使用具有一定形态的结构元素度量和提取图像中的对应形状，从而达到图像进行分析和识别的目的。由于形态学算子实质上是表达物体或形状的集合与结构元素之间的相互作用，结构元素的形态就决定了这种运算所提取的信号的形态信息。因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性，在描述信号形态特征上具有独特的优势。同时，形态学中的形态滤波器可借助于先验的几何特征信息，利用形态学算子有效地滤除噪声，又保留图像中的原有信息。因此在图像平滑滤波、分割、识别、形状描述等方面得到了广泛的应用，它最显著的特点是直接处理图像表面的几何形状，具有快速、健壮和精确的特性。本文将开运算和闭运算的另外一种组合方法——交替顺序滤波运用到 s AR图像增强处理中。它是用一系列不断增大的结构元素来执行开闭滤波。具体过程如下：本文开始使用的是一个 2 ×2较小的结构元素，然后增加其大小，直到其大小与获得单个开闭滤波器最佳效果所用的 3 ×3结构元素的大小相同为止。在频域图像增强中，小波变换的时域与频域是具有多分辨率的时频分析方法，我们可以利用它的这个特性来对信号做高通滤波和低通滤波，得到原始信号的逼近信号和细节信号。对一幅图像sar进行基于小波变换的增强处理，主要步骤：1、对图像用mallat快速算法进行小波分解；2、选取增强系数；3、对处理后的小波系数进行小波逆变换，得到增强图像。多尺度积用于图像边缘检测。但小波变换各向同性的性质导致方向选择性差，不能有效地捕捉轮廓信息。其次图像边缘检测边缘的种类分为两种，一种为阶跃性边缘，它两边的像素的灰度值有着显著的不同；另一种成为屋顶状边缘，它位于灰度值从增加到减少的变化转折点。边缘特征提取的常用方法有Sobel算子和Cannny算子，其中canny算子对高斯加性噪声有一定的抑制作用，提取的边缘方向和位置信息比较准确，但是SAR的噪声为Gamma分布的乘性噪声，canny算子的边缘检测容易产生大量错误和虚假检测结果。常用的边缘检测算子有梯度算子，拉普拉斯高斯算子，和CANNY算子。梯度算子是一阶导数算子，算子运算时采取类似卷积的方式，将模板在图像上移动并在每个位置计算对应中心像素的梯度值，所得的结果是一副梯度图，比较常见的有Roberts算子，Prewitt算子，Sobel算子。Roberts算子是一种利用局部差分算子寻找边缘的算子，计算简单，对噪声很敏感。Sobel算子有两个卷积核，主要针对阶跃边缘。拉普拉斯高斯算子（LOG）是一种二阶边缘检测算法。通过寻找图像灰度值中的二阶微分过零点，来检测边缘点。，是一个线性移不变算子，它的传递函数在频域空间的原点是零，因此经拉普拉斯滤波过的图像具有零平均值。Canny边缘检测算子利用高斯函数的一阶微分，在噪声抑制和边缘检测之间寻求较好的平衡，表达式近似于高斯函数的一阶导数。Canny边缘检测算子对受加性噪声影响的边缘检测时较优的。Radon变换和Hough变换是直线边缘检测的经典算法，但是运算量较大，另外还有一些方法就是组合使用各算法。R a t i o s 算子具有较高的检测率，但是 R a t i o s 算子的定位精度较差，主要表现在实际边缘点附近总存在一定的错检，难以