遙感影像濾波和邊緣檢測(cè)研究

遙感影像濾波和邊緣檢測(cè)研究專業(yè)：地理信息系統(tǒng)導(dǎo)師：學(xué)生：因此，從遙感影像中快速地，精確地獲取空間信息已成為最迫切的任務(wù)。本論文的研究現(xiàn)狀和意義邊緣是指圖像灰度發(fā)生空間突變的像素的集合階躍邊緣屋頂狀邊緣原圖二階導(dǎo)數(shù)一階導(dǎo)數(shù)本文研究意義和現(xiàn)狀本文研究意義和現(xiàn)狀主要內(nèi)容流程第一章圖像預(yù)處理之圖像濾波

圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，將很大程度上改善圖像的質(zhì)量，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。第一章圖像預(yù)處理之圖像濾波原圖加椒鹽噪聲加高斯噪聲第一章圖像預(yù)處理之圖像濾波噪聲模擬a表示椒鹽噪聲去噪效果圖，b為高斯噪聲去噪圖八鄰域平均法去噪效果左a右b第一章圖像預(yù)處理之圖像濾波matlab模擬去噪中值濾波去噪效果左a右b八鄰域平均法去噪效果不好中值濾波可以很好的濾除椒鹽噪聲，但加大模板會(huì)造成圖像細(xì)節(jié)的模糊，且對(duì)高斯噪聲效果不是很理想理想低通濾波噪效果左a右bWiener濾波去噪效果左a右ba表示椒鹽噪聲去噪效果圖，b為高斯噪聲去噪圖第一章圖像預(yù)處理之圖像濾波matlab模擬去噪Wiener濾波器對(duì)高斯噪聲濾除效果優(yōu)于對(duì)椒鹽噪聲理想低通濾波器未能完全濾除噪聲，并造成圖像細(xì)節(jié)的丟失。巴特沃斯低通濾波噪效果左a右ba表示椒鹽噪聲去噪效果圖，b為高斯噪聲去噪圖第一章圖像預(yù)處理之圖像濾波matlab模擬去噪巴特沃斯濾波器較理想濾波器去噪效果稍好，但仍未能完全濾除噪聲，并造成圖像細(xì)節(jié)的丟失第二章基于空間域的影像邊緣檢測(cè)技術(shù)

空間域的處理是由對(duì)像元鄰域操作完成，實(shí)現(xiàn)的方式基本都是利用模板進(jìn)行卷積。模板數(shù)據(jù)將模板中心與圖中某個(gè)像素位置重合將模板的各個(gè)系數(shù)與模板下各對(duì)應(yīng)像素的灰度值相乘將所有乘積相加，再除以模板的系數(shù)個(gè)數(shù)上述運(yùn)算結(jié)果賦給圖中對(duì)應(yīng)模板中心位置的像素差分算子（二值化閾值9）原圖Robert算子（閾值為0.06）第二章基于空間域的影像邊緣檢測(cè)技術(shù)matlab模擬邊緣檢測(cè)

Sobel算子（閾值為0.07）prewitt算子（閾值為0.07）LOG算子（閾值為0.006）canny算子（閾值0.5標(biāo)準(zhǔn)差為2）

實(shí)驗(yàn)結(jié)論：八方向相鄰象素的差分與用對(duì)角線方向相鄰象素的差分來(lái)近似圖像梯度的Roberts邊緣檢測(cè)方法相似，邊緣定位比較準(zhǔn)確，但存在較多漏檢。

Sobel算子使用象素上、下、左、右四個(gè)方向相鄰點(diǎn)的灰度加權(quán)差之和來(lái)檢測(cè)邊緣。該算法空間上易于實(shí)現(xiàn)，能夠提供較為準(zhǔn)確的邊緣方向信息：對(duì)噪聲具有平滑作用有一定的抗噪能力，特別是使用大的鄰域時(shí)抗噪性能更好。同時(shí)我們看到Sobel算子檢測(cè)出來(lái)的效果，存在較多的偽邊緣。使用的領(lǐng)域較大時(shí)，計(jì)算量大，邊緣較粗：增加方向時(shí)同時(shí)計(jì)算量同樣增大。第二章基于空間域的影像邊緣檢測(cè)技術(shù)Prewitt算子用象素八個(gè)方向相鄰點(diǎn)的灰度加權(quán)差之和來(lái)檢測(cè)邊緣。能夠提供較為準(zhǔn)確的實(shí)現(xiàn)邊緣定位：對(duì)噪聲具有平滑作用有一定抗噪能力。但是，同時(shí)我們看到Prewitt算子檢測(cè)出來(lái)的效果，同樣存在一些漏檢和偽邊緣。建立在拉普拉斯二階微分算子基礎(chǔ)之上的LOG算法對(duì)圖像的灰度突變非常敏感，能有效的檢測(cè)處絕大部分邊緣，邊緣定位精度高，檢測(cè)出來(lái)的邊緣基本上是單象素寬，但也存在偽邊緣，當(dāng)對(duì)于含噪聲的圖像檢測(cè)效果很差并且有些邊緣是間斷的。選取適當(dāng)閾值，canny邊緣檢測(cè)方法可以較好的檢測(cè)出清晰的邊緣，可以有效的濾除噪聲，通過(guò)在本實(shí)驗(yàn)中比較，canny邊緣檢測(cè)出來(lái)的效果最好。第二章基于空間域的影像邊緣檢測(cè)技術(shù)第三章基于頻率域高通濾波的邊緣檢測(cè)在頻率域?qū)D像的處理，先要對(duì)圖像進(jìn)行某種變換，再對(duì)圖像的頻譜進(jìn)行某種修正，最后將修正后的圖像再逆變換到空間域。這種變換最常使用的是傅立葉變換。在傅立葉變換中，圖像的高低頻實(shí)現(xiàn)了很好的分離。圖像的邊緣、細(xì)節(jié)主要在高頻部分到反映，為了突出邊緣，則采用高通濾波器讓高頻成分通過(guò)，使低頻成分削弱，再經(jīng)傅立葉逆變換得到邊緣銳化的圖像。第三章基于頻率域高通濾波的邊緣檢測(cè)相對(duì)在空間域的影像處理，頻率域?yàn)V波有如下特點(diǎn)

優(yōu)點(diǎn)：1.在頻率域中，圖像處理和變換是全局的，能夠自動(dòng)分離高頻和低頻信息，通過(guò)設(shè)定截止頻率，自動(dòng)濾去低頻的背景信息，就能突出邊緣，執(zhí)行效率很高。而在空間域中，圖像邊緣檢測(cè)是根據(jù)像素塊（模板）依次移動(dòng)局部處理，當(dāng)模板很大時(shí)，處理效率非常低。

2.對(duì)具有條帶狀噪聲的影像進(jìn)行邊緣檢測(cè)時(shí)，在頻率域中可以直接濾除條帶噪聲所在頻率段，如下圖3.編寫(xiě)頻域?yàn)V波的程序代碼方便，可擴(kuò)展性強(qiáng)，而編寫(xiě)空間域的模板算子，比較繁瑣，局限性大。

所示。再進(jìn)行高通濾波處理，一般就可得到輪廓較清晰的影像。而在空間域中很難去噪，進(jìn)行邊緣檢測(cè)后，會(huì)有條紋邊界出現(xiàn)。

原圖

濾波后第三章基于頻率域高通濾波的邊緣檢測(cè)缺點(diǎn)：1、頻率域的高通濾波容易產(chǎn)生振鈴現(xiàn)象，對(duì)真邊緣造成干擾；2、對(duì)于某些頻率較高的噪聲,可能會(huì)產(chǎn)生偽對(duì)象。如下圖所示。3、邊緣定位不準(zhǔn)確，邊界發(fā)生偏移。高通濾波后

原圖第三章基于頻率域高通濾波的邊緣檢測(cè)假定原圖像為

，經(jīng)傅立葉變換為

，選擇合適的濾波器

對(duì)頻譜成分

進(jìn)行調(diào)整得到，然后經(jīng)傅立葉逆變換得到增強(qiáng)的圖像

。下圖是頻率域增強(qiáng)的一般過(guò)程：

第三章基于頻率域高通濾波的邊緣檢測(cè)頻率濾波流程1二維理想高通濾波器的傳遞函數(shù)和剖面圖如下所示其中，是指定的非負(fù)數(shù)值，表示截止頻率點(diǎn)到原點(diǎn)地的距離，是

點(diǎn)距頻率矩形原點(diǎn)的距離。下同。第三章基于頻率域高通濾波的邊緣檢測(cè)該濾波器的特點(diǎn)是：在一個(gè)半徑為

的圓內(nèi)的所有頻率完全被過(guò)濾掉，而在圓外的頻率都保留了下來(lái)。理想高通濾波器最主要的缺點(diǎn)是會(huì)導(dǎo)致人為的振鈴效應(yīng)，特別是當(dāng)半徑設(shè)置得很小的時(shí)候，表現(xiàn)的尤為突出。2巴特沃斯高通濾波器傳遞函數(shù)和剖面圖如下所示第三章基于頻率域高通濾波的邊緣檢測(cè)巴特沃斯濾波器特征曲線是光滑的，不包含數(shù)值的突變，所以它能極大地減少振鈴效應(yīng)，在醫(yī)學(xué)等高精密檢測(cè)技術(shù)中常常使用。3指數(shù)高通濾波器傳遞函數(shù)和剖面圖如下所示指數(shù)高通濾波器和巴特沃斯高通濾波器相似，也是光滑的曲線，能夠有效的抑制振鈴效應(yīng)。第三章基于頻率域高通濾波的邊緣檢測(cè)4梯形高通濾波器傳遞函數(shù)和剖面圖如下所示梯形高通濾波器的特征曲線有突變，所以會(huì)產(chǎn)生輕微的振鈴現(xiàn)象，它的計(jì)算簡(jiǎn)單，故常被使用。第三章基于頻率域高通濾波的邊緣檢測(cè)

（）中為截止頻率

第三章基于頻率域高通濾波的邊緣檢測(cè)matlab模擬高通濾波理想高通濾波器（150）巴特沃斯高通濾波器（3000）指數(shù)高通濾波器（280）梯形高通濾波器（10，50）以上濾波效果圖都是在matlab中經(jīng)過(guò)大量實(shí)驗(yàn)，選取該種濾波器處理效果最好的圖像。經(jīng)過(guò)實(shí)驗(yàn)表明：理想高通濾波器對(duì)邊緣檢測(cè)效果很不理想，造成邊緣雜亂，并且產(chǎn)生大量偽邊緣；巴特沃斯高通濾波效果比較好，邊緣清晰；指數(shù)高通濾波檢測(cè)效果也不理想，對(duì)象存在偏移現(xiàn)象，并且產(chǎn)生很多偽邊緣，邊緣雜亂；梯形高通濾波檢測(cè)效果僅次于巴特沃斯濾波，邊緣比較清晰，但產(chǎn)生很多偽邊緣。第三章基于頻率域高通濾波的邊緣檢測(cè)第四章基于數(shù)學(xué)形態(tài)學(xué)的遙感影像邊緣檢測(cè)數(shù)學(xué)形態(tài)學(xué)是一門綜合了多學(xué)科的交叉科學(xué)，其基本理論非常艱深，但其基本的運(yùn)算和觀念卻比較簡(jiǎn)單。它體現(xiàn)了邏輯推理和數(shù)學(xué)演繹的嚴(yán)謹(jǐn)性。利用形態(tài)學(xué)算子可以有效的濾除噪聲，同時(shí)保留圖像中的原有信息，突出圖像的幾何特征便于進(jìn)一步分析圖像。數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)是二值形態(tài)學(xué)，基本變換包括膨脹、腐蝕、開(kāi)啟、閉合。

二值數(shù)學(xué)形態(tài)學(xué)圖像處理基本原理設(shè)二值圖像集合為A，結(jié)構(gòu)元素集合為B。1

膨脹運(yùn)算定義為：其中，表示B的映像，z為映像平移的像素。

原像素模板膨脹后像素膨脹具有擴(kuò)充圖像和填補(bǔ)小孔縫隙的作用第四章基于數(shù)學(xué)形態(tài)學(xué)的遙感影像邊緣檢測(cè)2腐蝕運(yùn)算定義為：模板原像素腐蝕后像素

腐蝕具有收縮圖像和擴(kuò)張孔隙的作用第四章基于數(shù)學(xué)形態(tài)學(xué)的遙感影像邊緣檢測(cè)3開(kāi)運(yùn)算定義為：4閉運(yùn)算定義為：第四章基于數(shù)學(xué)形態(tài)學(xué)的遙感影像邊緣檢測(cè)就是B在A內(nèi)完全匹配的平移的并集，這些平移的并集即為開(kāi)運(yùn)算的結(jié)果。形態(tài)學(xué)開(kāi)運(yùn)算完全刪除了不能包含結(jié)構(gòu)元素的對(duì)象區(qū)域，平滑了對(duì)象的輪廓，斷開(kāi)了狹窄的連接，去掉了細(xì)小的突出部分。是所有不與A重疊的B的平移的并集，閉運(yùn)算會(huì)平滑對(duì)象的外部輪廓，將狹窄的缺口連接起來(lái)形成細(xì)長(zhǎng)的碗口，并填充比結(jié)構(gòu)元素小的洞。第四章基于數(shù)學(xué)形態(tài)學(xué)的遙感影像邊緣檢測(cè)灰度數(shù)學(xué)形態(tài)學(xué)基本變換同樣包括膨脹、腐蝕、開(kāi)