基于数学形态学的毫米波图像边缘检测方法.pdfVIP

第４期，总第７０期 国　土　资　源　遥　感 Ｎｏ．４，２００６　 ２００６年１２月１５日 ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ Ｄｅｃ．，２００６　 基于数学形态学的毫米波图像边缘检测方法 赵 凌，张祖荫，郭伟 （华中科技大学电子与信息工程系，武汉　４３００７４） 摘要：讨论了数学形态学的基本原理及其在毫米波辐射遥感图像边缘检测中的应用，提出了一种用灰度形态变换 原理进行检测的有效算法。对一幅毫米波图像的实验结果表明，该算法具有较好的抗噪和边缘提取能力，比传统 的基于模板的图像边缘检测算法具有更好的边缘提取效果。 关键词：图像处理；毫米波辐射图像；边缘检测；数学形态学 中图分类号：ＴＰ７５　文献标识码：Ａ　　　文章编号：１００１－０７０Ｘ（２００６）０４－００１９－０４ 合而成的，可以定义开、闭、闭－开和开 －闭等复合 ０　引言 形态运算。腐蚀是一种收缩变换，使整幅图像的灰 度值降低；膨胀是一种扩张变换，使整幅图像的灰 微波辐射计具有全天时、全天候的工作特点，微 度值提高。腐蚀和膨胀都对灰度变化较大的边缘较 波遥感图像能够提供可见光和红外所不能获取的信 敏感。形态开和形态闭运算则具有去除图像中“尖 息。但毫米波图像模糊、空间分辨率不高，往往带有 峰”和“凹谷”的作用，所以，在利用形态运算提取图 大量的噪声，因此，要识别图像中的物体，进行边缘 像边缘的同时，能够去除图像中的噪声，尤其是对脉 检测非常重要。 冲噪声去除效果更佳。 边缘是图像的最基本特征，从本质上说，图像边 图像的边缘是由灰度不连续性反映的，图像边 缘是图像局部特性不连续的反映，它往往是两个不 缘一般具有３个重要特征： 边缘处像素灰度值变 ① 同区域的分界线或某个目标的边界。图像边缘提取 化呈不连续性； 边缘两侧具有不同的纹理特征； ② 技术一直是图像处理与模式识别的重要环节。传统 ③边缘处像素灰度值具有方向性。因此，要成功地 的边缘检测方法起步较早，已经提出了一些较好的 检测出复杂图像的边缘信息，必须综合考虑以上３ 基于模板和梯度的边缘检测算法，如 Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、 方面的因素。经典的微分算子首先通过检测边缘模 Ｒｏｂｅｒｔ及Ｃａｎｎｙ等。但从理论上看，这些检测器都 型的一、二阶导数的极值点或零值点检测出图像局 属于高通线性滤波器，而噪声和边缘都属于高频范 部特征的不连续性，然后再将这些不连续的边缘像 围，故对含有大量噪声的图像边缘检测效果并不理 素连成完备的边界。但由于噪声也具有灰度变化迅 想。并且，毫米波辐射遥感图像通常都具有灰度变 速的特点，所以，用微分算子检测边缘存在着“提升 化丰富、所含信息量大、背景噪声复杂和边缘密度大 噪声”的缺点，如果进行减噪，往往连目标信息也一 的特点，一些常见的图像边缘检测算法在微波遥感 同去除。毫米波图像由于受诸多因素的影响往往带 图像中难以满足实际需要。 有大量的噪声，微分算子的边缘检测效果很不理想。 数学形态学则可通过有针对性地选择结构元素和变 １　边缘提取方法 换方式对某一类特定目标减弱或加强。 形态学边缘检测也就是根据形态学的基本理 数学形态学是一门以严格数学理论为基础的学 论，利用形态学所定义的腐蚀、膨胀、开运算以及闭 科，它从集合的角度来刻画和分析图像，是一