一种面向SAR图像的多窗口道路边缘检测算法

doi:10.3778/j.issn.1002-8331.1706-0275

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (19): 164-171.DOI: 10.3778/j.issn.1002-8331.1706-0275

一种面向SAR图像的多窗口道路边缘检测算法

沈夏炯1，2，张汇东1，韩道军1，2

1.河南大学计算机与信息工程学院，河南开封 475004
2.河南大学数据与知识工程研究所，河南开封 475004

出版日期:2018-10-01 发布日期:2018-10-19

Method for SAR image road edge detection based on multi-window fusion

SHEN Xiajiong1，2, ZHANG Huidong1, HAN Daojun1，2

1. School of Computer and Information Engineering, Henan University, Kaifeng, Henan 475004, China
2. Institute of Data and Knowledge Engineering, Henan University, Kaifeng, Henan 475004, China

Online:2018-10-01 Published:2018-10-19

摘要/Abstract

摘要： 道路作为一种重要地物信息，在城市规划等领域中起着不可替代作用。合成孔径雷达（SAR）具有全天候等成像特点，因此基于SAR图像已有许多道路边缘检测算法。提出一种多窗口道路边缘检测算法，来解决相干斑噪声引起的道路边缘误检率高完整性差等问题。该算法首先以加权局部熵的大小为基础，评估SAR图像中像素点落在道路上的概率，然后以该概率为依据，确定每个像素点多窗口融合的权值。最后，对不同大小窗口的边缘检测结果进行加权融合。通过对不同区域的SAR图像切片进行实验，结果表明加权融合后得到的道路边缘的完整性及对噪声的抑制效果均有所提高。

关键词: SAR图像, 边缘检测, 道路提取, 加权局部熵, 多窗口融合

Abstract: As an important ground object information, road plays an irreplaceable role in urban planning and so on. Because Synthetic Aperture Radar（SAR） has characteristic of all weather, a large number of road edge algorithms which based on SAR image emerge spontaneously. A multi-window road edge detection algorithm is proposed to solve the problems such as high false detection rate and poor integrity of road edges causing by speckle noise. Based on the weighted local entropy, this paper evaluates the probability of SAR images of pixel points which falling on the road and determines the weight of each pixel in multi-window fusion. Finally, experiments on SAR chip images in variant regions are carried out, and the results show that the integrity of the road edges and the suppression effect of noise are improved after weighted fusion.

Key words: SAR image, edge detection, road detection, weighted local entropy, multi-windows fusion method

沈夏炯1，2，张汇东1，韩道军1，2. 一种面向SAR图像的多窗口道路边缘检测算法[J]. 计算机工程与应用, 2018, 54(19): 164-171.

SHEN Xiajiong1，2, ZHANG Huidong1, HAN Daojun1，2. Method for SAR image road edge detection based on multi-window fusion[J]. Computer Engineering and Applications, 2018, 54(19): 164-171.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	李代栋，赫晓慧，李盼乐，田智慧，周广胜. 基于SPUD-ResNet的遥感影像道路提取网络[J]. 计算机工程与应用, 2021, 57(23): 240-247.
[3]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[4]	张晓晓，牛福，毛健平，安居白，郭浩. 基于多特征融合与ResNet的海面溢油区识别研究[J]. 计算机工程与应用, 2021, 57(14): 267-274.
[5]	宋廷强，刘童心，宗达，蒋晓旭，黄腾杰，范海生. 改进U-Net网络的遥感影像道路提取方法研究[J]. 计算机工程与应用, 2021, 57(14): 209-216.
[6]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[7]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[8]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[9]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[10]	朱鸣，杨百龙，何岷，陈铮铮，张雄美. 基于改进粗糙集理论的SAR图像目标增强[J]. 计算机工程与应用, 2019, 55(16): 185-190.
[11]	张岭军，李聪，段云龙. 结合空间邻域信息的SAR图像变化检测[J]. 计算机工程与应用, 2019, 55(15): 185-192.
[12]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[13]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[14]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[15]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.

一种面向SAR图像的多窗口道路边缘检测算法

Method for SAR image road edge detection based on multi-window fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics