一种多光谱图像边缘特征检测方法技术

本发明专利技术公开了一种多光谱图像边缘特征检测方法，包含如下步骤：利用一阶微分算子分别计算多光谱图像N个波段的水平和垂直方向的梯度；逐像元将水平和垂直方向的梯度平方相加，得到水平和垂直方向的特征元素；将水平和垂直方向梯度的乘积相加，得到双方向的特征元素，并组成特征矩阵；逐像元计算特征矩阵的特征值，计算图像的梯度值，得到多光谱图像的边缘特征。本发明专利技术同时利用各个波段的梯度信息，以直观、快速的方式获得多光谱图像的边缘特征。检测时既可选择所有波段计算边缘特征，也可根据应用需要选择最合适的某几个波段计算边缘特征。这种直接利用多光谱信息进行边缘特征检测的方法，比用代数运算的方法综合多波段的梯度信息更加合理和高效。

【技术实现步骤摘要】

本专利技术涉及一种图像处理方法，特别涉及。
技术介绍
图像的边缘集中了图像的大部分信息，边缘特征的检测是数字图像处理的核心内容之一，其检测精度直接影响到后续的图像识别与理解的效果。图像可大致分为灰度图像、 彩色图像和多光谱图像三类。目前，灰度图像边缘特征检测方法主要依赖于图像的一阶或二阶微分运算，前者根据水平、垂直或交叉方向的一阶微分运算获得图像的梯度特征，如Roberts算子、 Prewitt算子、Sobel算子等；后者根据二阶微分运算的零交叉点确定边缘的位置，如 Laplacian算子，LoG算子等。彩色图像具有RGB三个分量，其边缘检测主要依赖于IHS (I 指亮度，H指色调，S指饱和度)变换等色彩空间变换，通过对变换后的亮度分量进行边缘增强获得边缘特征。多光谱图像与灰度图像、彩色图像的一个主要不同之处在于，它往往拥有三个以上的多光谱波段，因此难以利用色彩空间变换的方法检测边缘特征。目前多光谱图像边缘特征检测仍没有好的解决方案，较为直观的方法是首先运用梯度算子分别对各个波段进行检测，然后通过和、模、最大值、最小值等代数运算或主成分变换进行降维处理。这样的降维处理缺乏物理基础，而且因为多光谱图像上的地物边界在不同波段并不一致，必然使边缘检测结果出现较大的不确定性。
技术实现思路
专利技术目的针对上述现有存在的问题和不足，本专利技术的目的是提供一种无需降维处理，直接利用多光谱信息计算边缘特征的多光谱图像边缘特征检测方法。技术方案为实现上述专利技术目的，本专利技术采用的技术方案为，包含如下步骤(1)计算多光谱图像N个波段的水平方向的梯度Gix和垂直方向的梯度Giy，其中N 为自然数，i = 1,2,3, -,N；(2)逐像元将所述步骤(1)中N个波段的水平方向的梯度平方相加，得到水平方向的特征元素(ixx，逐像元将所述步骤(1)中N个波段的垂直方向的梯度平方相加，得到垂直方向的特征元素Gyy，逐像元将所述步骤(1)中N个波段的水平方向的梯度Gix和垂直方向的梯度Giy的乘积相加，得到水平和垂直双方向的特征元素Gxy和Gyx，由Gxx、Gyy、(ixy、Gyx组成特征矩阵G(x，y)；(3)逐像元计算所述步骤(2)中特征矩阵G (X，y)的特征值λ +与λ _ ；(4)利用步骤⑶中得到的特征值λ +与λ_计算图像的梯度值g(x，y)，从而得到多光谱图像的边缘特征。所述步骤(1)中，一阶微分算子为最简单的一阶差分，方便快捷。所述波段可以是所述图像的所有波段，也可以根据应用目的选择部分最佳的波段。如检测植被的边缘时，可以选择对植被指示最为敏感的红光和近红外波段进行检测。所述步骤(3)中计算的特征值λ +与λ _指示了多光谱边缘的幅度。所述步骤中计算图像的梯度值g(x，y)的方法可以为计算所述特征值λ +与 λ-的差值的平方根，还可以为计算所述特征值λ +与λ—的和或比值等其它代数运算。有益效果本专利技术同时利用了各个波段的梯度信息，以直观、快速的方式获得多光谱图像的边缘特征。检测时既可以选择所有波段计算边缘特征，也可以根据应用需要选择最合适的某几个波段计算边缘特征。这种直接利用多光谱信息进行边缘特征检测的方法， 比用代数运算的方法综合多波段的梯度信息更加合理和高效。附图说明图1为本专利技术的流程图2为高分辨率的QuickBird卫星多光谱图像； 图3为利用计算机编程语言实现的本专利技术结果示意图。 具体实施例方式下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。本专利技术的基本思路为如果将每一个像元的多光谱数据看作一个向量，则多光谱图像可以视为一个二维、多属性的向量场，从而将地物边界的检测问题转换为多维曲面的邻域差分问题，可应用微分几何学中的第一基本形式进行求解。令I(x，y) =R2 — Rn表示一幅N个波段的多光谱图像，其中的任意一个波段可以表示为Ii(Ly) =R2-Ra = 1，...，N。则图像I在任意点(X(l，yQ)上的值可以看作Rn空间的一个向量，因此图像上任意相邻两点P = (χ0，y0)和Q = (X1, Y1)之间的变化可以表示为Δ I = I (P) -I (Q)当P、Q两点之间的距离d(P，Q)趋于无限小时，可以用微分形式来表示权利要求1.，其特征在于包含如下步骤(1)利用一阶微分算子分别计算多光谱图像N个波段的水平方向的梯度Gix和垂直方向的梯度Giy，其中N为自然数，i = 1，2，3，…，N;(2)逐像元将所述步骤(1)中N个波段的水平方向的梯度平方相加，得到水平方向的特征元素(ixx，逐像元将所述步骤(1)中N个波段的垂直方向的梯度平方相加，得到垂直方向的特征元素Gyy，逐像元将所述步骤(1)中N个波段的水平方向的梯度Gix和垂直方向的梯度 Giy的乘积相加，得到水平和垂直双方向的特征元素(^xy和Gyx，由(ixx、Gyy、Gxy、Gyx组成特征矩阵 G(x，y)；(3)逐像元计算所述步骤(2)中特征矩阵G(x，y)的特征值λ+和λ_;(4)利用步骤(3)中得到的特征值λ+与λ_计算图像的梯度值g(X，y)，从而得到多光谱图像的边缘特征。2.根据权利要求1所述，其特征在于所述波段是所述图像的所有波段或选择的部分波段。3.根据权利要求1所述，其特征在于所述步骤(4) 中计算图像的梯度值g(x，y)的方法为计算所述特征值λ +与λ —的差值的平方根或计算所述特征值λ +与λ —的和或比值。全文摘要本专利技术公开了，包含如下步骤利用一阶微分算子分别计算多光谱图像N个波段的水平和垂直方向的梯度；逐像元将水平和垂直方向的梯度平方相加，得到水平和垂直方向的特征元素；将水平和垂直方向梯度的乘积相加，得到双方向的特征元素，并组成特征矩阵；逐像元计算特征矩阵的特征值，计算图像的梯度值，得到多光谱图像的边缘特征。本专利技术同时利用各个波段的梯度信息，以直观、快速的方式获得多光谱图像的边缘特征。检测时既可选择所有波段计算边缘特征，也可根据应用需要选择最合适的某几个波段计算边缘特征。这种直接利用多光谱信息进行边缘特征检测的方法，比用代数运算的方法综合多波段的梯度信息更加合理和高效。文档编号G06T5/00GK102163325SQ20111008446公开日2011年8月24日 申请日期2011年4月6日 优先权日2011年4月6日专利技术者冯学智, 李晖, 肖鹏峰 申请人:南京大学本文档来自技高网...

【技术保护点】
１．一种多光谱图像边缘特征检测方法，其特征在于包含如下步骤：（１）利用一阶微分算子分别计算多光谱图像Ｎ个波段的水平方向的梯度Ｇｉｘ和垂直方向的梯度Ｇｉｙ，其中Ｎ为自然数，ｉ＝１，２，３，…，Ｎ；（２）逐像元将所述步骤（１）中Ｎ个波段的水平方向的梯度平方相加，得到水平方向的特征元素Ｇｘｘ，逐像元将所述步骤（１）中Ｎ个波段的垂直方向的梯度平方相加，得到垂直方向的特征元素Ｇｙｙ，逐像元将所述步骤（１）中Ｎ个波段的水平方向的梯度Ｇｉｘ和垂直方向的梯度Ｇｉｙ的乘积相加，得到水平和垂直双方向的特征元素Ｇｘｙ和Ｇｙｘ，由Ｇｘｘ、Ｇｙｙ、Ｇｘｙ、Ｇｙｘ组成特征矩阵Ｇ（ｘ，ｙ）；（３）逐像元计算所述步骤（２）中特征矩阵Ｇ（ｘ，ｙ）的特征值λ＋和λ－；（４）利用步骤（３）中得到的特征值λ＋与λ－计算图像的梯度值ｇ（ｘ，ｙ），从而得到多光谱图像的边缘特征。

【技术特征摘要】

【专利技术属性】
技术研发人员：肖鹏峰，冯学智，李晖，
申请(专利权)人：南京大学，
类型：发明
国别省市：84