【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体是一种。
技术介绍
随着不同成像原理传感器的出现，异源图像匹配技术已经成为遥感、导航制导等领域的关键技术。但是目前异源图像匹配研究中还存在很多困难，特别是异源图像成像机理差异大(如光学与合成孔径雷达(SAR)图像)、波段差异大(如可见光与长波红外(IR)图像)，难以较好地获得图像在灰度、亮度、颜色等特征上的共性特征。根据对异源图像成像原理和典型异源图像的分析发现，对象间的粗大边缘是异源图像间比较具有共性的特征。常见的边缘检测方法有梯度方法，力场转换法以及变换域法等。2010年9月22日公开的申请号为201010152357.3的中国专利技术专利给出了一种基于分数阶次信号处理的边缘检测方法，首先利用分数阶次求导算法对图像中的每个像素点进行梯度运算，获得各像素点的梯度幅值；然后对梯度图像进行非极大值抑制；最后采用双阈值方法判定目标像素点是否为像素点并连接边缘，获得最终的边缘检测结果。该专利的方法较好地提取了图像中的边缘，但是边缘检测结果过于细腻，很难从中提取到有效的粗大边缘。2011年7月6日公开的申请号为201110065202.0的中国专利技术专利给出了一种基于力场转换的异源图像粗大边缘检测方法，首先根据引力概念计算图像中各像素点受到的合力的大小和方向；其次对图像中像素点所受合力的大小进行归一化处理；然后对归一化后的图像进行二值化分割以获得边缘像素点所在的区域；最后根据合力的大小和方向特征获得最终的粗大边缘点。该专利的方法较好地提取出了可见光和红外图像的粗大边缘，但是对于SAR图像以及实际的含噪声异源图像，该方法不能有效地...
【技术保护点】
基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于：包括以下步骤：1）计算图像中每个像素的灰度和纹理特征值，并以此构建二维特征空间；2）利用数理分析中的数据约减思想，压缩参与聚类迭代的二维特征空间数据集，产生新的数据集；3）将约减后的新数据集的特征空间映射到高斯核空间中，以高斯核空间中的欧氏距离代替样本空间的欧氏距离；4）在高斯核空间下采用快速可能性模糊C均值聚类算法对图像进行分割；5）采用Canny算子对分割后的图像进行边缘检测。
【技术特征摘要】
1.于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:包括以下步骤: 1)计算图像中每个像素的灰度和纹理特征值，并以此构建二维特征空间； 2)利用数理分析中的数据约减思想，压缩参与聚类迭代的二维特征空间数据集，产生新的数据集； 3)将约减后的新数据集的特征空间映射到高斯核空间中，以高斯核空间中的欧氏距离代替样本空间的欧氏距离； 4)在高斯核空间下采用快速可能性模糊C均值聚类算法对图像进行分割； 5)采用Canny算子对分割后的图像进行边缘检测。2.据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤I)中，选取每个像素局部邻域的灰度均值和一阶熵值作为该点的灰度和纹理特征值，灰度均值m和一阶熵值E的计算公式分别为:3.据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于:所述步骤2)中，压缩参与聚类迭代的二维特征空间数据集的步骤包括: 2-1)将二维特征空间中特征值均归一化到(Γ255，把每隔q的两个二维特征向量归为一种，q e ...
【专利技术属性】
技术研发人员：赵妍，徐贵力，王彪，郭瑞鹏，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。