基于融合技术的遥感图像边缘检测算法

陈喜林

基于融合技术的遥感图像边缘检测算法

陈喜林

（罗定职业技术学院教育系，广东 罗定 527200）

为准确提取遥感图像边缘，研究一种基于融合技术的遥感图像边缘检测算法，考虑到遥感图像中存在乘性噪声，该算法基于自适应滤波器的遥感图像去噪算法，通过自适应滤波器有效去除遥感图像中噪声点；对去噪后的遥感图像，再基于融合技术的遥感图像边缘检测算法，通过滑动窗口技术、模糊增强方法增强去噪后遥感图像边缘，采用模糊形态学算法检测遥感图像边缘。实验结果显示，所提算法去噪后的遥感图像信噪比、峰值信噪比较高，去噪效果极好；边缘检测结果与遥感图像实际边缘位置之间误差较小，检测精度较高，且遥感图像数量的增多，对该算法的检测速度不存在显著的负面影响。

融合技术；自适应滤波器；遥感图像；边缘检测；滑动窗口；模糊增强；模糊形态学

遥感工具可在具有差异性的角度、高度检测地面目标信息[1-2]。伴随科技快速发展，遥感工具使用频率逐渐增大，人们不仅可以在高空或者太空中观测地球环境，还可以使用遥感图像实现地质环境等的相关研究[3]。将地理学信息变成计算机可处理的图像即遥感图像处理技术[4]，成为当前的研究重点。基于信息论角度分析，遥感图像颜色属性均匀的地物单元，边缘信息丰富性显著，可体现相当多的地物形状特征[5]。在遥感图像中，边缘主要出现在目标与目标、目标与背景的中间，具有大量有价值信息，是遥感图像目标识别工作中不可忽视的部分[6-8]。

目前很多边缘检测算法的检测目标大多是普通图像，对遥感图像的边缘检测效果还有待优化。通常，遥感图像中存在大量噪声，这对遥感图像边缘检测精度也存在一定影响[9]。为此，本文提出了基于融合技术的遥感图像边缘检测算法，在对遥感图像实施噪声抑制的同时，保护图像细节，实现遥感图像边缘的高精度检测。

1 基于融合技术的遥感图像边缘检测算法

1.1 基于自适应滤波器的遥感图像去噪算法

本文把遥感图像斑点噪声变换成乘性噪声：

下一个平滑窗口的尺寸是：

1.2 基于融合技术的遥感图像边缘检测算法

基于融合技术的遥感图像边缘检测算法的流程图如下：

（3）模糊增强。为实现遥感图像边缘的模糊增强，使用变换式(8)把窗口里隶属度变换至[0,1]的区间里。

（5）窗口遍历。窗口遍历整个遥感图像，可实现遥感图像全局边缘的模糊强化。在窗口滑动时，本文使用半窗口滑动窗口模型，实现窗口遍历，窗口的中心点每次移动的距离属于窗口尺寸的二分之一[13-15]。详情如图1所示。

“稻田养虾本小利大。”涂桑田每当说起稻田效益都高兴得合不拢嘴。据他介绍，由于无公害种养，小龙虾今年卖到20多元/kg，且产出的稻米由于品质好，亩产综合收入5000元以上。“稻虾共作”效益相当可观，也吸引了很多外出打工的青年民兵回乡创业。涂桑田在当地党委、政府的扶持下，把当地稻田养殖户组织起来成立正阳县稻田养虾农民专业合作社，采取“合作社+家庭农场+基地+品牌+农户”的产业化经营模式，将甲鱼、泥鳅、黄鳝、鲤鱼、鲢鱼等引进稻田，用“稻虾共作”生物链延伸“稻鱼连作”生态循环链。

综上所述，基于融合技术的遥感图像边缘检测算法的流程图如图2所示。

图2 基于融合技术的遥感图像边缘检测算法的流程图

2 实验分析

为测试本文算法的使用效果，把Matlab 2019a软件设成仿真工具，在Windows 7、四核 Intel Core i7处理器、300GB硬盘、4GB内存的PC机中采取仿真测试的模式，测试本文算法使用效果。在使用一幅大小是40mm*20mm的遥感图像实施边缘检测，此遥感图像如图3所示，该遥感图像中存在大量乘性噪声点。在实验中，先测试本文算法对此遥感图像的去噪效果。

图3 存在乘性噪声点的遥感图像

本文算法对图3进行去噪后，效果图如图4所示。

图4 本文算法去噪后遥感图像效果图

对比图3、图4后可知，从视觉角度分析，本文算法对存在大量乘性噪声点的遥感图像去噪效果极好，能够有效抑制遥感图像中的噪声干扰，去噪后遥感图像细节十分清晰。

图5 本文算法去噪效果

分析图5可知，使用本文算法之前，遥感图像的信噪比与峰值信噪比均小于本文算法去噪后遥感图像的信噪比、峰值信噪比。本文算法去噪后的遥感图像信噪比、峰值信噪比最大值分别高达225, 275dB，证明本文算法对遥感图像去噪效果较好。

使用本文算法对图3去噪后，对其进行边缘检测，检测效果图如图6所示。分析图6可知，本文算法对图3遥感图像进行边缘检测之后，遥感图像中全部目标边缘都被检测出来，证明本文算法可有效检测遥感图像的边缘信息。

图6 遥感图像边缘检测效果图

本文算法检测结果的F-Score值测试结果如图7所示。

分析图7可知，多次测试中，本文算法对遥感图像边缘检测后，边缘检测结果的F-Score值与1.0十分接近，大于0.95，表示本文算法对遥感图像边缘检测精度较高。

遥感图像边缘检测速度对遥感图像目标识别效率存在直接影响，为此，将需边缘检测的遥感图像数量依次设成5, 10, 15, 20, 25, 30张。测试本文算法在检测多张遥感图像边缘时的检测耗时、检测加速比，以此判断本文算法对遥感图像边缘检测速度。测试结果如表1所示。

表1 本文算法对遥感图像边缘检测速度测试结果

分析表1可知，当需边缘检测的遥感图像数量依次是5, 10, 15, 20, 25, 30张时，伴随图像数量的增多，本文算法对遥感图像边缘检测的耗时出现小幅度增多，但增幅不大，检测耗时低于1s，而本文算法的检测加速比伴随图像数量的增多而变大，体现了本文算法在遥感图像边缘检测过程中占据速度优势。

3 结论

边缘检测技术属于图像处理与计算机视觉领域中最常用技术之一，属于图像处理环节的核心步骤。边缘检测能够保存图像目标轮廓的结构信息，降低图像分析复杂度。本文以遥感图像为研究核心，提出了基于融合技术的遥感图像边缘检测算法，并对其使用效果进行测试。测试后可知，本文算法不仅对遥感图像的去噪效果极好，而且能够高精度、快速地检测遥感图像中的边缘信息。

[1] 刘丽霞，李宝文，王阳萍，等. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用，2019, 055(012): 54-58.

[2] 邱中原，朱希安，郁建林. 结合纹理特征和边缘信息的遥感影像分类[J]. 遥感信息，2018, 33(003): 130-135.

[3] 于野，艾华，贺小军，等. A-FPN算法及其在遥感图像船舶检测中的应用[J]. 遥感学报，2020, 24(02): 107-115.

[4] 兰传琳，方佩章，何楚. 基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法[J]. 电视技术，2019, 43(01): 10-15, 70.

[5] 张洪群，顾吟雪，郭擎. 灰色关联分析与模糊推理边缘检测图像融合法[J]. 遥感信息，2020, 035(001): 15-27.

[6] 张文坤，汪西原，宋佳乾. 基于分数阶微分差与高斯曲率滤波的边缘检测算法[J]. 计算机工程，2019, 45(02): 213-219.

[7] 郭敬，吉长东，杨健，等. 针对高分四号卫星影像的边缘检测技术[J]. 遥感信息，2018, 33(003): 108-115.

[8] 余祥伟，薛东剑，陈凤娇. 融合多尺度边缘检测的小波贝叶斯SAR图像滤波[J]. 遥感信息，2019, 34(05): 120-125.

[9] 王伦文，冯彦卿，张孟伯. 光学遥感图像目标检测方法[J]. 系统工程与电子技术，2019(10): 2163-2169.

[10] 凌晨，张鑫彤，马雷. 基于Mask R-CNN算法的遥感图像处理技术及其应用[J]. 计算机科学，2020, 47(10): 151-160.

[11] 赵宝康，李晋文，杨帆，等. 刘佳豪.一种基于深度学习的遥感图像目标检测算法[J]. 计算机工程与科学，2019, 41(12): 2166-2172.

[12] 吴一全，邹宇，刘忠林. 基于Franklin矩的亚像素级图像边缘检测算法[J]. 仪器仪表学报，2019, 40(05): 221-229.

[13] 陆盈. 基于区间值直觉模糊集的图像边缘检测算法[J]. 电子测量与仪器学报，2018, 32(12): 104-112.

[14] 余震，何留杰，王振飞. 基于中智理论与方向-均值的图像边缘检测算法[J]. 电子测量与仪器学报，2020, 34(03): 43-50.

[15] 余小庆，陈仁文，唐杰，等. 融合小波变换和新形态学的含噪图像边缘检测[J]. 计算机科学，2018, 45(S2): 194-197.

Edge detection algorithm of remote sensing image based on fusion technology

CHEN Xi-lin

(Department of Education, Luoding Vocational and Technical College, Guangdong Luoding 527200)

In order to accurately extract the edge of remote sensing image, a remote sensing image edge detection algorithm based on fusion technology is studied. Considering the multiplicative noise in remote sensing image, the algorithm firstly uses the remote sensing image denoising algorithm based on adaptive filter, and effectively removes noise points in remote sensing image through adaptive filter. For the denoised remote sensing image, the remote sensing image edge detection algorithm based on fusion technology is used, the edge of the denoised remote sensing image is enhanced by sliding window technology and fuzzy enhancement method, and the edge of the remote sensing image is detected by fuzzy morphological algorithm. The experimental results show that the SNR and peak SNR of the remote sensing image denoised by the proposed algorithm are high, and the denoising effect is excellent. The error between the edge detection result and the actual edge position of the remote sensing image is small, the detection accuracy is high, and the increase of the number of remote sensing images has no significant negative impact on the detection speed of the algorithm.

fusion technology；adaptive filter；remote sensing image；edge detection；sliding window；fuzzy enhancement；fuzzy morphology

2021-11-20

2020广东省教育科学“十三五”规划课题“实践取向的乡村卓越小学全科教师培养模式研究”（2020GXJK534）；2019罗定职业技术学院校级课题“信息化背景下小学全科教师数学核心素养的提升研究”（KY2019A020）；2021罗定职业技术学院党建与思想政治教育研究课题“课程思政背景下卓越小学全科教师数学课程实践研究”（DJYSZ2021010）

陈喜林（1982-），女，陕西宝鸡人，硕士研究生，讲师，主要从事数值分析、信息化教学研究，nancychenxilin_9@163.com。

TP751

A

1007-984X(2022)05-0017-05