一種基于相位一致的高分辨率遙感圖像特征檢測(cè)方法

1、第11卷 第3期2007年5月遙 感 學(xué) 報(bào)Vo.l11,No.3May,2007文章編號(hào):1007 4619(2007)03 0303 08一種基于相位一致的高分辨率遙感圖像特征檢測(cè)方法肖鵬峰,馮學(xué)智,趙書(shū)河,鄧 敏,佘江峰11121(1.南京大學(xué)地理信息科學(xué)系,江蘇南京 210093;2.中南大學(xué)測(cè)繪與國(guó)土信息工程系,湖南長(zhǎng)沙 410083)摘 要: 精確檢測(cè)圖像邊緣特征是進(jìn)行高分辨率遙感圖像分割和識(shí)別的關(guān)鍵。空域特征檢測(cè)算子以解決階躍形邊緣為主,得到的邊緣特征對(duì)圖像的亮度和對(duì)比度敏感。本文引入了一種基于頻域相位一致的圖像特征檢測(cè)方法,該方法對(duì)遙感圖像亮度和對(duì)比度具有不變性,同時(shí)適用于多種

2、邊緣特征的檢測(cè)。使用LogGabor小波計(jì)算IKONOSPan圖像的相位一致多尺度梯度,對(duì)農(nóng)田、道路和廠房等典型地物進(jìn)行特征檢測(cè)的結(jié)果表明,相位一致算法對(duì)圖像局部亮度和對(duì)比度不敏感;并且對(duì)線形物體產(chǎn)生單線響應(yīng),不似空域檢測(cè)算子產(chǎn)生雙線響應(yīng)。最后考察濾波器尺度和方向參數(shù)變化及添加高斯噪聲對(duì)檢測(cè)結(jié)果的影響,發(fā)現(xiàn)相位一致算法無(wú)需先使用低通濾波去除噪聲,因而具有更穩(wěn)定的特征定位精度;并且抗噪聲干擾的能力強(qiáng),檢測(cè)結(jié)果不會(huì)因?yàn)樵肼暥霈F(xiàn)波動(dòng)?；谙辔灰恢碌倪b感圖像不變特征提取,為高分辨率遙感圖像的分割和對(duì)象識(shí)別提供了基礎(chǔ)。關(guān)鍵詞: 邊緣特征;特征檢測(cè);相位一致;LogGabor小波;高分辨率遙感圖像中圖分

3、類(lèi)號(hào): TP751.1 文獻(xiàn)標(biāo)識(shí)碼: AFeatureDetectionfromHigh resolutionRemotelySensedImageryBasedonPhaseCongruencyXIAOPeng feng,FENGXue zhi,ZHAOShu he,DENGMin,SHEJiang feng11121(1.DepartmentofGeographicalInformationSciences,NanjingUniversity,JiangsuNanjing 210093,China;2.DepartmentofSurveyingandGeo informatics,Cent

4、ralSouthUniversity,HunanChangsha 410083,China)基金項(xiàng)目:國(guó)家自然科學(xué)基金(編號(hào):40501047),國(guó)家自然科學(xué)基金(編號(hào):40501053),教育部高等學(xué)校博士學(xué)科點(diǎn)專(zhuān)項(xiàng)科研基金(編號(hào):20050284009)作者簡(jiǎn)介:肖鵬峰(1979 ),男,南京大學(xué)地圖學(xué)與地理信息系統(tǒng)專(zhuān)業(yè)博士研究生。主要研究方向?yàn)檫b感數(shù)字圖像處理。已發(fā)表論文5E mai:。304遙 感 學(xué) 報(bào)第11卷detector,bettermiagesegmentationandobject orientedmiagerecognitionarepossible.Key words:

5、 edgefeature;remotelysensedmiageryfeaturedetection;PhaseCongruency;LogGaborwavelets;high resolution證了相位一致與人類(lèi)視覺(jué)系統(tǒng)對(duì)圖像特征的認(rèn)知基1 引 言高分辨率遙感圖像的邊緣集中了圖像的大部分信息,它的確定與提取對(duì)于整個(gè)圖像的識(shí)別與理解是非常重要的,同時(shí)也是圖像分割所依賴的重要特征。大多數(shù)檢測(cè)圖像特征的工作都集中在空域用基于梯度的算子來(lái)標(biāo)識(shí)階躍的不連續(xù)性。早期研究基123于梯度的邊緣檢測(cè)有Roberts,Prewitt,Sobel等算法,這類(lèi)算法的優(yōu)點(diǎn)是運(yùn)算簡(jiǎn)單快捷,缺點(diǎn)是受噪聲影響大和特征定位

6、容易出現(xiàn)偏移。為克服噪聲對(duì)邊緣檢測(cè)的影響,出現(xiàn)了大量線性濾波邊緣檢測(cè)算法,其中比較知名的有LoG算子和Canny算5子等。這兩種方法的共同特點(diǎn)是先采用高斯函數(shù)進(jìn)行平滑濾波;不同的是LoG算子采用二階微分的Laplace算子,通過(guò)計(jì)算過(guò)零點(diǎn)確定邊緣,而Canny算子采用一階微分Laplace算子,通過(guò)尋找局部極值確定邊緣。空域檢測(cè)算子存在兩方面的問(wèn)題:一是它們只使用單一的邊緣模型,即它們假定邊緣是階躍型不連續(xù)的;二是它們主要用亮度梯度值來(lái)表征邊緣的強(qiáng)度,這樣檢測(cè)到的邊緣就對(duì)圖像亮度和對(duì)比度的變化非常敏感。從頻率域的角度考察,圖像的相位譜比幅度譜包含有更重要的信息,并且具有亮度和平移不變性。在對(duì)馬

7、赫帶現(xiàn)象進(jìn)行觀察時(shí),Morrone發(fā)現(xiàn)信號(hào)的特征總是出現(xiàn)在其Fourier相位疊合最大的點(diǎn)處,并就此提出了相位一致(PhaseCongruency)的概念和計(jì)算方法。Kovesi隨后擴(kuò)展了相位一致作為對(duì)圖像特征的不變度量,證明它能夠可靠地檢測(cè)到階躍形、屋脊形和線形特征,并且可以對(duì)大多數(shù)圖像使用較為固定的閾值。實(shí)驗(yàn)和理論已論910 136,784本相符14。近年來(lái),國(guó)際上已有學(xué)者將相位一致方15法應(yīng)用在圖像壓縮與重構(gòu)像對(duì)稱(chēng)性檢測(cè)識(shí)別24,2517,18、三維圖像探測(cè)19 2316、圖、醫(yī)學(xué)圖像分割26、特殊文字27,28、運(yùn)動(dòng)圖像估計(jì)和人臉識(shí)別等方面,然而在遙感圖像處理方面的研究較為少見(jiàn)。本文以

8、IKONOSPan高分辨遙感圖像數(shù)據(jù)為基礎(chǔ),引入相位一致的計(jì)算方法,對(duì)水田、道路和廠房等典型地物進(jìn)行特征檢測(cè),并與Sobel和Canny算子的檢測(cè)結(jié)果進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,基于頻域相位一致所提取的圖像特征,較空域檢測(cè)算子的響應(yīng)更為顯著,且定位準(zhǔn)確,提取的不變特征有利于遙感圖像分割與識(shí)別。2 相位一致的基本原理相位一致的基本原理是:人類(lèi)視覺(jué)感知的圖像特征出現(xiàn)在圖像Fourier諧波分量疊合最大的相位處,而特征的類(lèi)型由相位的值決定9?？疾靾D1中構(gòu)成方波的正弦波分量(實(shí)線表示信號(hào);虛線表示其Fourier諧波分量,這里只列出前4次諧波;實(shí)點(diǎn)指示特征點(diǎn)),其特征出現(xiàn)在諧波分量疊合最大的0和 相位,

9、其他點(diǎn)處的相位一致都因?yàn)橹C波的上下波動(dòng)而較小。0對(duì)應(yīng)向下的階躍邊緣, 對(duì)應(yīng)向上的階躍邊緣。類(lèi)似地,三角形波的特征出現(xiàn)在相位為 /2,3 /2和5 /2的點(diǎn)處。因此,用相位一致標(biāo)記特征不用對(duì)信號(hào)波形作任何假設(shè),只需簡(jiǎn)單地尋找諧波分量疊合最大的相位。將圖1所示的情況進(jìn)行推廣,對(duì)于一維信號(hào)I(x),其Fourier分解可表示為圖1 方波和三角形波的Fourier分解10ig.1 onsquareandwmsier第3期肖鵬峰等:一種基于相位一致的高分辨率遙感圖像特征檢測(cè)方法 305I(x)=Anncos(n x+ n0)=Anncos( n(x)式中, (x)為所在點(diǎn)的所有Fourier分量的加權(quán)平

10、均相位。因此,相位一致可由各局部相位分量與平均相位的偏離的余弦函數(shù)進(jìn)行計(jì)算PC1(x)=(1)式中,An為n次諧波分量的幅度, 為常數(shù), n0為n次分量的相位偏移量,函數(shù) n(x)表示該分量在x處的局部相位。定義信號(hào)I(x)的局部能量函數(shù)為E(x)=F(x)+H(x)Anncos( n(x)- (x)Ann(x)(5)(2)3 改進(jìn)的相位一致算法式(5)所計(jì)算的相位一致,其局部能量是相位偏離的余弦函數(shù),可能會(huì)帶來(lái)由于余弦函數(shù)的峰值不夠尖銳而造成定位不精確。為此,Kovesi10,11式中,F(x)為信號(hào)I(x)去除直流分量后的函數(shù),H(x)為F(x)的Hilbert變換。H(x)和F(x)一般

11、由信號(hào)分別與兩個(gè)相位差為90 的濾波器進(jìn)行卷積得到。相位一致函數(shù)定義為局部能量函數(shù)與幅度和的比值PC1(x)=E(x)An(x)n改進(jìn)了相位一致的計(jì)算方法,修正了相位偏離余弦函數(shù)的計(jì)算式,同時(shí)考慮了頻率擴(kuò)展和噪聲補(bǔ)償:PC2(x)=(3)因此,求解最大相位一致就轉(zhuǎn)化為求局部能量函數(shù)峰值的問(wèn)題。相位一致、局部能量與幅度和的關(guān)系如圖2所示,局部Fourier分量以首尾相接的復(fù)矢量形式表達(dá),全部分量投影到實(shí)軸上即F(x),投影到虛軸上為H(x),從原點(diǎn)到終點(diǎn)的矢量即為局部能量函數(shù)E(x)。若所有Fourier分量都有一致的相位,則該比值為1;反之,該比值最小可以為0?？梢?jiàn),相位一致是一個(gè)無(wú)量綱的量,

12、這個(gè)特性使得可以對(duì)大多數(shù)圖像設(shè)定一個(gè)通用的特征閾值。W(x) A(x)(A(x)+nnnnn(x)-T)(6)式中,W(x)為頻率擴(kuò)展的權(quán)重函數(shù),通過(guò)擴(kuò)展信號(hào)頻率范圍提高相位一致的顯著性;T為噪聲估計(jì),只有當(dāng)局部能量值大于T時(shí)才用來(lái)計(jì)算相位一致;取值符號(hào) 表示值為正時(shí)等于本身,否則取0; 是避免分母為零而引入的一個(gè)小的常量;新的相位偏離函數(shù) n(x)比余弦函數(shù)有更顯著的尖峰: n(x)=cos( n(x)- (x)-sin( n(x)- (x)(7)局部能量的計(jì)算最初是通過(guò)Fourier變換,但對(duì)于二維信號(hào),在具體的計(jì)算中常采用Gabor濾波器,該濾波器實(shí)質(zhì)上就是一個(gè)加Gaussian窗的Fo

13、urier變換。為了利用多尺度分析的優(yōu)點(diǎn),本文選用二維LogGabor小波29,它是一個(gè)實(shí)部和虛部正交的復(fù)小波,可以在偶對(duì)稱(chēng)濾波器保持零直流分量的情況下構(gòu)造任意帶寬的濾波器。在線性頻率尺度上,LogGabor小波的傳遞函數(shù)為( )=-(log( / 0)22(log(k/ 0)2(8)式中, 0為濾波器的中心頻率,k/ 0是為保持濾波器形狀而設(shè)的常量。若Mn和Mn分別表示尺度n上LogGabor的偶對(duì)稱(chēng)和奇對(duì)稱(chēng)小波,則信號(hào)的響圖2 信號(hào)的局部能量與相位一致的關(guān)系11Fig.2 PolardiagramshowingtheFouriercomponentsatalocationinthesign

14、alplottedheadtotaileo應(yīng)可表示為en(x),on(x)=I(x)*Mn,I(x)*Mn (9)在該尺度上的幅度和相位分別為An(x)=(4)en(x)+on(x)eo由圖2的幾何關(guān)系易知E(x)=(10)(11)nAncos( n(x)- (x)n(x)=arctan2(en(x),on(x)306遙 感 學(xué) 報(bào)第11卷PC2(x)=Wono(x) Ano(x)( no(x)-To)點(diǎn)上各個(gè)尺度和方向的幅度與相角,考慮到遙感圖像的噪聲較自然圖像更為顯著,噪聲估計(jì)T取4 0。(3)根據(jù)式(12)計(jì)算每一點(diǎn)上各個(gè)尺度和方向的局部能量之和,最后除以幅度和,得到圖像的相位一致值,

15、取0 01。此外,為了將相位一致方法與空域檢測(cè)算子進(jìn)行比較,還對(duì)每一個(gè)實(shí)驗(yàn)圖像分別計(jì)算了Sobel梯度和Canny梯度,Sobel算子是基于灰度梯度的邊緣檢測(cè)算子的典型代表,Canny算子則是線性濾波器邊緣檢測(cè)的最優(yōu)算子。對(duì)合成圖像的特征檢測(cè)結(jié)果如圖3所示,原始圖像大小為256 256像素。對(duì)遙感圖像的特征檢測(cè)結(jié)果如圖4 圖6所示。實(shí)驗(yàn)所用的遙感圖像為南京幅IKONOSPan圖像,成像時(shí)間2000年9月15日,地面分辨率1m,裁取的農(nóng)田、道路和廠房原始圖像大小均為256 256像素。所有的相位一致檢測(cè)結(jié)果均使用相同的計(jì)算參數(shù)。限于篇幅,所有圖像都經(jīng)過(guò)了縮小處理。Aonno(x)+(12)式中,

16、下標(biāo)o表示濾波器的方向,n表示濾波器的尺度。4 圖像特征檢測(cè)與分析4.1 邊緣特征計(jì)算按照上述的相位一致方法計(jì)算圖像邊緣特征的步驟和參數(shù)如下:(1)構(gòu)造2倍頻的LogGabor小波濾波器對(duì)原圖像進(jìn)行濾波,得到一組復(fù)矢量數(shù)據(jù)。一共使用了5個(gè)尺度和6個(gè)方向(0, /6, /3, /2,2 /3,5 /6)共30個(gè)濾波器,最小尺度濾波器的波長(zhǎng)為3個(gè)像素,相鄰尺度間的比例比為2 5。(2)根據(jù)復(fù)矢量數(shù)據(jù),按式(10)、(11)計(jì)算每一(a)(b)(c)(d)圖3 合成圖像邊緣特征檢測(cè)結(jié)果(a)原始圖像;(b)Sobel梯度;(c)Canny梯度, =0.5;(d)相位一致梯度Fig.3 Feature

17、detectionresultsofsyntheticalimage(a)Originalimage;(b)Sobelgradient;(c)Cannygradient, =0.5;(d)PhaseCongruencygradient(a)(b)(c)(d)圖4 IKONOSPan農(nóng)田圖像邊緣特征檢測(cè)結(jié)果(a)原始圖像;(b)Sobel梯度;(c)Canny梯度, =0.8;(d)相位一致梯度Fig.4 FeaturedetectionresultsofpaddyimagefromIKONOSPanimage(Oriinalimage;(b)ient;(c)Cient, =0.8;(d)Cgr

18、adient第3期肖鵬峰等:一種基于相位一致的高分辨率遙感圖像特征檢測(cè)方法307(a)(b)(c)(d)圖5 IKONOSPan道路圖像邊緣特征檢測(cè)結(jié)果(a)原始圖像;(b)Sobel梯度;(c)Canny梯度, =0.8;(d)相位一致梯度Fig.5 FeaturedetectionresultsofroadimagefromIKONOSPanimage(a)Originalimage;(b)Sobelgradient;(c)Cannygradient, =0.8;(d)PhaseCongruencygradient(a)(b)(c)(d)圖6 IKONOSPan廠房圖像邊緣特征檢測(cè)結(jié)果(a

19、)原始圖像;(b)Sobel梯度;(c)Canny梯度, =0.8;(d)相位一致梯度Fig.6 FeaturedetectionresultsoffactoryimagefromIKONOSPanimage(a)Originalimage;(b)Sobelgradient;(c)Cannygradient, =0.8;(d)PhaseCongruencygradient4.2 檢測(cè)結(jié)果分析比較圖3中合成圖像的邊緣特征檢測(cè)結(jié)果,Sobel算子的檢測(cè)結(jié)果受圖像局部對(duì)比度的影響最為明顯,對(duì)比度大的邊緣產(chǎn)生強(qiáng)的梯度響應(yīng),對(duì)比度小的邊緣則產(chǎn)生弱的梯度響應(yīng)。位于圖像左上部分的灰度漸變的系列矩形、圖像上部

20、疊加的正方形、圓圈中間的正方形都只有非常微弱的梯度響應(yīng)。Canny算子能將這些弱邊緣檢測(cè)出來(lái),但是對(duì)弱邊緣的響應(yīng)依然較弱。相位一致算法則不論邊緣對(duì)比度的大小,均能產(chǎn)生相同程度的均勻響應(yīng),較好地檢測(cè)出了實(shí)驗(yàn)圖像的所有邊緣和細(xì)節(jié)?？梢?jiàn)相位一致算法的性能不受圖像局部亮度和對(duì)比度的影響,即相位一致對(duì)圖像局部亮度和對(duì)比度是不變的。此外,考察圖像下部的垂直線和多邊形的邊界線可以發(fā)現(xiàn),Sobel算子和Canny算子;而相位一致只產(chǎn)生單響應(yīng),標(biāo)記的是線形物體的中心線。相位一致的這一特性有利于準(zhǔn)確地定位線形物體。考察圖4從IKONOSPan圖像上裁取的農(nóng)田圖像的邊緣特征檢測(cè)結(jié)果,因?yàn)檫b感圖像的局部對(duì)比度比合成圖

21、像小,因此Sobel算子的檢測(cè)結(jié)果比較微弱,只能辨認(rèn)田邊小道和池塘的輪廓。Canny算子檢測(cè)結(jié)果的雙邊緣現(xiàn)象十分明顯,田邊小道和小的田塊邊緣都以雙線的形式被檢出。相位一致的檢測(cè)結(jié)果則都是單線,圖像上部接近60 方向的田埂線也被清晰地檢測(cè)出來(lái)。考察圖5道路圖像的邊緣特征檢測(cè)結(jié)果,Sobel算子的檢測(cè)結(jié)果依然比較微弱。因?yàn)閳D像上曲線結(jié)構(gòu)比較普遍,所以Canny算子檢測(cè)結(jié)果的雙邊緣現(xiàn)象更為明顯。而相位一致檢測(cè)結(jié)果對(duì)曲線都只產(chǎn)生單線響應(yīng),整體的檢測(cè)結(jié)果要簡(jiǎn)潔得多,右上部分高308遙 感 學(xué) 報(bào)第11卷圖6所示的廠房圖像,圖像結(jié)構(gòu)比較復(fù)雜,Sobel算子只能檢測(cè)出廠房的大致輪廓,Canny算子對(duì)廠房的陰

22、影邊緣產(chǎn)生較強(qiáng)的邊緣響應(yīng),且對(duì)汽車(chē)對(duì)象產(chǎn)生過(guò)多的邊緣響應(yīng),但對(duì)廠房對(duì)象的檢出卻不如相位一致算法清晰。相位一致算法對(duì)主體對(duì)象的輪廓具有較強(qiáng)的識(shí)別能力,如原圖像右下部分的三個(gè)大廠房,相位一致算法檢測(cè)的結(jié)果每個(gè)廠房依然是一個(gè)獨(dú)立的對(duì)象,而Canny算子將其沿屋脊線分解,形成了兩個(gè)對(duì)象。以上比較結(jié)果表明,相位一致算法與空域檢測(cè)算法相比的主要優(yōu)點(diǎn),一是對(duì)圖像局部亮度和對(duì)比度不敏感;二是對(duì)線形物體產(chǎn)生單線響應(yīng),而不是像大多數(shù)空域檢測(cè)算子那樣產(chǎn)生雙線響應(yīng)。4.3 參數(shù)變化的影響以下分別考察相位一致算法的參數(shù)變化對(duì)檢測(cè)結(jié)果的影響,可變的主要參數(shù)包括濾波器方向數(shù)、濾波器尺度數(shù),以及噪聲影響。圖7所示為L(zhǎng)ogGa

23、bor小波濾波器的方向數(shù)分別為6、9、12時(shí)計(jì)算的農(nóng)田圖像的相位一致的值,其他參數(shù)保持不變?？疾鞕z測(cè)的結(jié)果發(fā)現(xiàn),隨著濾波器方向數(shù)目的變化,相位一致的輸出值絕大部分并無(wú)變化。道路、池塘、農(nóng)田的邊緣依然保持清晰。但是隨著濾波器方向數(shù)的增加,角點(diǎn)處(如圖中池塘的拐角)逐漸出現(xiàn)類(lèi)似 發(fā)光 現(xiàn)象,其原因需要進(jìn)一步研究。圖8所示為L(zhǎng)ogGabor小波濾波器的尺度數(shù)分別為3、4、5時(shí)計(jì)算的廠房圖像的相位一致的值。觀察檢測(cè)的結(jié)果可以看出,當(dāng)濾波器尺度數(shù)為3時(shí),可以得到細(xì)節(jié)清晰的檢測(cè)效果;隨著濾波器尺度數(shù)的增加,廠房對(duì)象的主體輪廓仍能被準(zhǔn)確地檢出,但是檢測(cè)結(jié)果的高頻成分越來(lái)越少,低頻成分越來(lái)越多;當(dāng)濾波器尺度數(shù)

24、為5時(shí),廠房前停泊的汽車(chē)已幾乎被忽略了,但是廠房的輪廓位置保持不變。(a)(b)(c)(d)圖7 濾波器方向數(shù)的變化對(duì)相位一致檢測(cè)結(jié)果的影響(a)原始圖像;(b)6個(gè)方向的濾波器;(c)9個(gè)方向的濾波器;(d)12個(gè)方向的濾波器Fig.7 EffectofvaryingfilterorientationsincalculationofPhaseCongruency(a)Originalimage;(b)6orientationsfiltering;(c)9orientationsfiltering;(d)12orientationsfiltering(a)(b)(c)(d)圖8 濾波器尺度數(shù)的

25、變化對(duì)相位一致檢測(cè)結(jié)果的影響(a)原始圖像;(b)3個(gè)尺度濾波器;(c)4個(gè)尺度濾波器;(d)5個(gè)尺度濾波器Fig.8 EffectofvaryingfilterscalesincalculationofPhaseCongruency(a)Originalimage;(b)3scalesfiltering;(c)4scalesfiltering;(d)5scalesfiltering第3期肖鵬峰等:一種基于相位一致的高分辨率遙感圖像特征檢測(cè)方法 309Canny算子也需要先使用低通濾波去除噪聲,該高斯濾波器的階數(shù)可以認(rèn)為即相當(dāng)于濾波器的尺度。但是高斯濾波器的階數(shù)變化卻將對(duì)檢測(cè)結(jié)果產(chǎn)生決定性的影

26、響。圖9所示為高斯函數(shù)的階數(shù) 分別為0 8,1 2,1 6時(shí)得到的Canny邊緣特征檢測(cè)結(jié)果。隨著濾波器階數(shù)的增加,檢測(cè)結(jié)果出現(xiàn)明顯的膨脹,從而影響了特征的定位精度?？梢?jiàn),相位一致算法因?yàn)椴恍枰仁褂玫屯V波去除噪聲,而是直接使用LogGabor小波濾波器計(jì)算特征值,從而使得該算法與空域檢測(cè)算法相比具有更穩(wěn)定的特征定位精度。(a)(b)(c)(d)圖9 濾波器階數(shù)變化對(duì)Canny算子檢測(cè)結(jié)果的影響(a)原始圖像;(b) =0.8;(c) =1.2;(d) =1.6Fig.9 EffectofvaryingfilterstandarddeviationincalculationofCanny(a

27、)Originalimage;(b) =0.8;(c) =1.2;(d) =1.6圖10為加噪圖像的相位一致和Canny檢測(cè)結(jié)果的比較,仍然使用相同的計(jì)算參數(shù)。添加的高斯噪聲均值為0,方差為0 01。從相位一致的檢測(cè)結(jié)果可以看出,盡管特征點(diǎn)處的相位一致強(qiáng)度有所降低,但灰度平穩(wěn)區(qū)域的高斯噪聲被很好的略過(guò)了,即隨機(jī)噪聲對(duì)相位一致特征檢測(cè)結(jié)果的定位沒(méi)有明顯的影響。而Canny算子檢測(cè)的結(jié)果,不論是灰度平穩(wěn)區(qū)域還是邊緣特征處都出現(xiàn)了明顯的波動(dòng)?？梢?jiàn)相位一致的抗噪能力比較強(qiáng),是一種有較高魯棒性的特征檢測(cè)子。(a)(b)(c)(d)圖10 添加了方差為0.01的高斯噪聲的圖像特征檢測(cè)結(jié)果(a)添加了高斯噪

28、聲的圖像;(b)加噪圖像的相位一致梯度;(c)原始圖像的相位一致梯度;(d)加噪圖像的Canny梯度, =0.8Fig.10 FeaturedetectionresultsofimagecontaminatedbyGaussiannoisewith0.01variance(a)noisecontaminatedimage;(b)PhaseCongruencyofnoiseimage;(c)PhaseCongruencyoforiginalimage;(d)Cannygradientofnoiseimage, =0.8以上參數(shù)變化的影響及比較研究表明,相位一致算法與Canny算子的差異在于:一是

29、不需要先使用低通濾波去除噪聲,因而具有更穩(wěn)定的特征定位精度;二是抗噪聲干擾的能力強(qiáng),檢測(cè)結(jié)果不會(huì)因?yàn)樵肼暥霈F(xiàn)波動(dòng)。本文引入相位一致作為圖像特征的不變度量,從頻域相位的角度對(duì)高分辨率遙感圖像的特征提取5 結(jié) 論310遙 感 學(xué) 報(bào)第11卷進(jìn)行了探索,并用相位一致方法進(jìn)行了IKONOSPan圖像特征提取實(shí)驗(yàn)。結(jié)果表明,與Sobel和Canny等空域邊緣特征檢測(cè)算子相比,相位一致算法的主要優(yōu)勢(shì)有:(1)對(duì)圖像局部亮度和對(duì)比度的變化不敏感,能捕捉圖像的不變特征;(2)對(duì)線形物體產(chǎn)生單線響應(yīng),而不似空域檢測(cè)算子產(chǎn)生雙線響應(yīng);(3)不需要先使用低通濾波去除噪聲,因而具有更穩(wěn)定的特征定位精度;(4)抗噪能

30、力強(qiáng),檢測(cè)的特征不會(huì)因?yàn)樵肼暥霈F(xiàn)波動(dòng)?；谙辔灰恢碌倪b感圖像不變特征提取,為高分辨率遙感圖像的分割和面向?qū)ο筮b感圖像分類(lèi)提供了基礎(chǔ)。下一步的工作,將在頻域提取的圖像特征基礎(chǔ)上尋找合適的圖像分割方法得到圖像對(duì)象,從而使基于逐像元的遙感圖像分類(lèi)過(guò)渡到基于地物對(duì)象的圖像識(shí)別。參考文獻(xiàn)(References)1 RobertsLG.MachinePerceptionofThree dmiensionalSolidsA.OpticalandElectro opticalInformationProcessingC.1965.2 PrewittJMS.ObjectEnhancementandExtrac

31、tionA.PictureProcessingandPsychopictoricsC.1970.3 SobelI.NeighbourhoodCodingofBinaryImagesforFastContourFollowingandGeneralArrayBinaryProcessingJ.ComputerGraphicsandImageProcessing,1978,8:127 135.4 MarrD,187 217.5 CannyJF.AComputationalApproachtoEdgeDetectionJ.IEEETransactionsonPatternAnalysisandMac

32、hineIntelligence,1986,8(6):679 698.6 OppenheimAV,LimJS,KopecG,etal.PhaseinSpeechandPicturesA.IEEEInternationalConferenceonAcoustics,Speech,andSignalProcessingC.1979.7 OppenheimAV,LimJS.TheImportanceofPhaseinSignalsA.ProceedingoftheIEEEC.1981,69:529 541.8 MorroneMC,BurrDC,RossJ,etal.MachBandsArePhase

33、DependentJ.Nature,1986,324:250 253.9 MorroneMC,OwensRA.FeatureDetectionfromLocalEnergyJ.PatternRecognitionLetters,1987,6(5):303 313.10 KovesiP.InvariantMeasuresofImageFeaturesfromPhasePhDthesis,TheUniversityofWesternInformationD.HildrethEC.TheoryofEdgeDetectionA.ProceedingsoftheRoyalSociety,LondonBC

34、.1980,207:14 MorroneMC,BurrDC.FeatureDetectioninHumanVision:APhase DependentEnergyModelA.ProceedingsoftheRoyalSocietyofLondon,15 AwYK,SeriesB,BiologicalSciencesC.1988,ImageCompressionandEuropean235(1280):221 245.OwensR,RossJ.ReconstructionbyaFeatureCatalogueA.ConferenceonComputerVisionC.1992.16 Pudn

35、eyC,RobinsM,RobbinsB,etal.SurfaceDetectionin3DConfocalMicroscopeImagesviaLocalEnergyandRidgeTracingJ.JournalofComputer AssistedMicroscopy,1996,8(1):5 20.17 KovesiP.AI 97:SymmetryandAsymmetryfromLocalPhaseA.TenthAustralianJointConferenceonArtificialIntelligence,PosterPapersC.1997.18 XiaoZ,HouZ,MiaoC,

36、etal.UsingPhaseInformationforSymmetryDetectionJ.PatternRecognitionLetters,2005,26:1985 1994.19 Mulet ParadaM,NobleJA.2D+TAcousticBoundaryProceedingsoftheFirstDetectioninEchocardiographyA.InternationalConferenceonMedicalImageComputingandComputer AssistedInterventionC.1998.20 ZhengY,NixonMS,AllenR.Aut

37、omaticLumbarVertebraeSegmentationinFluoroscopicImagesviaOptimisedConcurrentHoughTransformA.Proceedingsof23rdAnnualInternationalConferenceoftheIEEEEngineeringinMedicineandBiologySocietyC.2001.21 BoukerrouiD,NobleJA,RobiniMC,etal.EnhancementofContrastRegionsinSuboptimalUltrasoundImageswithApplicationtoEchocardiographyJ.Biology,2001,27(12):1583 1594.22 KyanMJ,GuanL,ArnisonMR,etal.FeatureExtractionofChromosomesfrom3DConfocalMicroscopeImagesJ.IEEETransactionsinBiomedicalEngineering,2001,48(11):1306 1318.23 LinguraruMG,BallesterM G,