电子信息技术

本发明涉及一种探地雷达图像边缘检测中去除伪影干扰的方法，其属于图像识别技术领域，其包括采用模极大值法在对探地雷达图像进行边缘检测时，待处理的探地雷达图像中包含目标物边缘和伪影边缘，通过判断待处理的探地雷达图像中的边缘点在梯度方向的模值变化情况来区分奇异点是目标物边缘还是伪影边缘，滤除判定为伪影边缘的点，保留判定为目标物边缘的点；本发明的优点在于改进了原模极大值方法中的阈值处理策略，使得其对探地雷达图像进行边缘检测的过程中即实现了对目标物轮廓的检测，也实现了对图像中伪影的滤除，增加了图像的可读性。

针对探地雷达图像，一般采用模极大值法对图像进行多尺度增强。模极大值法是一种频率域图像增强方法，源于Fourier变换和小波变换理论。Fourier变换是最早应用于分析信号和图像的方法之一。在Fourier分析方法中只有掌握了整个信号点的值才能对其中一点的频率进行分析。如果信号在某一时刻的一段很小的区间内有所改变，那么信号的整个频谱均将受影响，并且无法探知频谱变化的时刻、位置以及强烈程度。所以说Fourier变换主要是是对信号整体的分析，无法对信号局部进行有效分析，基于这一缺点，D.Gabor提出了改进的Fourier变换，即窗口Fourier变换，也就是Gabor变换。Gabor变换可以分析信号某一时间段的频谱。然而Gabor并没有脱离窗口函数的限制，时间和频率的分析是相互独立的。小波变换通过一个函数的平移伸缩作为基底对信号频谱分析弥补了Fourier变换和Gabor变换的缺点，它可同时对信号进行时频分析。小波变换分为连续小波变换和离散小波变换，其中模极大值边缘检测方法是基于离散小波变换中的二进小波变换。离散小波变换是对连续小波变换中的尺度因子和平移因子进行离散而来，而二进小波变换是对连续小波变换中尺度因子进行了离散，而保持了平移因子的连续性。

在待处理的探地雷达图像中除了目标物轮廓以外，还存在一部分伪影，如图2和图3所示，待增强处理的探地雷达图像中的边缘点不仅包含目标物边缘点，也包含伪影的边缘点，探地雷达图像中目标物边缘灰度值与背景差别较大，伪影边缘灰度值与背景差别较小，也就是说目标物边缘相较于伪影边缘具有更大的小波变换系数幅值，因此经过小波变换后两部分所具备的特点也有所不同。原始模极大值选择固定阈值的方法的缺点是无法确定合适的阈值，如果阈值设定过大，目标物边缘虚弱的区域有可能会丢失，如果阈值设定过小，则无法实现对伪影边缘的滤除。采用模极大值法对图2中图像进行边缘检测，检测结果如图
4(a)～图4(f)所示，从图4(a)～图4(f)中可以看出模极大值通过高通滤波器和低通滤波器的作用将图像生成不同层次的子带，每一层又分为边缘幅值图像和边缘角度图像。但是改进前的模极大值算法的缺点就是对图像中目标物边缘和伪影边缘均进行了检测，没有将伪影边缘点进行滤除，降低了图像的可读性，干扰了对目标物的识别。