CN114120098B 基于mrsf模型的sar图像湖岸线检测方法及系统 （杭州电子科技大学）

基于MRSF模型的SAR图像湖岸线检测方法及本发明公开了一种基于MRSF模型的SAR图像采用OSTU算法进行粗分割，得到水陆的初始边粗分割的结果作为MRSF模型的初始轮廓演化得到最终的精细湖岸线。本发明在SAR图像湖岸线2步骤4)、将粗分割的结果作为MRSF模型的初始轮廓演ε3基于LoG算子和ROEWA算子构建一种新的边缘能量且和MROEWA分别表示LoG算子和ROEWAROEWA算子是一种基于线性最小均方误差的多边缘模型，适用于SROEWA算子检测到的边缘强度由水平分量和垂4和c2表示曲线C内外两个区域的平均强度。5将上述变分方程结合步骤2)所得到的初始轮廓，迭代求解能量泛函构建MRSF模型的能量函数模块：基于新型的边界能量项湖岸线检测结果输出模块：将粗分割的结果作为MRS6ε基于LoG算子和ROEWA算子构建一种新的边缘能量7且和MROEWA分别表示LoG算子和ROEWAROEWA算子是一种基于线性最小均方误差的多边缘模型，适用于SROEWA算子检测到的边缘强度由水平分量和垂8和c2表示曲线C内外两个区域的平均强度。6.如权利要求5所述的SAR图像湖岸线检测系统，其特征是，抑制相干斑噪声模块中，8.如权利要求5所述的SAR图像湖岸线检测系统，9将上述变分方程结合粗分割模块所得到的初始轮廓，[0001]本发明属于图像检测与目标识别技术领域，涉及合成孔径雷达(SAR,Synthetic由LoG算子和ROEWA算子共同检测得到。[0003]鉴于SAR图像分割在湖岸线检测中的重要作用，研究人员提出了阈值分割、分水由于SAR图像的相干斑噪声和强度的非均匀性，直接将主动轮廓模型应用于湖岸线检测的[0004]为解决上述问题，本发明提出了一种基于MRSF模型的SAR图像湖岸线检测方法及为初始轮廓，有效避免了传统RSF模型由于初始轮廓设置不合适而导致的错误分割和陷入型的边缘能量项是由LoG算子和ROEWA算子共同检测得到，可以更好地定位SAR图像中的弱[0013]经典的BM3D滤波算法是为抑制加性高斯白噪声(AWGN)所提出的。考虑到SAR图像λ2[0046]考虑到SAR图像中存在大量的弱边缘和虚假边缘，本发明基于LoG算子和ROEWA算LoG和MROEWA分别表示LoG算子和ROEWA算子的检测结果。[0053]LoG算子是一种著名的二阶差分边缘检测算子，主要是由高斯算子和拉普拉斯算和c2表示曲线C内外两个区域的平均强度。[0094]优选的，粗分割模块中，通过最大化类间方差将SAR图像分为湖泊和陆地两个部λ2LoG和MROEWA分别表示LoG算子和ROEWA算子的检测结果；和c2表示曲线C内外两个区域的平均强度。[0154]将上述变分方程结合粗分割模块所得到的初始轮廓，迭代求解能量泛函的最小[0162]如图1-3所示，本实施例基于改进区域可变拟合能量(RSF)模型的SAR图像湖岸线本估计i,第二步的滤波操作由首次估计产生的结果来驱动，并在小波域进行实际的滤[0165]SAR图像经过上述BM3D算法滤波之后大大降低了相干斑噪声的强度，且能较好地[0167]将步骤1)得到的滤波之后的SAR图像采用OSTU算法结合形态学处理来获得初始的λ2[0189]考虑到SAR图像中存在大量的弱边缘和虚假边缘，本发明基于LoG算子和ROEWA算LoG和MROEWA分别表示LoG算子和ROEWA算子的检测结果。[0196]LoG算子是一种著名的二阶差分边缘检测算子，主要是由高斯算子和拉普拉斯算和c2表示曲线C内外两个区域的平均强度。明检测到的湖岸线与人工描绘的真实湖岸线(B)接近，能较好地保留一些弱边缘和凹陷边λ2LoG和MROEWA分别表示LoG算子和ROEWA算子的检测结果；和c2表示曲线C内外两个区域的平均强度。[0303]