一种基于二分试探法的相干扩频快捕系统

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910246911.5(22)申请日 2019.03.29(71)申请人 武汉九天高分遥感技术有限公司地址 430223 湖北省武汉市（湖北）自贸区武汉片区东信路光谷创业街10栋（原3）1单元1层01室085号(72)发明人 杨博　王密　(74)专利代理机构 武汉科皓知识产权代理事务所(特殊普通合伙) 42222代理人 王琪(51)Int.Cl.G06K 9/46(2006.01)G06K 9/00(2006.01)(54)发明名称一种基于二进小波的遥感影像多尺度边缘提取与匹配方法和系统(57)摘要本发明公开一种基于二进小波的遥感影像多尺度边缘提取与匹配方法和系统，以两张覆盖同一范围的光学遥感影像作为输入，通过影像预处理，消除影像间的旋转、尺度差异以及成像角度不同带来的几何变形，同时去除噪声，增强边缘特征。

通过分别对基准影像与目标影像进行多尺度边缘检测、尺度空间与影像空间非极值抑制、有效边缘特征筛选，获得两组有效边缘特征结果。

通过分别对两组边缘特征进行二值化表示和附加核线约束的边缘匹配，得到匹配结果，进行粗差剔除后，得到最终的匹配结果。

本发明能够实现光学影像的高精度边缘提取与匹配，实践表明该方法可行、有效，具有较高的可靠性和效率。

权利要求书3页 说明书6页 附图1页CN 110020659 A 2019.07.16C N 110020659A1.一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于，包括如下步骤：步骤1，对基准影像与目标影像分别进行预处理；步骤2，对预处理后的两幅影像分别进行多尺度边缘检测；步骤3，在尺度空间与影像空间进行梯度值非极值抑制，以剔除无效边缘；步骤4，通过长度阈值和曲率阈值筛选出有效边缘；步骤5，对有效边缘结果二值化，并通过核线约束进行边缘匹配；步骤6，利用最小二乘平差方法剔除错误匹配点，获得最终的匹配结果。

收稿日期:2007-06-10基金项目:国家自然科学基金资助(60672125);国家部委预研基金资助作者简介:钟　微(1981-),女,西安电子科技大学博士研究生.一种灵活的图像频谱分割与去噪方法钟　微,谢雪梅,石光明(西安电子科技大学电子工程学院,陕西西安　710071)摘要:针对图像变换域分割不灵活的问题,提出了一种图像傅里叶谱灵活分割与去噪的简单方法.根据输入图像的频谱能量分布和实际应用的需要,设计具有合适采样因子的线性相位非均匀滤波器组并将其应用于对图像行、列的处理中,实现对整个图像按照频谱能量的高低进行灵活分割的过程.若干扰噪声的功率谱集中分布在图像的低能量部分,且其谱值高于原始图像的低能量谱值,应用这一频谱分割思想,可以很容易地将噪声检测出来并加以去除.实验结果表明,该方法实现简单,尤其是在原始图像的频谱分布比较集中时非常有效.关键词:图像频谱分割;去噪;频谱分布;非均匀滤波器组中图分类号:T P751 文献标识码:A 文章编号:1001-2400(2007)06-0935-04Image spectrum segmentation and de -noising based onmulti -channel nonuniform filter banksZ HONG Wei ,X I E X ue -mei ,S H I Guang -ming(Scho ol of Electr onic Eng ineering ,Xidia n U niv .,Xi ′an 710071,China )A bstract :　A simple me tho d for image spectrum seg menta tion and de -no ising is propo sed ,due to the facttha t the input image canno t be decom po sed f lexibly in a tr ansfo rm do main .M ulti -channe l linear -phaseno nunifo rm filter banks w ith pro per sampling facto rs are desig ned which are applied to r ow s and columnsof the input image ,respectively ,acco rding to its pow er spectr um distributio n .By this procedure ,theimage can be segmented no nunifor mly in the frequency do main .In addition ,pr ovided that the po we rspectrum of the noise inv olved concentrates o n the low pow er pa rt o f the original image ,it can bedetected and removed ea sily by using the pro po sed idea o f spectrum seg me ntation .T his metho d perfo rmsefficiently w he n the pow er spectrum of the o rig inal imag e is distributed concent ratedly .A desig n ex ampleis given to demo nst rate the simplicity and effectiveness o f the pr oposed method .Key Words :　imag e spectrum segmentatio n ;de -noising ;spectrum distribution ;no nunifor m filte r banks随着信号处理技术的不断发展,较之于空域,人们更倾向于在变换域对图像进行处理.对图像进行适当的变换可使其能量仅仅集中在少数的变换系数上,为进一步的处理提供了方便.小波变换在时间和频率上都具有信号局部特征的分析能力,因而广泛应用于图像去噪、增强等领域[1～5].Now ak 等[2]提出了一种应用于光子成像系统的小波域图像滤波新技术,利用统计交叉验证方法所设计的滤波器不仅能去除图像中的泊松噪声,还能避免图像细节的过渡平滑.M itrovski 等[5]针对核医学图像的预处理问题,提出利用近似完全重构的正交镜像滤波器组代替小波变换对特定图像进行分解,并指出滤波器的截止频率应根据图像的频谱选取.然而,这些方法大都基于二进小波多尺度分级的思想进行图像分解,并不能真正实现图像变换域的灵活分割.就窄带干扰抑制问题而言,Xie 提出了一种新颖的频域处理算法[6].他设计了完全重构滤波器组作为自适应频率切除器,分析加噪信号的能量分布特点,将窄带干扰检测出来并加以去除.但该算法基于树型结构实现,其对采样因子选择的限制同样约束了分割的灵活性,且分级越多,系统的延时越长.因此,仍然需要一2007年12月第34卷　第6期　西安电子科技大学学报(自然科学版)JOUR NAL OF XIDI AN UNIV ER SI TY Dec .2007Vol .34　No .6种划分灵活,实现简单、直接,且系统延时较低的图像变换域分割方法.笔者提出一种利用直接结构非均匀滤波器组对图像傅里叶谱进行灵活分割与去噪的方法,并从理论上给出图像的频谱分割思想.该方法所设计的非均匀滤波器组实现简单、直接,不仅具有线性相位特性,还具有较大的阻带衰减和较低的系统延时.根据输入图像的频谱能量分布和实际应用的需要,设计具有合适采样因子的非均匀滤波器组并将其应用于对图像行、列的处理中,实现对整个图像按照频谱能量的高低进行灵活分割,这在信号处理领域中有助于具有不同能量的各个子带采用不同的方法进行处理.将这一频谱分割思想应用到去除特定噪声的处理中,若干扰噪声集中分布在图像的低能量部分,且其谱值高于原始图像的低能量谱值,噪声就能很容易地被检测和去除.1　多通道线性相位非均匀滤波器组的设计笔者所提出的图像频谱分割与去噪的思想是基于具有线性相位特性的直接结构非均匀滤波器组实现图1　M 通道非均匀滤波器组的结构框图的.因此,这里先介绍一种采用直接结构设计多通道线性相位非均匀滤波器组的有效方法[7].1.1　多通道线性相位非均匀滤波器组的设计原理M 通道非均匀滤波器组的结构框图如图1所示.这里只考虑采样因子n k (k =0,1,…,M -1)为整数,且满足临界采样条件∑M -1k =0n k =1的情况.H k (z ),F k (z )分别表示其分析和综合滤波器.输出信号 X (z )与输入信号X (z )的关系为X (z )=T (z )X (z )+∑M -1k =0∑n k -1l =1X (zW l n k )H k (zW l n k )F k (z )　,(1)其中T (z )=∑M -1k =0H k (z )F k(z )为系统无失真时的传输函数,X (zW l n k ),l =1,2,…,n k -1,为混叠失真项.若分析滤波器H k (z )和综合滤波器F k (z )满足时间翻转关系:F k (z )=z -N H k (z -1)　或者　f k (n )=h k (N -n ),k =0,1,…,M -1,N 为滤波器的阶数,(2)则系统的相位失真被消除.在滤波器长度相等的情况下,若分析滤波器H k (z ),k =0,1,…,M -1,满足正反交替对称特性,则系统的主要混叠失真被消除.而对于幅度失真的消除问题,要求相邻的两个分析滤波器满图2　采样因子为(6,3,2)的非均匀滤波器组足功率互补关系:H k (ex p (j ω))2+H k +1(exp (j ω))2=1　,∑k -1i =0πn i +π2n k ≤ω≤∑k i =0πn i +π2n k +1　.(3)运用Parks -McClellan 算法进行设计,指定每个滤波器的频率响应满足上述条件,这样,整个滤波器组的设计问题就转化为一系列单个滤波器的设计问题,且整个设计过程不需要进行非线性优化,所得到的分析和综合滤波器还具有较大的阻带衰减.1.2　设计举例为后续小节中图像频谱分割与去噪的例子做准备,这里给出一个采样因子为(6,3,2)的线性相位非均匀滤波器组的设计实例.选取分析和综合滤波器的阶数N 为96.运用Parks -McClellan 算法,指定分析滤波器的频率响应满足公式(3),以此作为设计目标,得到其幅频响应如图2所示.实验结果表明,其幅度和混叠失真的最大值分别为E pp =2.3×10-3,E a =1.4×10-3,保证整个系统满足近似完全重构特性.滤波器的阻带衰减约为109.6dB .936 西安电子科技大学学报(自然科学版) 第34卷2　基于多通道非均匀滤波器组的图像频谱分割思想这一节,着重描述如何按照图像的频谱分布特点和实际应用的需要,设计多通道线性相位非均匀滤波器组对图像的频谱进行分割.这一思想适用于图像的频谱呈集中分布的情况.给定一幅M 0×M 1的图像x (m 0,m 1),对其进行二维傅里叶变换,相应的频率响应X (ω0,ω1)为X (ω0,ω1)=1M 0M 1∑M 0-1m 0=0∑M 1-1m 1=0x (m 0,m 1)ex p -j2πω0m 0M 0+ω1m 1M 1　.(4)从而可得该图像的二维傅里叶谱X (ω0,ω1)=R (ω0,ω1)2+I (ω0,ω1)21/2　,(5)其中R (ω0,ω1)为其频率响应X (ω0,ω1)的实部,I (ω0,ω1)为它的虚部.以512×512的Lena 图像为例,如图3(a )所示,对其进行二维傅里叶变换,得到其傅里叶谱如图3(b )所示.很容易看出,Lena 图像的频谱能量集中分布在低频部分,并随着频率的增高而逐渐降低.由于输入为实信号,其频谱分布关于ω0,ω1轴对称,因此只需考虑它们的正半轴部分.在ω0的正半轴方向,根据应用的具体要求选取所需的分割比例,将其频谱划分为能量高低分布不同的各个子带.类似地,在ω1的正半轴方向,可以根据需要选取不同于ω0方向的分割比例进行处理,从而实现对整个图像按频谱能量的高低进行分割.这里,为简单示范起见,选取相同的分割比例分别将ω0,ω1的正半轴频谱能量分为3段:[0,π/6]为高能量区,[π/6,π/2]为中能量区,[π/2,π]为低能量区.这样,根据Lena 图像的频谱分布情况,将它的频谱分割为9个子带,依次编号为子带1～9,如图3(c )所示.为进一步说明,与图3(c )中子带1～9相对应的各个子带分割示意图如图3(d )所示.图3　Lena 图像的二维傅里叶谱及其频谱分割图利用多通道非均匀滤波器组可以很容易地实现这一图像频谱分割思想.以三通道为例,处理过程如下:根据输入图像x (m 0,m 1)的频谱分布特点和实际应用的需要,在ω0(行)方向上选取具有适当采样因子(n 0,n 1,n 2)的一组非均匀滤波器组对其进行分割;再在ω1(列)方向上选取另一组(n ′0,n ′1,n ′2)进行分割,从而实现对整个图像按频谱能量的高低进行分割的过程.经过处理后,在接收端,分割的各个子带又分别在列、行方向重构出原图像 x (m 0,m 1).相应的系统框图如图4所示.图4　利用三通道非均匀滤波器组进行图像频谱分割的系统框图937第6期 钟　微等:一种灵活的图像频谱分割与去噪方法将图像按照其频谱能量高低的分布进行分割是非常必要的.这是因为,具有不同能量的各个子带往往需要采用不同的方法进行处理.例如,在量化处理中,由于高能量子带信号所蕴含的信息往往更丰富、更重要一些,它们的量化精度就比低能量的要高.而根据不同应用场合的具体要求,设计具有合适采样因子的多通道非均匀滤波器组进行这一操作,为图像的频谱分割提供了简便、灵活的工具.这里使用的是具有近似完全重构特性的多通道非均匀滤波器组,因此,它更适用于有损处理.3　基于频谱分割思想的图像去噪实验结果将上节提出的图像频谱分割思想应用到去噪处理中.假若原始图像的频谱是集中分布的,而干扰噪声的频谱集中分布在图像的低能量部分,且其谱值高于原始图像的低能量谱值,在这种情况下,根据加噪图像的频谱分布特点对其进行分割,噪声就能很容易地被检测和去除.依然以Lena图像为例.基于图3(c)中给出的频谱分割比例,将一个中心频率为(0.8π,0.8π)的二维噪声加入到Lena图像中,使它的频谱集中分布在图像的低能量部分.笔者采用将一维窄带噪声扩展到二维的方法,先构造一个中心频率为0.8π的一维窄带噪声,再将它和它本身张成一个中心频率为(0.8π,0.8π)的二维噪声,其幅频响应如图5(a)所示.将这个二维噪声加到Lena图像中去,加噪图像的幅频响应如图5(b)所示.很容易看出,所加噪声的二维频谱分布也是聚集的,且它仅仅出现在原始图像的低能量子带9内,其谱值高于原始图像的低能量谱值.这样,根据加噪Lena图像的频谱分布特点,选取行、列方向非均匀滤波器组的采样因子均为(n0,n1,n2)=(n′0,n′1,n′2)=(6,3,2),利用图2所示的三通道线性相位非均匀滤波器组分别对其行、列进行分割,得到子带1～9.然后在重构时,删去噪声集中分布的子带9,就可以完成整个去噪的过程.实验结果如图5所示.由于篇幅的限制,这里只给出了子带1,5,9的分割图.图5　利用三通道非均匀滤波器组(6,3,2)对加噪L ena图像进行频谱分割与去噪的过程经比较可得,加噪图像与原始图像的峰值信噪比(PSN R)约为19.63dB.而去除噪声后,重构图像与原始图像的PSN R为43.43dB,提高了23.80dB.可以看出,这一图像频谱分割的思想对某些特定噪声的去除效果还是比较明显的.(下转第952页)Socie ty of Londo n,1971,324(1):301-313.[9]Der jag uin B V,M uller V M,To prov Yu P J.Effect of Contact Defo rmation o n the Adhe sion o f P ar ticles[J].Jour nal o fColloid and Inte rface Science,1975,53(2):314-326.[10]M augis D,G authie r-M anuel B.JK R-DM T T ransitio n in the P resence of a Liquid M eniscus[J].Jour nal o f AdhesionScience and T echnology,1994,8(11):1311-1322.[11]H amake r H C.T he Lo ndon-van De r W aals A tt raction Between Spherical Par ticles[J].Phy sica,1937,(10):1058-1072.[12]M uller V M,Yushchenko V S,Der jag uin B V.On the I nfluence of M olecula r F orces o n the Defo rmatio n of an ElasticSpher e and its Sticking to a Rig id Plane[J].Jour nal of Colloid and Interface Science,1980,77(1):91-101.[13]Y u Ning,Po ly carpou A A.Adhesive Co ntact Based on the L ennard-Jones Po tential:a Cor rectio n to the V alue of theEquilibrium Dista nce as U sed in the Po te ntial[J].Journal o f Colloid and I nte rface Science,2004,278(2):428-435.[14]Johnso n K L.Contact M echa nics[M].Cambridg e:Cambridge U niv ersity P ress,1985:11-80.[15]James Q F.Co ntact Behavio r of Spherica l Elastic P ar ticles:a Computatio nal Study o f P article A dhesio n and Deforma tions[J].Colloid a nd Surface s(A),2000,172(3):175-198.[16]T abo r D.Surface F orces and Surface Inte ractio ns[J].Journal o f Colloid and I nter face Science,1977,58(1):2-13.[17]樊康旗,贾建援,王卫东.AF M针尖“突跳”研究[J].中国机械工程,2007,18(3):339-343[18]A ttard P,Pa rker J L.Defo rmatio n and Adhe sion of Elastic Bo die s in Contact[J].Physical Review A,1992,46(12):7975-7971.(编辑:齐淑娟) (上接第938页)4　结束语笔者提出了图像傅里叶谱灵活分割的思想,研究了基于直接结构多通道线性相位非均匀滤波器组的图像频谱分割与去噪的方法.根据实际应用的要求,设计具有合适采样因子的非均匀滤波器组对图像的频谱进行分割,为图像的频谱分割提供了简便、灵活的工具.将这一频谱分割思想应用到去除特定噪声的处理之中,效果也比较明显.实验结果表明该方法实现简单,尤其是在原始图像的频谱分布比较集中时非常有效.参考文献:[1]Chambolle A,DeV o re R A,Lee N Y,et al.N o nlinear W avele t Image Pr ocessing:Va riatio na l P ro blems,Compressio n,a nd No ise Remov al thro ugh Wav elet Shrinkage[J].I EEE T rans o n Imag e Pr ocessing,1998,7(3):319-355.[2]N owak R D,Baraniuk R G.Wav elet-domain Filtering fo r Pho to n Imaging Sy stems[J].IEEE T r ans on Imag e P rocessing,1999,8(5):666-678.[3]T urkheimer F E,A sto n J A D,Bana ti R B,e t al.A Linea r W avele t Filte r fo r Par ame tric Imaging w ith Dynamic PET[J].I EEE T rans o n M edical Imaging,2003,22(3):289-301.[4]Erce lebi E,K oc S.Lifting-based Wavelet Do main A daptiv e Wiene r Filte r fo r Image Enhancement[J].IEE P roc o fVision,Imag e and Sig nal P rocessing,2006,153(1):31-36.[5]M itr ovski C D,K ostov M B.N M Imag es Filtering U sing NP R Q M F Filte rs Dependent o n the Image s S pectrum[C]//Pro c of T EL SIKS'05.Serbia:IEEE,2005:119-122.[6]Xie X M.A No vel M ethod fo r Desig ning Low-delay Per fect-reconstruction T ree-structured Filter Banks as A daptiv eF requency Exciser s in DSSS Co mmunicatio n Sy stems[C]//P roc o f WI RELESSCO M2005.Haw aii:IEEE,2005:475-480.[7]Xie X M,Chen X Y,Shi G M.A Sim ple Desig n M e tho d of Linear-phase N onuniform F ilter Banks w ith IntegerDecimation Facto rs[C]//Pro c of M WSCA S2005.Cincinna ti:IEEE,2005:724-727.(编辑:郭　华) 。