建筑物轮廓边缘检测方法对比分析

摘要：遥感影像中建筑物的提取一直以来都是研究的一个难点问题，而建筑物轮廓边缘的检测是建筑物准确提取的基础。本文对Edison算子、OFMM亚像素边缘检测方法和利用极值梯度的通用亚像素边缘检测方法进行了分析与实验，结果表明Edison算子在弱边缘的检测以及检测结果的连续性上要优于另外两种方法。

关键词：遥感影像；建筑物；边缘检测；分割

中图分类号：P237 文献标识码：B DOI：10.3969/j.issn.1001-0270.2017.05.30

Abstract： Building extraction in remote sensing images has always been a difficult problem of research. And building outline edge detection is the foundation of building extraction accurately. In this paper， the Edison operator， OFMM subpixel edge detection method， and universal subpixel edge detection algorithm based on extremal gradient were analyzed with the experiment. The results show that Edison operator is better than the other two methods in weak edge detection and continuity.

Key Words： Remote Sensing Images； Building； Edge Detection； Segmentation

1 引言

影像的边缘检测是计算机视觉和数字图像处理中很重要的处理环节[1]，它对于图像分割[2]、纹理特征提取[3]、形状特征提取[4]和图像识别[5]等方面起着重要的作用。在建筑物提取时，通过选择合适的边缘检测方法，可以对影像中的建筑物边缘的进行可靠准确的检测，这对于建筑物的有效提取具有重要的意义。因此，本文首先对Edison算子、OFMM亚像素边缘检测方法和利用极值梯度的通用亚像素边缘检测方法进行了简要介绍，利用这三种方法对影像中的建筑物边缘进行检测，并对检测结果进行对比分析。

2 算法描述

2.1 Edison算子[6]

Edison算子是Canny算子[7]的一种性能较优异的改进算法，在利用梯度大小的基础上，将梯度的相位信息引入方法中加以利用，进一步提高了算法对弱边缘的检测能力和抗噪能力。Edison算子在引入梯度相位信息时，首先根据相位确定标准的边缘模板，然后将归一化的灰度矢量与边缘模板中数据矢量相关系数作为边缘的置信度，最后在二维参数平面中对边缘强度和边缘置信度进行磁滞阈值处理以得到边缘特征。

2.2 正交Fourier-Mellin矩（OFMM）亚像素边缘检测方法[8]

2.3 利用极值梯度的通用亚像素边缘检测方法[9]

利用极值梯度的通用亚像素边缘检测方法在研究已有的利用梯度进行边缘检测方法基础上，将梯度分解为正梯度和负梯度两部分，在分别确定各像点对应的两部分梯度值并进行非极大抑制处理后，通过判断两种边缘的分布特征以确定所属的边缘类型，并利用相应的拟合模型确定亚像素边缘点的位置，有效提高了边缘检测方法的精度和通用性。

3 实验与分析

为了对上述三种方法的性能进行对比分析，选取航空影像的一部分进行边缘检测试验，该截取影像的大小为530像素x530像素，该区域为典型的城市建筑物区域影像，某些建筑物的屋顶在影像中存在一些弱边缘特征。上述三种算法的边缘检测结果如图1所示。

选择以上实验结果中三个框选区域进行对比可知，Edison算子对弱边缘的检测能力相比较其它两种算法有着更好的表现，而且所得边缘的连续性较好，尽管OFMM方法与利用极值梯度的通用亚像素边缘检测方法能达到亚像素级的定位精度，但OFMM方法的边缘响应较宽，而且就建筑物轮廓直线特征提取这一应用而言，弱边缘提取效果与边缘连续性好更加有利于后续的处理。

4 结论

本文介绍了三种建筑物轮廓边缘检测方法，并利用其对建筑物区域影像进行边缘检测，实验表明Edison算子可以获得更佳的检测效果，将有助于下一步的建筑物提取工作。

参考文献：

[1]徐建华.图像处理与分析[M].北京：科学出版社，1992.

[2]王斌，李洁，高新波.一种基于边缘与区域信息的先验水平[1]集图像分割方法[J].计算机学报，2012，35（5）：1067-[1]1072.

[3]李川，罗金生，刘传辉.基于轮廓与边缘纹理特征融合的掌[1]纹识别[J].兵工自动化，2015，34（11）：52-56.

[4]高晶，孙继银，吴昆，李琳琳.基于形状特征的红外目标检[1]测方法[J].激光与红外，2013，43（1）：49-53.

[5]秦雪，王欢，严晔，吴玉宁，苏伟.基于图像边缘检测的图像[1]识别算法[J].长春理工大学学报（自然科学版），2015[1]（4）：127-131.

[6]Peter Meer， Bogdan Georgescu. Edge Detection with[1]Embedded Confidence[J]. IEEE Trans. on PAMI， 2001，23[1]（12）：1351-1365.

[7]CANNY J F. A Computational Approach to Edge Detection[1][J]. IEEE Trans. on PAMI， 1986，8（6）：679-698.

[8]Tan Jiubin， Ao Lei. Subpixel Edge Location Based on[1]Orthogonal Fourier Mellin Moments[J]. Image and Vision [1]Computing，2008，26（4）：563-569.

[9]陳小卫.利用极值梯度的通用亚像素边缘检测方法[J].测[1]绘学报，2014，43（5）：500-507.