[论文解读] Comparative analysis of common edge detection techniques in context of object extraction

Sunil Kumar Katiyar, P. V. Arun|arXiv (Cornell University)|Feb 5, 2014

Remote-Sensing Image Classification参考文献 15被引用 50

一句话总结

本文对常见的边缘检测技术——Canny、Sobel、Prewitt、拉普拉斯高斯（LoG）和Roberts——在遥感图像中提取目标的性能进行了对比评估。基于IRS LISS 3、LISS 4、Cartosat-1和Google Earth数据，分析了各波段的表现，发现Canny和LoG在边缘检测精度和抗噪性方面表现更优，其中Canny在不同光谱条件下展现出更高的精度和完整性。

ABSTRACT

Edges characterize boundaries and are therefore a problem of practical importance in remote sensing.In this paper a comparative study of various edge detection techniques and band wise analysis of these algorithms in the context of object extraction with regard to remote sensing satellite images from the Indian Remote Sensing Satellite (IRS) sensors LISS 3, LISS 4 and Cartosat1 as well as Google Earth is presented.

研究动机与目标

• 评估标准边缘检测算法在从卫星图像中提取有意义目标边界方面的有效性。
• 分析光谱波段对多光谱遥感数据中边缘检测性能的影响。
• 识别在多样化遥感数据集中用于目标提取任务的最鲁棒边缘检测方法。
• 根据图像特征和应用需求，提供选择最优边缘检测技术的实用指南。

提出的方法

• 本研究将五种边缘检测技术——Canny、Sobel、Prewitt、拉普拉斯高斯（LoG）和Roberts——应用于IRS LISS 3、LISS 4和Cartosat-1传感器的多光谱图像。
• 每种算法独立应用于各个光谱波段（如红、绿、蓝、近红外）以评估波段特异性表现。
• 生成边缘图，并通过定性评估和图像保真度指标进行视觉和定量比较。
• 基于边缘连续性、噪声敏感性和边界定位精度评估各方法的性能。
• 使用高分辨率Google Earth图像作为真实参考，进行视觉对比以验证结果。
• 采用统计分析和视觉分析，根据精度、完整性和与参考边缘的结构相似性对算法进行排序。

实验结果

研究问题

• RQ1 哪种边缘检测技术在多光谱遥感图像中能产生最准确和最完整的边缘？
• RQ2 光谱波段的选择如何影响边缘检测算法在目标提取中的表现？
• RQ3 Canny、Sobel、Prewitt、LoG和Roberts方法在抗噪性和边界定位方面如何比较？
• RQ4 是否存在一种边缘检测方法能始终在不同卫星传感器和图像类型中优于其他方法？
• RQ5 如何组合边缘检测技术与光谱波段以最大化目标提取的准确性？

主要发现

• Canny边缘检测在复杂城市和自然地形场景中实现了最高的边缘定位精度和完整性。
• 拉普拉斯高斯（LoG）在抑制噪声和保持高边缘连续性方面表现优异，尤其在低对比度区域。
• Sobel和Prewitt算子对噪声更敏感，且在检测细小或微弱边界时表现较弱。
• Roberts算子产生的边缘最粗糙，且在多光谱数据中对结构细节的保持能力最差。
• 波段分析显示，近红外（NIR）和红光波段在所有算法中均持续优于蓝光和绿光波段的边缘检测效果。
• Canny和LoG方法在所有测试传感器（LISS 3、LISS 4、Cartosat-1）中均保持优异性能，其中Canny在定量比较中略胜一筹。